多分辨率特征融合的光学遥感图像目标检测

高分辨率遥感图像目标检测是计算机视觉的一个重要研究领域,在民用与军事领域具有重要的应用价值。目前,基于深度学习的自然图像目标检测有了突破性进展。但是,由于遥感图像具有目标尺度差异大且类间相似度高的特点,使得处理自然图像的目标检测算法直接应用于遥感图像时仍面临着一些挑战。针对上述挑战,本文提出一种多分辨率特征融合的遥感图像目标检测方法。首先,通过特征金字塔提取多尺度特征图并在其后嵌入多分辨率特征提取网络,促使网络学习目标在不同分辨率下的特征,缩小不同特征层之间的语义差距。其次,为实现多分辨特征的有效融合,本文采用自适应特征融合模块挖掘更具判别性的多分辨特征表达。最后,将自适应特征融合模块的输出特征的相邻层进行深度融合。在公开的遥感图像目标检测数据集DIOR和DOTA上评估了本文方法的有效性,相比采用特征金字塔结构的Faster R-CNN,本文方法的准确率(mAP)分别提高2.5%和2.2%。     

改进的OIF和SVM结合的高光谱遥感影像分类

文章提出了一种结合改进的最佳指数法(OIF)和支持向量机(SVM)进行高光谱遥感影像分类新方法.利用本文提出的稳定系数进行波段初选择,根据相关系数选择波段组合生成新影像,并对新影像进行OIF计算,得到OIF值最大的波段组合为最佳波段组合;构建SVM分类器,对最佳波段组合分类;最后将分类结果与其他监督分类方法比较,并在相同核函数下与PCA和SVM结合的方法进行精度比较分析.实验结果表明,本文方法能够有效提取最佳波段组合,在SVM算法下获得较高分类精度.     

像素级和对象级高分辨率遥感图像变化检测分析

高分辨率遥感图像具有丰富的纹理信息,而像素级变化检测方法主要分析图像的光谱信息,导致将像素级变化检测方法用于高分辨率遥感图像具有一定的局限性.因此,本文提出了一种像素级与对象级相结合的高分辨率遥感图像变化检测方法,解决了像素级与对象级变化检测方法中存在的椒盐现象、误检等问题.首先,结合高分辨率遥感图像的多维特征,构建遥...     

基于地形图分幅及要素分类代码的对象标识研究

地理要素对象标识是空间信息系统的重要组成部分。文中对地理要素对象标识的概念进行阐述,对其性质、类型及生成方法进行分析与总结。在此基础之上提出一种基于基本比例尺地形图分幅和地理要素分类代码的地理要素对象标识,深入分析该对象标识的特性及功能特点,并对其在基础地理空间数据增量更新中的应用进行探讨。     

基于主成分分析与粒子群优化的遥感影像变化检测

针对变化检测中差异影像上变化阈值选择困难的问题,该文提出了使用粒子群优化算法自动地从差异影像上选择最优变化阈值的方法。该方法首先利用主成分分析法从影像中提取包含最大信息的主分量,利用主分量构建差异影像;在此基础上,使用高斯混合模型估算差异影像的初始阈值,最后通过粒子群算法计算出最优的变化阈值。实验结果表明,该方法能够迅速地获取变化阈值,避免了人工选择时繁琐重复的尝试,且检测结果精度较高。     

