考虑时空关系的遥感影像变化检测和变化类型识别

提出了一种基于时空关系的遥感影像变化检测及类型识别方法。该方法通过影像分割获取像斑,利用最大似然法(maximum likelihood method,ML)获取初始分类结果,通过地物的类别转移矩阵(class transition matrix,CTM)和类别邻接矩阵(class adjacency matrix,CAM)定量地描述各地物类别之间的时间关系和空间关系。实验结果显示,本方法优于分类后比较法。     

遥感时空不一致性对城市景观格局动态分析影响

采用时空相结合的分类方法来获取多时相土地利用/覆盖,有效减少了多时相遥感的时空不一致性。为探测时空不一致性对景观指标取值及其变化轨迹的影响,将时相独立分类方法和时空相结合分类方法进行了对比,四种常用的景观指标——斑块数(NP)、边缘密度(ED)、平均斑块大小(MPS)和平均形状指数(MSI)用来探测两种方法的差异。结果表明,时空不一致性不仅影响到景观指标取值,而且改变了景观指标的变化轨迹。     

Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物

本文利用Wu等人提出的遥感数据时空融合方法 STDFA(Spatial Temporal Data Fusion Approach)以Landsat 8和MODIS为数据源构建高时间、空间分辨率的遥感影像数据。以此为基础,构建15种30 m分辨率分类数据集,然后利用支持向量机SVM(Support Vector Machine)进行秋粮作物识别,验证不同维度分类数据集进行秋粮作物识别的适用性。实验结果显示,不同分类数据集的秋粮作物分类结果均达到了较高的识别精度。综合各项精度指标分析,Red+Phenology数据组合对秋粮识别效果最好,水稻识别的制图精度和用户精度分别达到91.76%和82.49%,玉米识别的制图精度和用户精度分别达到85.80%和74.97%,水稻和玉米识别的总体精度达到86.90%。     

增强型空间像元分解时空遥感影像融合算法

高空间、高时间分辨率的遥感影像对地表与大气环境的实时精细监测具有重要作用,但单一卫星传感器获取的遥感影像存在空间与时间分辨率相互制约的问题,时空融合技术发展成为了低成本、高效生成满足不同应用需求的高时空分辨率遥感影像的有效手段.近年来,国内外学者提出了大量的时空融合算法,但对于复杂的地物类型变化的空间细节修复仍存在挑战...     

一种自适应三维核回归的遥感时空融合方法

时空融合是解决遥感数据高重访周期与高空间分辨率矛盾的一种有效方法。发展了一种综合利用遥感数据空间与光谱信息的三维自适应核回归反射率模型（three-dimensional adaptively local steering kernel regression fusion model,3DSKRFM）,通过提取每个像元的三维控制核（steering kernel）的局部信息,使时空融合过程中的权重自适应调节,提高遥感时空融合的精度。利用两组ETM+和MODIS（moderate-resolution imaging spectroradiometer）数据进行实验测试,结果表明3DSKRFM相比STARFM和2DSKRFM模型具有两方面的优势:一是充分利用遥感影像多波段的优势,提高融合精度;二是具有更强的鲁棒性,满足实际影像时空融合的需求。     

多特征融合的高分辨率遥感影像飞机目标变化检测

为利用高分辨率遥感影像实现高精度的飞机目标变化检测,提出了一种自适应的多特征融合变化检测与深度学习相结合的方法。首先,通过加权迭代的多元变化检测法获取变化强度图,并结合自适应的直方图统计法自动获取显著的变化与不变化样本;然后,提取多时相影像的光谱、边缘和纹理特征,完成多特征融合的变化检测,并通过形态学处理得到变化图斑;最后,利用训练的NIN(Network in Network)结构的卷积神经网络飞机识别模型,完成变化图斑的类型判别,实现变化飞机的检测。实验结果表明,本文方法在两组数据的正确率分别达到100%和91.89%,均优于对比方法,能实现准确可靠的飞机目标变化检测。     

单样本对卷积神经网络遥感图像时空融合

遥感图像时空融合是一种生成兼具高时空分辨率的合成遥感数据的技术。近年来,产生了一些基于卷积神经网络的时空融合方法。这些方法效果良好,但需要较多的图像样本对训练模型,限制了它们的应用。针对此问题,本文提出了一种单样本对卷积神经网络时空融合方法（SS-CNN）。该方法以高空间分辨率图像的波段平均图像提供的空间信息激励卷积神经网络建立高、低空间分辨率图像间的超分关系,进而利用该超分关系映射求解目标高空间分辨率图像。在实验中使用两个模拟数据集和一个真实数据集对该方法进行了测试,并与两种常用的时空融合方法做了比较。实验结果表明,SS-CNN在单样本对训练的情况下,可以较好地预测地物的物候变化和类型的变化,且在异质性高、地块破碎的区域表现良好。其不足之处在于会在地物边界上会造成轻微的模糊,将来需针对此问题做进一步改进。     

