典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例

目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRCL1-SRCRFRBF-SVM/Linear-SVMKNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。     

多源数据协同定量遥感产品生产系统的领域模型

大数据技术中的一个难点是如何统筹多源异构的数据。在多源数据协同定量遥感产品生产系统中,不同传感器数据的协同使用为生产系统的各个环节都带来了许多的问题,例如异构数据文件的统一表示和调度,繁杂生产流程的统一抽象等。领域驱动设计是一种应对软件核心复杂性的设计方式。领域驱动是指在设计过程中经过不断的迭代,逐渐提炼出一套灵活优雅的领域模型。领域模型专注于分析问题领域本身,发掘重要的业务领域概念,并建立业务领域概念之间的关系。本文在不断实践的基础上提出了一组较成熟的领域模型,该模型用一种统一的方式解决了多源数据协同生产系统中各方面的问题,并显著地降低了系统集成的难度和工作量,且为新数据源的加入预留了灵活性。     

Proof of concept of a novel cloud computing approach for object-based remote sensing data analysis and classification

Advances in the development of Earth observation data acquisition systems have led to the continuously growing production of remote sensing datasets, for which timely analysis has become a major challenge. In this context, distributed computing technology can provide support for efficiently handling large amounts of data. Moreover, the use of distributed computing techniques, once restricted by the availability of physical computer clusters, is currently widespread due to the increasing offer of cloud computing infrastructure services. In this work, we introduce a cloud computing approach for object-based image analysis and classification of arbitrarily large remote sensing datasets. The approach is an original combination of different distributed methods which enables exploiting machine learning methods in the creation of classification models, through the use of a web-based notebook system. A prototype of the proposed approach was implemented with the methods available in the InterCloud system integrated with the Apache Zeppelin notebook system, for collaborative data analysis and visualization. In this implementation, the Apache Zeppelin system provided the means for using the scikit-learn Python machine learning library in the design of a classification model. In this work we also evaluated the approach with an object-based image land-cover classification of a GeoEye-1 scene, using resources from a commercial cloud computing infrastructure service provided. The obtained results showed the effectiveness of the approach in efficiently handling a large data volume in a scalable way, in terms of the number of allocated computing resources.     

利用目标类样本的遥感分类策略

针对传统遥感分类要求训练集涵盖所有表观地物及亚类,对样本选取要求颇高,而实际应用中并不能保证所有类别都被标记的问题,该文提出基于目标类样本的遥感循环分类策略。该方法仅输入少量目标类样本,采用正样本、未标记样本的分类算法,实现在较少样本数量和种类的条件下,对目标类稳定、高效地识别。利用10组航空影像数据,建立与传统遥感分类对比实验,结果表明:相同实验条件下,基于目标类样本的遥感分类策略与传统遥感分类具有相当的分类效果;当样本集不完全时,该策略具有更稳定的高精度识别,总体精度与Kappa系数平均分别有5.2%和7.2%的提高。该方法能够有效解决不完全训练集分类问题。     

遥感数据融合的进展与前瞻

数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。     

AMSR微波遥感数据进行土壤湿度的计算机反演

为了有效解决大尺度区域土壤水分时、空间变化监测的问题,在总结了被动微波遥感反演土壤湿度规律的基础上,基于先进的AMSR星载被动微波遥感数据,提出了利用双谱模型计算土壤表面发射率的计算机算法。首先需要由双站散射系数计算反射率和发射率,然后应用人工神经网络反演土壤湿度,实现了在随机粗糙面状况下基于被动微波遥感的土壤表面水分反演,并在实验区进行了成功的应用。     

观测数据采样化的遥感影像非监督分割

为了实现影像的自动化分割,提出一种利用非监督方式将观测数据采样化的遥感影像分割方法。该方法利用欧氏空间的概率分布建模采样数据和观测数据,并将其映射到黎曼空间,通过不断将观测数据转换为采样数据的方式实现影像的自动采样化。每次采样过程只需计算观测数据点到采样点的测地线距离,将距采样点测地线距离最小的观测数据转化为采样数据,以保证采样数据不断趋于该类数据的真实分割结果,同时使算法能够有效分割具有不同像素数的类别。将算法应用于模拟影像和真实遥感影像分割,对其分割结果以及传统基于统计、基于模糊的非监督算法和基于神经网络的监督算法相应分割结果定性定量的对比分析验证了该算法的有效性及可行性。     