人工蜂群算法优化的SVM遥感影像分类

SVM分类器的参数设定对分类精度有着显著的影响,针对现有人工智能算法优化参数易陷入局部最优的现状,提出了一种基于人工蜂群算法改进SVM参数的遥感分类方法(ABC-SVM)。该方法模仿蜜蜂采蜜的行为,以训练样本的交叉验证精度代表蜜源的丰富程度,通过蜂群的分工协作搜索出最优蜜源(即SVM分类器最优参数),最终利用参数优化后的SVM分类器实现遥感影像的分类。本文先后比较了3种人工智能算法(包括人工蜂群算法优化的SVM(ABC-SVM)、遗传算法GA(Genetic Algorithm)优化的SVM(GA-SVM)、粒子群算法PSO(Practical Swarm Optimization)优化的SVM(PSO-SVM))在UCI标准数据集上的分类精度和效率,以及3种人工智能算法优化的SVM算法与未经优化参数的SVM算法在遥感影像上分类的差异。结果显示:(1)在利用UCI数据集测试3种人工智能算法优化的SVM算法的结果中,ABC-SVM显示出更高的分类精度、更高的适应度和更快的收敛速度;(2)在利用遥感影像验证4种分类算法精度的结果中,人工智能算法优化后的SVM比未经参数优化的SVM算法的分类精度更高;其中,ABC-SVM分类精度最高,分别比遗传算法、粒子群算法的结果高1.67%、1.50%。     

多层特征与上下文信息相结合的光学遥感影像目标检测

目标检测是遥感影像分析的基础和关键。针对光学遥感影像中目标尺度多样、小目标居多、相似性及背景复杂等问题,本文提出一种将卷积神经网络(CNN)和混合波尔兹曼机(HRBM)相结合的遥感影像目标检测方法。首先设计细节—语义特征融合网络(D-SFN)提取卷积神经网络低层和高层融合特征,提升目标特征的判别力,特别是小目标;其次考虑上下文信息对目标检测的影响,结合上下文信息进一步加强目标表征的准确性,提升检测精度。在NWPU数据集上试验表明,本文方法能够显著提升目标检测精度且具有一定程度的稳健性。     

自适应无监督分类的PolSAR图像机场跑道区域快速检测

针对复杂PolSAR图像场景中机场目标区域检测问题,本文提出一种自适应无监督分类的机场目标快速检测方法,该方法首先对极化SAR相干矩阵分解提取PolSAR图像的特征值图,转化为超像素图实现图像去噪及降维。然后用SLIC超像素分割算法分割构造超像素。基于超像素图构建极化分类特征,并采用无监督的谱聚类方法提取出疑似机场跑道区域,其中的类别数确定利用VAT-DBE(Visual Assessment of cluster Tendency-Dark Block Extraction)算法获得。最后,在疑似区域内结合跑道结构特征进一步辨识检测出场景中的机场跑道区域。利用美国UAVSAR系统采集的多组全极化SAR实测数据对算法进行验证,并与两种已有的无监督跑道检测算法进行对比,实验结果表明,该算法能够快速准确检测出机场跑道区域,处理耗时可减小80%以上。具有更好的鲁棒性。     

基于选权迭代估计与非监督分类的多光谱图像变化检测

针对多光谱图像的变化检测问题,提出了一种基于选权迭代估计(iterative estimation with weight selection,IEWS)与非监督分类(unsupervised classification,UC)的多光谱图像变化检测方法。借鉴IEWS的思想,并以类似于迭代加权多元变化检测(iteratively reweighted multivariate alteration detection,IRMAD)的迭代模式进行回归估计,得到初步的变化检测结果;并通过对初始变化信息的UC处理,以及对不同类别的IEWS,得到最终的变化检测结果。利用该方法对TM图像进行了实验,结果表明:所得到的变化信息在空间位置上同该区域相应时间段内土地利用/覆盖的变化情况具有很好的一致性;同时与多元变化检测及IRMAD方法变化检测的结果相比较,表明该方法对相对较小的变化信息具有更好的变化检测能力。     

结合LOG算子和大津法的遥感影像边缘检测方法

针对遥感影像具有丰富的细节和混合噪声,采用传统高斯拉普拉斯(LOG)算子难以有效地提取遥感影像地物边缘信息,文章提出一种结合LOG算子和大津法(Otsu法)的遥感影像地物边缘信息提取算法。此算法采用中值滤波对原始影像进行消噪,利用Otsu算法对滤波后影像进行自适应阈值分割得到目标影像,采用LOG算子对目标影像进行边缘信息提取。以安宁某区域的遥感影像为例,实验结果表明,提出的算法与传统LOG算子相比,具有更高的提取精度,能有效地提取出遥感影像的真实边缘、减少伪边缘。     