面向对象的遥感影像时空特征模型研究

对遥感影像的影像对象进行时空特征分析是遥感影像的智能分析与解译的基础,现有的时空数据模型不能满足影像对象时空特征分析的需要。文中基于遥感影像多尺度分割产生的影像对象用面向对象的方法建立时空特征数据模型,此模型可以满足对象存储和基于时间、空间、特征、属性查询的需要。同时,将此模型应用于遥感影像中海岸线与海岸带地物的时空特征建模,并验证模型的有效性。     

遥感高时空融合方法的研究进展及应用现状

针对遥感图像的"时空矛盾",评述了当前解决这一问题最主要的方法即遥感时空信息融合的方法,包括基于变化模型的融合、基于重建模型的融合以及基于学习模型的融合。通过分析各个模型的研究现状,指出了每种模型方法的优劣,特别重点介绍了影响较大的自适应时空融合方法的理论以及对其的改进算法。同时本文总结了当前时空融合模型在长时间序列模拟以及大区域数据集生成等方面的实际应用的效果,以及分析了影响时空融合结果的主要因素。最后基于这些问题和影响因素提出了今后时空融合模型发展的目标和方向。     

沈抚“同城区”生态空间遥感自动识别及动态检测研究

以辽宁省沈抚新城区为研究对象,选择2006、2010及2014年Landsat影像为数据源,利用面向对象方法提取城市生态空间信息,并对研究区内的景观格局动态特征和多方向变化特征进行了相关计算和分析。结果表明:1)多方向变化分析研究区南部城市增长最多,沈抚新城发展中抚顺区域推进较快,不断向沈阳方向发展;2)绿地整体的增加和城市建筑增加呈显著正相关,沈抚新城生态空间结构逐渐靠拢,并向着规划中的打造浑河景观带的目标努力;3)2006~2014年期间,平均斑块面积和最大斑块指数呈增加趋势,散布与并列指数和蔓延度指数逐年递减,说明沈抚同城化过程中景观具有均衡性和规划性。     

利用最小交叉熵的多时相影像变化检测

针对目前多时相遥感影像变化检测中缺少有效的确定变化阈值方法的问题,文章提出一种基于最小交叉熵的方法:采用中值滤波方法分别消除两个时相遥感影像中的噪声;将比值法和差值法融合构造两个时相遥感影像的差异影像;通过最小交叉熵确定差异影像的最佳变化阈值,并对差异影像进行分割得到变化区域;最后对变化检测精度进行评估。实验结果表明,提出的方法具有较高的检测精度,是一种有效的多时相遥感影像变化检测方法。     

融合多特征的遥感影像变化检测

常规多时相遥感影像变化检测主要基于光谱信息,没有充分利用纹理、几何、形状等多种特征信息,不足以体现检测目标的完整性和准确性。本文针对不同特征在变化检测中应用的优势,在提取影像多种特征的基础上,构建了1维和多维两种基于信息融合策略的变化检测方法,即利用1维特征空间加权距离相似度运算、多维特征空间的模糊集融合和支持向量机融合策略进行变化检测。利用多时相QuickBird高分辨率遥感影像进行城市土地覆盖变化检测试验,结果表明,本文方法可以有效集成不同特征的优势与表征变化信息的能力,提高变化检测过程的稳定性和适用性,同时能够更好地保持变化地物的结构和形状,突出主要变化目标。     

高分遥感影像的围填海变化图斑自动提取方法

针对已有的围填海图斑提取方法精度不高、普适性不强、自动提取结果不理想等问题,该文提出了通过构建归一化差异水体指数(NDWI)进行围填海变化图斑自动提取的方法。以高分辨率QuickBird影像和HJ-1卫星影像为数据源,首先,根据研究区的用海类型进行5种易混淆地物的波谱特征分析;然后,根据水体与非水体的光谱特征差异,构建2009、2011年两个时相的NDWI指数;最后,将两时相NDWI指数影像进行空间相减,设置判断阈值,识别围填海变化图斑,并以目视提取结果作为依据验证其自动提取效果。对比分析结果表明:利用该文构建的两期NDWI指数可以将大部分围填海区域准确、自动地探测出来,可以将该方法纳入到沿海地区围填海变化监测的业务中。     

一种适用于粗匹配的遥感影像快速变化发现方法

针对遥感影像变化检测过程中影像间相对配准精度对检测结果影响大,易产生细碎图斑和错检冗余等问题,本文提出了一种基于感知哈希算法适用于粗匹配的遥感影像变化发现方法,以待检测影像的光谱信息和纹理特征信息共同作为检测特征集,以分割后的格网作为检测单元,采用基于感知哈希算法的影像相似度比对方法,计算格网内图像相似度,提取变化位置...     