遥感大数据条件下多星一体化处理与分析

中国对地观测数据获取量持续增加,已步入遥感大数据时代,开展多星一体化数据处理与应用已成为发展趋势。文章从成像处理与信息提取两个方面系统回顾了技术发展过程,剖析了现有前沿方法的优势和特点,指出成像处理领域建立统一处理模型、信息提取领域建立高效学习模型面临的主要挑战。在此基础上,结合实际应用需求,提出了遥感大数据条件下多星一体化处理与分析的新思路,重点阐述了多星一体化处理与分析的基本概念、科学问题与解决方案,通过构建基于生成对抗网络的多星一体化成像处理模型与记忆保持的多任务特征共享与小样本增量学习模型,综合利用不同卫星和载荷间、不同任务和目标间信息,实现高质量图像产品的生成与高精度标注结果的提取。文末给出了技术途径和初步试验验证,并展望后续技术攻关方向。     

遥感影像解译在地理国情普查中的应用

遥感技术已成为快速、准确监测土地利用变化的重要手段,国情普查是一项利国利民的大工程,遥感影像解译在整个工程中占有相当大的比例.通过即定时间的影像数据,结合测绘专业知识判读影像内容,总结两种影像解译的特点.结合实际工程情况和影像特点,介绍两种解译方法在地理国情普查中的应用.     

多源遥感数据管理与远程处理集成实现

针对目前对多源遥感影像数据管理与远程处理的集成应用研究较少的现状,文章基于FTP、关系数据库和空间数据库引擎设计多源遥感影像数据及其元数据与快视图数据的一体化管理方案,基于Web Service与PCI-EASI设计遥感影像远程处理服务,并对多源遥感影像数据管理与远程处理功能进行集成,通过综合运用FTP和Web Service技术,提高了数据管理效率和应用的灵活性。最后以"粤港澳水质遥感监测系统"为例,实现了对多源遥感影像数据的有效管理及水质监测业务的系统化,验证了研究成果的可行性和实用性。     

遥感卫星数据产品分类分级规则研究

随着遥感卫星应用的发展,多源、多时相、多尺度以及不同类型遥感卫星的数据综合集成应用以及与地面观测信息集成,对遥感信息产品进行深度开发利用正在成为遥感应用的重要趋势。目前不同国家和地区、不同系列的遥感卫星数据产品分别采用不同的分类分级方案,难以适应多源、多系列地理空间信息整合应用的需求。本文从遥感应用对遥感卫星数据产品分类分级的需求出发,分析了目前主要遥感卫星的产品系列及其数据产品分类分级规则,参考了正在研究的相关国际标准,遵循系统性、科学性、完整性、兼容性、可操作性和可扩充性原则,研究提出了中国遥感卫星数据产品分类分级的规则。该规则以卫星载荷采用的遥感探测光谱特征及其数据获取方式作为分类依据,以卫星遥感数据的处理水平作为分级依据,建立统一的遥感卫星数据产品的分类分级体系。该规则与正在研究制订的相关国际标准保持一致,不但覆盖目前广泛应用的各类遥感卫星数据产品,而且能方便地建立与现有遥感卫星数据产品分类分级方案的映射关系,并且对未来的数据产品的分类分级留有比较充分的可扩充性,为遥感卫星数据产品分类分级指标体系的研究和相关国家标准的研制提供了依据。     

高光谱遥感及其影像空间结构特征分析

分析了高光谱遥感技术相对于传统的低光谱分辨率遥感的特点,以及其在环境监测等领域的应用。然后分析了高光谱影像的空间结构特征,并指出高光谱影像的空间结构特征在实际应用中也具有很重要的意义。最后,本文使用了统计学分析方法对实验影像的空间结构特征进行了分析,并提出了一个可用于描述高光谱影像空间特征的统计学参数。     

