两种水稻种植面积遥感提取方案的分析

文章以湖北省江陵县水稻面积提取为例,对这两种方案（分别称之为Ａ方案和Ｂ方案）进行了非监督分类试验,结果表明,在非监督分类过程中Ｂ方案明显优于Ａ方案,所提取的水稻面积精度也在８４％以上。     

卫星遥感影像中耕地信息的自动提取方法研究

以县（市区）为基本单位，采用遥感图像处理ENVI3.2软件和TM资料，进行了7个县（市区）10个时相的耕地信息自动提取技术研究，结果证明，选择春季时相，TM432波段合成，经几何校正和增强处理，通过交互的非监督分类提取耕地信息，可以获得满意的结果，平均分类精度达到98.22%。     

基于小流域尺度的土地石漠化信息遥感提取

为增强石漠化信息提取的客观性,文章提出了基于小流域的图斑确定方法,并以贵州西部为研究区,基于2013-06-16的Landsat遥感影像和DEM（30 m）数据,分析小流域图斑分割在石漠化信息提取中的应用;并以2013-06-16的Landsat遥感影像为基础提取土地利用边界,以其为地理单元提取石漠化信息。在此基础上构建石漠化稳定指数（DSI）,分析不同地理分割单元对石漠化信息提取的影响。结果表明,研究区2种地理单元的中度及以下石漠化面积比率＞80%,而无明显、轻度、中度、重度和强度石漠化提取结果差异分别为66.5%、26.8%、72.4%、75.4%和55.9%,石漠化稳定指数仅0.15,不同地理分割单元对石漠化信息提取有显著影响。基于小流域图斑分割的方法,具有明确的地理意义和良好的稳定性,是石漠化信息提取中理想的分割方法。     

基于形态重建的高分辨率遥感影像城市道路提取

高分辨率遥感影像中,城市道路表现为局部灰度近似、宽度变化缓慢的狭长区域。根据城市道路这些形态特性,提出基于形态重建的道路提取方法。先对原始遥感影像作增强处理,突出影像边缘信息,用Otsu自动阈值分割法对增强处理后的图像进行初步分割;再根据图像中各要素的形态特征构建不同的标记图像,分别对原图像进行形态重构,将道路和建筑物等分别生成新的图像模块;对形态重构生成的道路模块进行轮廓提取和细化,提取出道路轮廓和中心线。实验结果表明,该方法能有效地从高分辨率遥感影像中提取出城市道路网。     

辽南不同岩性地区地下水动态研究

本文从影响辽南地区地下水动态因素,主要从岩性、蓄水构造的制约因素,探讨分析了辽南不同岩性地带的地下水动态特点,划分了基本类型,揭示其规律性。为因地因时制宜地充分开发,合理有效利用珍贵的地下水资源提供科学依据。     

基于Srtm-DEM与遥感的长白山基本地貌类型提取方法

基于中国1∶100万数字地貌制图工作,以吉林省长白山区为试验区,对基于Srtm-DEM与遥感提取基本地貌类型方法进行了探讨。研究表明,基于Srtm-DEM派生的各种模型对基本地貌类型自动提取具有很大的实效性:其中坡度3.5°是实现该区平地和山地宏观地貌单元自动提取的最佳断点,高程模型及起伏度模型相结合,可初步实现基本地貌类型的自动提取,其结果可很好的反应区域地貌宏观规律;在此基础上,基于30 m空间分辨率的遥感影像,综合运用区域地质、土地利用、植被、土壤等多地理要素信息及制图综合知识,以及地貌单元的完整性特征,以山脊线、坡折线和山麓线为地貌单元的标志线,基于地貌知识的专家修正,可获得研究区完整的基本类型地貌单元,实现了基于Srtm-DEM与遥感的基本地貌类型的智能化提取;最后,以研究区内1∶50万地貌图为准,对提取结果进行定性、定量评价分析表明,其提取总体精度达76%,面积相差较小;该方法在一定程度上改进了传统手工和野外调查为主的提取方法,实现了地貌信息的数字化、定位化及定量化,为全国1∶100万数字地貌信息提取与集成奠定了基础。     