基于NSCT和SURF的遥感图像匹配

SURF(Speed Up Robust Features)算法是对尺度不变特征变换SIFT(Scale Invariant Feature Transform)算法的一种改进,应用到遥感图像匹配领域中可以大大提高匹配速度,但是匹配精度略有下降。为此,本文提出一种基于无下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和SURF的遥感图像匹配算法。首先使用NSCT分别分解参考图像和待匹配图像,得到各自对应的低频分量;然后把这两幅低频分量图像作为SURF算法的输入图像进行预匹配,降低高频噪声对匹配结果的影响;最后利用预匹配结果求解变换模型的参数,并采用随机抽样一致RANSAC(Random Sample Consensus)算法剔除误匹配点对,解决了SURF算法存在的错误匹配问题。实验结果表明,与SIFT算法、SURF算法相比,本文算法具有更高的匹配精度和更快的匹配速度,且抗旋转、噪声、亮度变化能力更强。     

地基激光雷达森林近地面点云精细分类与倒木提取

本文利用地基激光雷达实现天然林区近地面点云数据的精细分类和倒木提取。对大兴安岭天然林区的3个倒木样地进行了近地面1.3 m以内点云精细分类和倒木信息提取。为避免点云密度差异和遮挡的形态特征,点云分类时基于自适应临近搜索法计算团块协方差特征值构造3D和2D特征。使用k临近递增的团块协方差特征值得到的线性特征、面状特征和发散状特征构造最大熵函数,用最大熵函数取得最大值时的临近点云计算特征参数,根据递归特征排除法(RFE)筛选重要变量进行随机森林分类。利用自适应kNN特征得到3块研究样地(A、B、C)的分类总体精度分别为93.17%、94.52%、95.16%;固定k临近搜索时,总体精度分别为92.65%、89.09%、92.99%,表明自适应kNN搜索方法使分类精度有一定提高。提取倒木点云去噪处理后进行随机抽样一致圆柱拟合,根据轴线方向进行圆柱的筛选与合并,实现倒木的识别,样地倒木识别率为100%。     

基于不同GCP数量和获取方法的数字正射影像的制作与评定

SPOT-5影像的高分辨率和高信息量的性质,使其得到了广泛的应用,特别是在全国第二次土地利用调查中得到了更加深入的应用。而数字正射影像的制作是SPOT-5遥感影像应用的关键所在。本文在介绍DOM制作的基础上,依据当前获取GCP主要的三种途径采用ERDAS遥感图像处理软件进行了实验,并对最终的结果精度进行分析,总结了DOM制作过程的相关问题。     

基于RS和GIS的农作物估产方法研究进展

实时获取农作物长势及产量等信息对于现代农业的发展具有重要意义。近年来,随着遥感技术(remote sensing,RS)和地理信息系统(geographic information system,GIS)广泛应用于农作物估产领域,相继出现了一些较为实用的估产方法,主要有结合辅助数据的估产方法、基于植被指数的估产方法、基于特定模型的估产方法和基于农作物估产平台(软件)的开发等。其中,基于植被指数的估产方法又分为单一和多植被指数估产2类方法。在对近年来该领域大量文献深入研究的基础上,着重就几类热点方法展开论述,并对每类方法的优势和缺陷进行了评述,最后对该领域需要进一步研究的方向进行了探讨和展望,以期为后续研究提供参考。     

Land use and land cover classification over a large area in Iran based on single date analysis of satellite imagery

Accelerated soil erosion, high sediment yields, floods and debris flow are serious problems in many areas of Iran, and in particular in the Golestan dam watershed, which is the area that was investigated in this study. Accurate land use and land cover (LULC) maps can be effective tools to help soil erosion control efforts. The principal objective of this research was to propose a new protocol for LULC classification for large areas based on readily available ancillary information and analysis of three single date Landsat ETM+ images, and to demonstrate that successful mapping depends on more than just analysis of reflectance values. In this research, it was found that incorporating climatic and topographic conditions helped delineate what was otherwise overlapping information. This study determined that a late summer Landsat ETM+ image yields the best results with an overall accuracy of 95%, while a spring image yields the poorest accuracy (82%). A summer image yields an intermediate accuracy of 92%. In future studies where funding is limited to obtaining one image, late summer images would be most suitable for LULC mapping. The analysis as presented in this paper could also be done with satellite images taken at different times of the season. It may be, particularly for other climatic zones, that there is a better time of season for image acquisition that would present more information.     