利用OpenStreetMap数据进行高空间分辨率遥感影像分类

针对高分辨率遥感影像分类样本标注困难的问题,提出了一种利用OpenStreetMap （OSM）数据自动获取标注样本的方法。与现有的利用OSM数据进行分类的方法不同,该方法加入了空间特征以弥补单独使用光谱特征分类的不足。首先,基于OSM数据提供的地物类别和位置信息进行样本标注,为了降低OSM数据中少量错误信息对分类结果的影响,采用聚类分析的方法对样本进行提纯;其次,使用形态学轮廓来提取影像的结构特征,挖掘高分辨率遥感影像丰富的空间信息,与光谱特征相叠加并输入分类器进行分类。试验证明,本文提出的方法能够有效避免人工样本标注所需要的人力物力;同时,联合影像的光谱空间特征能够更好地描述地物特性,得到较高的分类精度。     

五种分割算法在高分辨率遥感图像中的适用性分析

本文将5种图像分割算法应用在高分辨率遥感图像分割上,并利用图像分割评价指标,对5种分割算法进行了对比分析,评价了各种方法的优缺点,讨论了它们在高分辨率遥感图像分割中的适用性,明确了不同分割方法的适用条件。实验结果表明,改进的分水岭分割法与JSEG分割法在高分辨率遥感图像分割中的适用性比较强,对大小斑块分割结果都比较好,而其他3种方法不能兼顾不同等级的斑块。     

遥感数据订购与管理软件的开发与应用

本文提出对于有固定轨道的遥感数据订购利用遥感卫星轨道矢量图与全国行政境界矢量图可以快速准确查询出需要订购的景号,对于没有固定轨道的遥感数据订购利用全国行政境界矢量图可以快速准确计算出需要的拐点坐标从而为编程订购提供保障,同时还提供多种订购方法。本文还研究了遥感数据的建库,利用遥感影像(TM与SPOT)的信息建立全国遥感影象数据库,提供多种查询方法。最后本文提出遥感数据订购与管理的工艺流程,并对遥感数据订购与管理的应用进行了展望。     

基于高性能计算平台的天宫一号遥感数据地面预处理系统

针对天宫一号传感器特点,设计并实现了基于高性能并行集群环境的遥感数据地面预处理系统,可完成对高并发、海量遥感数据处理任务的快速、高效处理.该系统可通过传感器的星上定标参数完成系统辐射校正、系统几何校正等处理过程,生产出高光谱热红外谱段和高光谱数据的1级、2级遥感产品.同时,在数据产品封装与输出分系统中,采用了较为通用的GeoTiff与HDF作为产品的主要输出格式,可满足领域内多种用户的需求.     

GDI+在遥感数据处理中的应用

本文利用GDI+在图像处理方面的新特点,举例说明了GDI+在遥感图像的基本操作、空间滤波增强、图像的灰度化及伪彩色处理和图像的编码解码和多格式转化等方面的优势,从而为GDI+在遥感图像处理系统中的应用提供了新思路。     

基于遥感数据的新生态环境指数评价

针对生态环境评价指数获取困难、评价标准各异的问题,本文提出了新生态环境指数（NEI）,即以生物丰度指数、植被覆盖指数、干度指标、湿度指标及空气质量指数综合反映区域生态环境状况,并利用主成分分析法客观确定权重。结果表明,NEI的指标选取和结果均与《生态环境状况评价技术规范》中的生态环境指数（EI）具有较强可比性。但NEI指数具有结果量化、可视化及实时化的特点,对于评价区域生态环境状况具有较好的应用前景。     

孝感市遥感影像数据的Web发布与实现

针对遥感影像对地表信息获取快、情况反映真实的特点,采用Google Earth提供的高分辨率卫星图片,利用ArcSDE和ArcIMS将孝感市遥感影像进行了Web发布。实现了用户通过Internet对市区遥感影像数据的查询、检索与访问,为城市的发展预测、规划决策以及科学管理提供可靠依据。文章系统地研究了遥感影像Web发布的体系结构与技术问题及实现的全过程,并给出了系统的发布界面。