遥感影像变化检测方法探讨

利用同一区域不同时相的遥感影像进行变化检测的应用一直是遥感应用研究的热点之一.本文对遥感变化检测技术的研究现状和新进展进行了一定的归纳和总结,对以往分类方法进行了介绍,分别对基于像素、基于对象以及结合特定理论的变化检测方法进行了重点讨论,并对每种方法涉及的理论和最新研究进展进行了评述.     

增强型多时相云检测

针对云检测在高亮度地表以及雪覆盖区域存在过度检测的问题,设计了一种不依赖热红外波段的增强型多时相云检测EMTCD(Enhanced Multiple Temporal Cloud Detection)算法。首先,利用云的光谱特征建立单时相云检测规则,并基于云、雪的光谱差异构建了增强型云指数ECI(Enhanced Cloud Index),改进了云、雪的区分能力;其次,以同一区域无云影像为参考,基于ECI指数构建了多时相云检测算法,较好地克服了单时相云检测中高亮度地表、雪和云容易混淆的问题,提高了云检测的精度;最后,选择两个典型区域的Landsat-8 OLI影像,对比分析了不同算法的云检测结果。实验结果表明:ECI指数能够有效区分云、雪,EMTCD方法的平均检测精度达到93.2%,高于Fmask(Function of mask)(81.85%)、MTCD(Multi-Temporal Cloud Detection)(66.14%)和Landsat-8地表反射率产品LaSRC(Landsat-8 Surface Reflectance Code)的云检测结果(86.3%)。因此,本文提出的EMTCD云检测算法能够有效地减少高亮度地表和雪的干扰,实现不依赖热红外波段的高精度云检测。     

应用遥感影像制作矿区大比例尺地形图

本文在专业的遥感和地理信息系统软件平台支持下,利用Aster立体像对和IKONOS高分辨率遥感影像分别提取矿区地形信息和地物信息,结合矿区的实际特点,参照地形图制作规范对矿区大比例尺地形图的制作进行了分析和探讨,结果表明利用遥感影像进行矿区大比例尺地形图制作不但周期短、速度快、时效性强,而且精度完全能够满足生产需要,是一种实用可行的方法。     

自适应空间邻域分析和瑞利-高斯分布的多时相遥感影像变化检测

提出了一种基于自适应空间邻域分析和瑞利-高斯模型(Rayleigh-Gauss models, RGM)分布的多时相遥感影像自动变化检测方法。该方法把自适应空间邻域信息和改进的差值影像与比值影像乘积变换融合 法(improved multiplying transform fusion, IMTF)结合构造差异影像, 可以有效地抑制噪声和消除多时相影像之间配准误差的影响, 具有更强的鲁棒性。在对差异影像的分割处理中, 运用瑞利和高斯模型分别模拟变化类像元和非变化类像元的分布情况, 然后估计出两类像元的概率     

改进Fisher判别分类的遥感影像变化检测

Fisher判别分类的好坏关键在于训练样本集选取的精度和在降维过程中样本特征信息的损失程度,基于此问题,本文根据不同时相同一地区的遥感影像的差值影像中各像素本身的灰度值及其邻域平均灰度值特征获得其一维和二维直方图,针对差值影像无噪和带噪两种情况,根据直方图信息选取Fisher判别分析所需的训练样本,同时为了尽可能降低判别分析过程中有用信息的损失,将所得到的原训练样本集进行非线性变换,使其映射到高维空间中,利用映射后的训练样本求得Fisher判别规则。实验结果表明:与基于原训练样本的Fisher判别分类和基于寻找更多的样本特征的Fisher判别分类方法生成结果相比,在差值影像无噪和带噪情况下,本文提出的方法具有更好的变化检测精度和抗噪性。     

“全域-局部”不透水面信息遥感分步提取模型

提出"全域-局部"遥感信息分布提取模型,通过计算和整合影像局部范围内的空间和光谱特征来优化全域上光谱混淆较大像元的提取精度。模型分为两个主要计算步骤:"全域"前分类与"局部"后分类;"全域"前分类将仅划分出满足一定精度阈值标准的像元,而"局部"后分类则在此部分分类结果基础上,进一步发掘和计算已分类像元所蕴含的信息来辅助对全域未分类像元的提取。在不透水面专题提取过程中,采用支持向量机SVM作为前分类器,通过控制精度阈值所对应的分类后验概率产生部分分类结果;采用调节最小距离分类器作为后分类器,根据一定的权重整合像元局部范围内的空间与光谱信息,代替了传统的全域光谱信息来优化分类。实验采用TM5影像以及所对应的NLCD(National Land Cover Data)标准不透水面产品作为测试集,"全域-局部"模型对应单一SVM模型的提取精度由80.31%提高为82.73%,局部后分类器精度较单一SVM模型由54.27%提高到59.94%。实验证明该模型具有较明显的精度提升且能够较好地解决不透水面与裸土混淆的问题,并得到空间形态上更为完善的不透水面提取结果。