无人机与卫星影像的叶面积指数遥感反演研究

针对卫星遥感影像获取的叶面积指数精度较低的问题,该文结合无人机低空航拍影像和卫星影像,基于最小二乘法建立了一种叶面积指数遥感反演方法,并与卫星影像像元二分模型进行了比较。结果表明:从单一植被类型到整体植被叶面积指数的反演,新方法均优于卫星影像的像元二分法,两者整体相对误差分别为27%和35%。4种植被类型中,草本植物对模型的反演精度影响较大,两者相对误差分别为32%和56%。使用该方法准确计算了长汀县相关区域叶面积指数分布,与他人结果一致。该方法提高了卫星遥感影像获取叶面积指数的精度,为大面积高精度估算区域植被提供了一种方法。     

基于图像质量评价量和隐马尔科夫模型的图像拼接检测

基于对图像拼接技术的分析,提出了基于图像质量评价量和隐马尔科夫模型(hidden Markov model,HMM)的拼接图像检测方法,提取了图像的特征值,使用支持向量机(support vector machine,SVM)对特征值进行训练和分类,得到了较好的效果。     

基于SL-ICA算法的SAR图像混合像元分解

为解决合成孔径雷达(SAR)图像存在大量混合像元的问题,针对传统ICA不能有效解决混合像元分解这一缺陷,提出一种新的独立成分分析算法--有监督学习ICA算法(SL-ICA).其目标函数是在原ICA负熵目标函数基础上增加监督学习的约束条件项,进而在同一目标函数内实现负熵和约束条件的统一,在最大化负熵的同时也最小化了约束条件的误差,此外,采用一种新的双梯度下降法优化迭代,提高计算速度.并以人工模拟SAR图像和北京地区ENVISAT-ASAR作为数据源进行实验,实验结果明显优于主成分分析方法(PCA)的分解结果.     

带有区域分裂自适应细化过程的SAR海冰图像分割

受海冰自身特性、成像系统特性和环境因素的影响,合成孔径雷达SAR海冰图像具有非平稳、尺度依赖的空间结构,现有的单马尔可夫随机场MRF模型分割方法只能较好地适应非平稳性,对海冰场景的多尺度结构考虑仍然是全局的。为此,本文提出了一种区域分裂过程与二叉树分层结构自适应更新相结合的单MRF图像分割方法。首先利用单MRF模型的全局迭代权值完成初始区域合并,同时以二叉树形式保护合并过程的记录。所设计的分层合并算法可保证二叉树结构的节点数与场景中的对象尺度具有正相关性。随后的细化分裂并不产生新的区域,只是返回到初始配置。依据场景中不同区域对象的尺度,自适应地调整空间语境模型中的尺度权值,实现区域更新。实验表明,该方法有效提高了带有多尺度结构SAR海冰场景的分割精度。     

基于CASA模型的北京植被NPP时空格局及其因子解释

以北京为研究区,整合遥感数据、气象数据及其他多源辅助数据,基于改进的光能利用率(carnegie-amesstanford approach,CASA)模型分析了2010年北京植被生态系统净初级生产力(net primary productivity,NPP)的时空分布格局及其主要影响因素。结果表明:12010年北京NPP总量为5.5 Tg C,其NPP的空间分布格局为北部和西部山区总量较高,平原区NPP总量较低;2北京植被NPP的季节变化明显,夏季NPP最大,占全年的62%,冬季最小,仅占3%,春季和秋季分别占全年NPP总量的18%和17%;3北京植被NPP受水分和热量条件限制,不同区域的主要限制因子不同,北部和西部山区自然植被受气温影响较大,平原区农作物生长更容易受降水影响,而在山区向平原过渡区域的植被受太阳辐射变化影响明显。