基于高分辨率遥感图像的树冠面积提取方法

树冠面积调查是城市绿化调查中的一个主要内容。随着遥感技术的发展,如何利用高分辨率遥感图像快速、准确地提取树冠面积信息已成为城市绿化遥感研究的问题。该文提出一种基于射线法的半自动树冠面积提取算法,通过设定树冠中心点位置,引出若干条光谱射线,进行高次曲线拟合,求其拐点作为树冠边界点,从而得到树冠的面积信息。实验表明,对于重叠较少的树冠面积提取精度为87.82%,重叠较多的树冠面积提取精度为84.91%。     

遥感技术提取海岸线的研究进展

海岸带是比较活跃和脆弱的地段,快速而准确地监测海岸线的动态变化对于海域的使用管理具有十分重要的意义.遥感技术具有宏观、快速、综合、高频、动态和低成本等突出优势.重点介绍了利用阈值分割、边缘检测、色差算子提取、区域生长提取及神经网络分类等方法自动提取瞬时水边线,通过潮位校正进而提取海岸线的研究进展,分析了各种提取方法的优缺点,并就其存在的不足展望了今后的研究方向.     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区,基于低空无人机遥感影像,结合实地调查,开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析,确定了裸地与植被的分割阈值为-0.08,并使用该阈值提取植被覆盖区,然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数,获取灌丛、草地影像对象;利用特征空间优化工具选取了18个的对象特征,可以有效避免盲目选择而导致的计算量增大;通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数,灌丛分类精度最高,总体精度和Kappa系数分别达到92%和0.83,结果与影像地物嵌合最好,能够精确识别单株灌丛;根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%,平均冠幅为0.6 m²,与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同,因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

基于多分类器组合的高分辨率遥感影像目标识别

研究多分类器组合的形式及其在目标识别中的应用.设计和实现了基于多分类器组合从高分辨率遥感影像中提取目标的具体方法.以楼房的识别与提取为例,选用QuickBird高分辨率影像,利用投票法、加权求和、完全一致规则及或运算合并等多分类器组合方法进行目标识别,比较了多分类器系统与单一分类器的精度与性能,从理论和实验两方面分析了多分类器组合用于目标识别的精度影响因素,提出了相应的改进策略.实验表明,在采用合理的组合规则下,多分类器组合能使目标识别结果达到高识别率和高置信度.     

基于光谱特征拟合的高光谱遥感影像植被覆盖度提取

植被光谱中可见光部分的吸收谷主要由叶绿素强烈吸收引起,不同植被覆盖度下光谱吸收谷的深度和形状不同,因而可以通过比较光谱吸收谷的深度和形状来提取植被覆盖度。该文采用基于光谱吸收特征匹配的光谱特征拟合SFF方法从高光谱遥感影像中提取植被覆盖度,参考光谱采用ASD光谱仪在影像覆盖地区采集的植被光谱,通过将参考光谱与像元光谱连续统去除处理后进行SFF匹配,完成植被覆盖度的提取并生成植被覆盖度图。研究结果与植被指数、光谱夹角映射方法及实地调查资料之间存在较高一致性。     

基于人工免疫克隆选择算法的遥感图像识别

遥感图像分类受自然环境的复杂性和实际样本数据的分布情况约束,其结果将直接影响对土地利用、覆盖情况的认知。人工免疫系统具有自学习、自组织、记忆的能力,可解决非线性分类问题中的局部极值、鲁棒性等难点。该文将人工免疫系统引入遥感图像分类领域,设计了基于克隆选择算法的遥感图像监督分类方法,并将其应用于广州市遥感影像分类。实验结果表明:与最大似然法相比,该方法具有更高的精度;同时该方法对公路、桥梁等线状城市用地较敏感,适用于快速发展的中心城市的遥感影像分类。     

基于相位一致性的遥感影像道路特征检测方法

在空间域中进行道路特征检测容易受图像亮度、对比度和噪声的影响,为了克服这一缺点,该文采用在频率域中进行道路特征检测。基于频率域的相位一致性道路特征检测方法具有亮度和对比度不变性,特征在频率域中表现出最大的相位一致性,通过计算影像6个方向的相位一致性值得到相位一致性值之和的灰度图,对灰度图进行二值化,然后使用数学形态学方法进行细化,去除噪声,检测出道路特征。实验表明,该方法对对比度、亮度变化不敏感,能够精确地检测出与人眼视觉相一致的道路特征。     

