一种MBR约束下的高分光学影像直角建筑物提取与标绘方法

针对高空间分辨率遥感影像中建筑物信息提取与标绘问题,提出了一种MBR约束下的高分光学影像中直角建筑物信息提取与标绘方法。首先采用多尺度影像对象分割与CART决策树分类技术,提取影像中的建筑物区域;其次用Candy算子提取出建筑物的粗轮廓,并将其转化为点集形式表示;然后通过轮廓点集计算建筑物最小外包矩形(MBR),对建筑物的轮廓进行分段拟合与优化;最后通过交点方向决策器确定建筑物的角点,依次连接各角点实现建筑物的标绘。通过计算建筑物的面积与周长,确定周长相对精度为93.3%,面积相对精度为96.1%,本文方法可以有效提高建筑物的标绘精度。     

面向对象的多尺度高分影像建筑物提取方法研究

近年来,随着航空航天事业的高速发展,带动了遥感对地观测技术的进步,为高分影像的获取奠定了基础。作为地物类别中的主要内容和地形图中的重要成图元素,建筑物的识别与提取,直接影响到地物提取的自动化水平。因此,高分辨率遥感影像中建筑物的提取是图像处理领域中的主要研究内容之一。为了提高城市建筑物信息提取精度,本文改进了常规的面向对象方法,以航空遥感影像和SPOT-6影像为对象针对其下垫面结构复杂的特性,采用多尺度分割和多规则结合的方法自动提取建筑物信息,并通过样本区进行了精度验证,将提取的结果与传统分类方法所得到的结果相互比较。研究结果表明,面向对象的多尺度分割对高分影像中建筑物的提取具有较好地效果,KIA精度达到了0.76,为城市建筑物信息提取的应用提供了新思路。     

面向高分影像建筑物提取的多层次特征融合网络

建筑物规模及其分布是衡量一个地区经济社会发展状况的关键指标,因此研究基于遥感影像的建筑物提取具有重要意义。现有神经网络方法在建筑物提取的完整度、边缘精确度等方面仍存在不足,由此提出一种基于高分遥感影像的多层次特征融合网络(multi-level feature fusion network,MFFNet)。首先,利用边缘检测算子提升网络对建筑物边界的识别能力,同时借助多路径卷积融合模块多个维度提取建筑物特征,并引入大感受野卷积模块解决感受野大小对特征提取的限制问题;然后,对提取的特征进行融合,利用卷积注意力模块进行压缩,经金字塔池化进一步挖掘全局特征,从而实现建筑物的高精度提取。并与当前主流的UNet、PSPNet(pyramid scene parsing network)、多路径特征融合网络(multi attending path neural network, MAPNet)和MDNNet(multiscale-feature fusion deep neural networks with dilated convolution)方法进行对比,使用亚米级的武汉大学航空影像数据...     

基于注意力增强全卷积神经网络的高分卫星影像建筑物提取

从卫星遥感影像中自动提取建筑物在国民经济社会发展中具有广泛的应用价值,由于卫星遥感影像存在地物遮挡、光照、背景环境等因素的影响,传统方法难以实现高精度建筑物提取.采用一种基于注意力增强的特征金字塔神经网络方法(FPN-SENet),利用多源高分辨率卫星影像和矢量成果数据快速构建大规模的像素级建筑物数据集(SCRS数据集...     

融合多时相高分影像的建筑物轮廓优化方法

针对高分影像建筑物提取存在错分和漏分等问题,常见的单幅影像矩形轮廓优化由于投影差、树木和阴影遮挡等问题边缘准确度不够,本文提出了一种融合多时相建筑物轮廓优化方法。首先,将两期高分影像进行匹配等预处理,利用基于偏移阴影分类验证提取建筑物初始结果。然后,分别获得两期影像中各建筑物轮廓的最小面积外接矩形,并对同名建筑物的最小面积外接矩形的各对应角点进行匹配。最后,通过对比两期影像的对应最小面积外接矩形的对应边上建筑物像素点的数量,选择像素点数量多的边作为适宜边进行平移以获得最优边,四条边都是最优边后进行直线正交得到最终符合建筑物原始形态的轮廓。试验结果表明,本文方法相比传统方法和其他轮廓优化方法在精确度和完整度上均有提高。     

高分影像密集建筑物Correg-YOLOv3检测方法

精准地检测建筑物目标对于城市规划、智慧城市建设和军事民事活动中均有重要意义。针对高分辨率遥感影像中密集型建筑物检测框重叠比高的问题,本文提出了一种Correg-YOLOv3(corner regression-based YOLOv3)检测方法,该方法以YOLOv3网络架构为基础,通过嵌入角点回归机制,增设一个关于顶点相对于边界框中心点的偏移量的额外损失项,扩展其输出维度,使其可同时输出矩形检测框及建筑物角点,实现密集分布的建筑物精准定位。最后,通过试验对本文方法进行定性和定量的评估。试验研究结果表明：本文方法检测精度、召回率、F₁和平均精度分别达到了96.45%、95.75%、96.10%和98.05%,较原算法YOLOv3分别提高了2.73%、5.4%、4.1%和4.73%。因此,本文方法有效解决了高分影像中密集型建筑物的检测问题。     

增强形态学建筑物指数应用于高分辨率影像中建筑物提取

分辨影像是城市地物覆盖分析的重要数据基础,本文提出了一种增强的形态学建筑物指数（EMBI）,利用该指数和地物的几何形状约束来完成高分辨率建筑物的自动提取。本方法首先提取城市的不透水层特征,然后通过建立建筑物属性与形态学运算之间的关系得到了EMBI特征图像以增强对建筑物的描述,随后结合形状特征（长宽比,面积等）采用决策树分析的方法完成对建筑物的最终提取。为了验证本文提出的方法,利用华盛顿商业街的航空高分辨高光谱HYDICE影像和武汉洪山区的两幅QuickBird影像进行实验,实验的精度对比反映本文算法比MBI算法能获得更好的建筑物提取结果,其总体精度分别提高了7.31％,6.48％,7.83％,从而表明EMBI算法更可靠。     

高分航空光学遥感影像的山体阴影去除方法

阴影是山区高分航空影像严重的干扰因素,去除山体阴影有助于提高实景三维建设、林业调查、变化检测等应用的准确性和有效性。本文构建了高分航空遥感影像的山体阴影指数(MSI),并提出了基于色彩迁移和色彩均衡的阴影去除方法。采用覆盖山区的0.2 m航空影像进行试验,结果表明,MSI和阈值分割法可以有效地检测航空影像的山体阴影,而结合对象化色彩迁移和基于邻域的非线性色彩均衡的阴影去除法既能有效地消除山体阴影,又能使阴影区域恢复纹理细节,色彩更贴合于非阴影区域,达到影像整体色彩更加均衡的效果。分析阴影去除前后的统计指标发现,随着阴影的去除,各波段平均值和标准差都明显增加,说明阴影区域的亮度有提高且色彩层次更加丰富。     

一种高分影像建筑区分块表示与合并提取方法

建筑区是一种重要的人工地理要素,利用高分辨率卫星影像可以在更精细的尺度上获取建筑区信息。针对建筑区这类结构复杂、面积相对较大的地物类,提出一种分块表示与合并提取方法。首先,通过角点上下文约束来划分图像,并将获得的图像块作为影像处理的基本单元;然后,利用空间变异函数来建模每个图像块并提取特征描述参数,进一步通过主成分变换实现建筑区图像块的结构特征表示;最后,根据图像块空间结构特征的相似性实现建筑区的判别。实验结果表明,该方法能够有效实现高分影像建筑区的提取,并且对不同分辨率的高分影像表现出良好的适应性。     

双模态脉冲耦合神经网络高分辨率光学卫星影像分割

针对应用PCNN分割高空间分辨率光学卫星影像存在的问题,提出一种双模态PCNN算法。利用北京地区QuickBird影像进行实验,结果表明,该算法能够弱化影像目标内部灰度变化信息对结果的影响,并能提取影像目标几何结构特征信息,为高空间分辨率光学卫星影像分割提供了一种新方法。     

高空间分辨率遥感影像建筑物提取方法综述

高空间分辨率光学遥感影像中建筑物的提取对城市空间数据库的更新、城市动态监测以及建设"智慧城市"等方面具有极其重要的意义。本文首先介绍了高空间分辨率遥感影像中建筑物的特点,然后介绍了基于高空间分辨率遥感影像中建筑物自动提取的四种主要方法,即多尺度分割提取方法;基于边缘和角点检测与匹配的提取方法;基于区域分割的提取方法和基于数学工具;新理论以及多种方法结合的提取方法,分析讨论了各种方法的研究进展以及各方法的优缺点,同时对建筑物提取研究中需要解决的问题和研究趋势进行了总结。最后对高空间分辨率遥感影像建筑物提取研究前景进行了展望,认为可以从多源或多时相数据、边缘检测以及阴影辅助作用等方面提取建筑物,提高建筑物提取精度和高分遥感影像的利用率。     