结合MapReduce和HBase的遥感图像并行分布式查询

提出了一种可扩展的遥感图像多维度并行查询模式,即利用MapReduce实现海量图像数据金字塔的并行构建,利用HBase实现图像的分布式检索,设计和实现了单张遥感图像金字塔的并行构建方法和图像索引系统。实验结果表明,随着Hadoop和HBase集群的增长,图像数据的导入和检索速度得到明显提升。     

DEM格网与畸变遥感影像的一体化显示研究

遥感影像可以极大地增强DEM的表达效果,然而由于各种因素的影响,通常需对其进行预处理,传统方法是通过同名控制点进行校正。该文提出一种新的自动匹配算法,即提取DEM和遥感影像对应的特征线,利用Douglas-Peucker算法提取对应的特征点,以DEM特征点为离散点进行Delaunay三角剖分,并基于TIN完成纹理映射。实验结果表明,该算法显示效果较好,可有效改善畸变图像引起的错误显示。     

采用双注意力机制Deeplabv3+算法的遥感影像语义分割

针对DeepLabv3+网络在遥感影像上呈现出拟合速度慢,边缘目标分割不精确,大尺度目标分割类内不一致、存在孔洞等缺陷,提出在该网络中引入双注意力机制模块（Dual Attention Mechanism Module, DAMM）,设计并实现了将DAMM结构与ASPP（Atous Spatial Pyramid Pooling）层串联或并联的2种不同连接方式网络模型 ,串联连接方式中先将特征图送入DAMM后,再经过ASPP结构;并联连接方式中将双注意力机制层与ASPP层并行连接,网络并行处理主干网提取特征图,再融合两层处理特征信息。将改进的2种方法通过INRIA Aerial Image高分辨率遥感影像数据集验 证,结果表明,串联或并联方式2种网络都能有效改善Deeplabv3+的不足,并联方式网络性能更好,其对原网络缺陷改善效果更明显,并在测试数据集上mIoU达到85.44%,比Deeplabv3+提高了1.8%,而串联方式网络提高了1.12%。并联结构网络更符合本文需求,其形成了一种对DeepLabv3+网络上述问题进行统一改善的方案。     

农作物种类高光谱遥感识别研究

作物种类高光谱识别研究对发展精准农业具有重要意义。通过原始反射光谱、常用指数、不同形式变换光谱及高光谱特征参数对观测的8种农作物的识别能力进行分析,同时采用识别效率最高的数据变换形式构建BP神经网络模型。结果表明:8种农作物的反射光谱曲线存在较大差异,差异最大的波长位置为0.65μm、0.78μm、0.86μm、0.93μm、1.08μm、1.19μm;无论采用原始光谱计算的指数还是常见卫星传感器对应通道计算的指数,识别农作物的能力从大到小均为SRNDVISAVIDVI;高光谱特征参数SDr对作物的识别效果优于其他光谱形式,构建的BP神经网络模型隐含层节点数为13时总体精度最高,达91.8%。     

基于遥感影像识别的戈壁分类体系研究

戈壁是中国西北干旱地区的一种主要地表景观类型。由于戈壁所处地带自然条件恶劣,人烟稀少,不便于实地调查研究的开展,所以目前关于戈壁的研究资料非常少,就现有为数不多的研究来看,现有戈壁类型划分存在交叉问题,难以将戈壁分清,且分类没有从全局考虑。为了促进戈壁研究的规范化,本文首先对戈壁进行明确定义,然后从戈壁分布的气候区、动力条件、地貌特征、地表物质组成、植被、水文与土壤等7个方面,对戈壁内涵进行界定。同时,本文在参照现有戈壁分类基础上,从戈壁的形成原因、地表物质组成与植被盖度角度,分三级建立了一套既考虑戈壁区生态保护与利用,又易于遥感影像识别的戈壁分类体系,对每一级每一类戈壁在影像上表现的特征以及通过遥感影像如何提取进行了较为详细的阐述。