基于高分辨率影像的城市三维建模

介绍了利用倾斜摄影影像和垂直摄影影像相结合的三维城市重建方法,分析了利用有理多项式(RPC)恢复IKONOS立体影像的模型,在VirtuoZo上实现了基于有理多项式(RPC)恢复IKONOS立体影像的模型方法,并利用其快速影像匹配技术,实现了数字地面模型DEM和正射影像,实现了手动和半自动人工地物的采集,如房屋等三维几何坐标和结构的采集;自动获取了基于不同传感器所获得影像的建筑物表面纹理,从而实现了基于多种影像快速三维城市建模。     

高分辨率影像定位的一种新方法

提出了利用小比例尺地形图和多分辨率影像实现高分辨率遥感影像定位的方法。阐述了利用线状地物代替点状地物实现低分辨率影像相对于小比例尺地形图纠正定位的方法,并通过金字塔结构的多分辨率影像逐级匹配,使高分辨率影像上的细致目标得以绝对定位。     

高分辨率影像农田信息提取方法

选取河南省安阳市某地冬小麦长势良好的Quick Bird影像,首先应用数学形态学的开运算对高分辨率遥感影像进行分割,将种植冬小麦的农田与反射率较高的空地、道路、农村居民地进行区分,人工选择并提取需要分析的农田区域,计算其边界并进行细化,最终提取农田边界信息。整体处理流程基于VC++6.0编程实现。     

迁移学习支持下的高分影像积云提取方法研究

针对传统影像质量检查工作中积云提取存在人工作业量大、操作烦琐等问题,本文通过引入迁移学习机制,将已有数据集训练过程中得到的神经网络参数迁移到解译模型构建中,提出了一种适用于积云的自动提取方法。本文以湖南省不动产统一登记基础数据为实验对象进行了实验,结果表明,本文方法的浓积云提取总体精度可以达到90%以上,淡积云提取的总体精度可以达到87.3%,表明本文研究可用于高分影像积云自动提取。     

融合直角点和直角边特征的高分辨率遥感影像居民点提取方法

提出了一种融合直角点和直角边两种特征的高分辨率遥感影像居民点提取方法:首先,分别检测高分辨率遥感影像的角点和直线段,通过两种特征交叉验证确定直角点和直角边,并对二者进行栅格化;然后,基于局部直角点和直角边点的密度和距离特征生成居民点指数图像;最后,通过指数图像二值化、栅格转矢量、剔除小图斑等操作确定居民点多边形。使用3景影像进行了试验。试验结果表明,本文方法提高了居民点提取精度,其正确率、完整率、质量等3个指标的平均值比已有方法的相关值分别高6.76%、10.12%、12.14%。     

高分光学遥感影像全参照质量评价指标对比研究

影像质量评价对遥感影像处理起着非常重要的作用。本文在论述当前常用全参照遥感影像质量评价指标的基础上,选用IKONOS,TM,SPOT,QuickBird四幅光学影像作为实验原数据,首先对各影像添加不同程度的高斯白噪声和降质重采样处理,然后以原数据作为全参照进行统计对比分析,验证信息熵、清晰度、均方误差、峰值信噪比、结构相似度5个常用影像质量评价指标的可靠性。通过对实验结果的分析与总结,得出了一些有益结论,可为光学遥感影像的选取与处理提供参考。     

特征筛选方法在高分辨率遥感影像建筑物提取中的应用

城市建筑物信息的自动提取是城市遥感的关键技术之一,由于阴影、下垫面等多因素干扰,建筑物信息提取精度往往不稳定。本文以Pleiades卫星影像为数据源,通过改进Relief F特征筛选方法,探讨建筑物信息提取精度提高的可行性。首先构建高分辨率遥感影像建筑物基础特征空间,然后利用改进型Relief F算法分析特征对象的权重并筛选出最优特征,最后用监督分类、无特征筛选分类和基于改进型Relief F特征筛选等3种方法分别提取研究区建筑物信息,并结合实地调查数据进行精度验证。结果表明,基于改进型Relief F特征筛选的分类方法提取精度能够达到91.34%,较其他两种方法提取精度分别提高了34.31%和5.62%,且运算速度快,自动识别效率高。