遥感影像居民地信息自动提取方法研究进展

快速掌握居民地的时空分布和变化特征对于区域可持续发展具有重要意义。遥感技术的发展，为居民地的快速提取提供了新的途径。传统的人工目视解译费时费力，基于遥感影像的居民地信息自动提取势在必行。主要探讨了居民地信息自动提取的5种方法，即基于统计的分类法、谱间结构阀值法、归一化指数法、纹理分析法、地学专家知识分类法，讨论了各种方法的优缺点，总结了目前的研究进展。最后提出了居民地信息自动提取方法的发展趋势．认为多种分类方法相结合，建立居民地信息提取的专家系统将是今后研究的重点。     

基于GF-1影像的洞庭湖区水体水质遥感监测

湖泊水质监测是有效开展湖泊水环境综合管理与水污染防治实施的基础,也是湖泊藻华风险评估与生态安全建设的重要依据。本文基于GF-1号影像对2014-2016年洞庭湖水体的叶绿素a浓度、悬浮物浓度和透明度展开遥感监测,结果表明：叶绿素a主要集中在水流速度较慢的安乐湖、大小西湖和东洞庭湖西部地区,其他区域水体扰动力大,叶绿素含量a较低。透明度从北到南递增,与悬浮物浓度的分布趋势相反,符合常规监测规律。东洞庭湖水质较南洞庭湖和西洞庭湖差,水污染程度处于全湖最高水平。GF-1数据可精确反映叶绿素a浓度、悬浮物浓度和透明度指数的空间变化规律,也为后续高分遥感影像湖泊水质监测的应用研究提供了重要参考。     

基于语义和边缘特征融合的高分辨率遥感影像水体提取方法

利用卷积神经网络从遥感影像中提取水体时,水体对象边缘像素的特征与内部像素的特征之间往往存在较大差异,导致提取结果中边界模糊、内部像素与边缘像素的提取精度差异较大,影响了整体精度的提高。针对如何从高分辨率遥感影像中进行水体高精度、自动化提取的问题,文章首先以高分辨率遥感图像为基础,利用边缘提取算法生成边缘图像,然后以高分辨率遥感图像和边缘图像作为输入,建立了语义特征和边缘特征融合的高分辨率遥感图像水体提取模型（Semantic Feature and Edge Feature Fusion Network, SEF-Net）,用于从高分辨率遥感图像中提取水体对象。实验结果表明,SEF-Net模型在3个数据集中的召回率（91.97%、92.07%、93.97%）,精确率（91.12%、98.37%、97.88%）,准确率（89.56%、95.07%、94.06%）和F1分数（91.54%、95.12%、95.88%）均优于对比模型,说明SEF-Net模型从高分辨率遥感图像中提取水体时,具有更高的精度和泛化能力。     

基于空间概率面的山区居民地遥感信息提取

根据地物之间光谱特征建立的基于知识的遥感居民地信息提取模型是目前居民地信息提取中最普遍的方法,但由于高程差异的影响,其在山区居民地信息提取中效果不理想。以云南省丽江市部分地区为例,在GIS支持下,通过构建多因素空间概率面的方式,综合运用地形和光谱特征信息实现山区居民地遥感信息提取。结果表明,地形差异是影响山区居民地信息提取精度的最主要因素,其影响程度占所有影响因素的50%强;在光谱信息识别的基础上,引入地形这一辅助信息,运用空间概率面能够有效地改善山区居民地信息的提取效果,识别精度从57.5%提高到82.5%。     

基于GF-1遥感影像的艾比湖区域田间尺度土壤盐渍化监测方法

土壤盐渍化是制约农业生产和发展的主要障碍。目前土壤盐渍化的遥感监测主要基于中、低分辨率卫星影像,并采用传统的基于像元分类方法,对盐渍化信息的细节描述不足,监测精度不高。本文使用国产GF-1影像,结合自上而下的多尺度分割技术和面向对象的信息提取技术,针对田间尺度下的盐渍化信息进行精确地提取、分类,并与传统分类方法进行了对比。结果表明：面向对象法和最大似然法的分类总体精度分别为92.72%和84.31%,Kappa系数分别为0.90和0.78。该技术能准确提取田间尺度下的盐渍地信息,在未来的农田盐渍化高精度监测研究中具有一定应用价值和发展潜力。     

一种基于遥感数据快速提取居民地信息的新方法

基于Landsat TM/ETM+遥感影像的谱间关系,利用居民地与背景地物光谱值在波段3、波段4、波段5的差异,提出了一种新的建筑指数(New Built-up Index,NBI),并利用该指数提取居民地信息.选用常州市为研究区,以2007年Landsat TM影像为数据源,居民地提取精度达90%;进一步在多丘陵地区桐庐县进行验证,融入植被指数,居民地提取精度达91%.     

基于多源遥感影像的洞庭湖地形提取方法

湖底地形数据是湖泊流域规划与治理、湖区冲淤变化研究、水资源利用和生态环境保护的重要基础。但传统的大型湖泊湖底地形数据获取手段耗时长、投入大,因此,有必要研究一种基于遥感影像快速获取湖底地形数据的方法。本文以洞庭湖为研究对象,采用Landsat和MODIS系列遥感影像提取湖区边界,基于趋势面分析法和克里金插值法,反演湖区边界各点对应的水位,将带有水位信息的边界点作为高程点实现湖底地形反演,进一步用实测湖底地形验证反演方法的可靠性。研究结果表明,克里金插值法水位反演效果较好,交叉验证的误差标准平均值在0.2 m以内,水位样本点分布较多处,基于克里金法的地形反演绝对误差在1 m以内。本文利用湖泊淹没区域变化的特点快速获取湖底地形,对湖区演变分析、综合治理与保护等具有重要意义。     

基于遥感影像的喀什地区水体提取

根据新疆喀什地区1990年、2000年和2010年左右的TM影像,采用改进的归一化差分水体指数(MNDWI),选取合适阈值的进行水体的提取,然后进行人工修正的方法,统计并获得喀什地区水资源(含冰川)总体面积。结果显示:1990年~2010年期间,喀什地区水资源(含冰川)总体面积在1990年至2000年以及2000年至2010年间分别减少了1141km2和987km2,变化率分别为-12.35%和-12.19%,并结合喀什地区气候变化相关研究成果,对影响喀什地区水资源时空变化的相关因素进行简单的讨论。     

基于GF-2影像的雨后洪涝区超绿水体指数提取方法

暴雨后水体含沙量增加使其光谱反射率发生变化,导致利用现有水体指数方法不能很好地提取水体信息.为有效提取洪水及其他类型水体,该文基于GF-2影像,根据暴雨后水体光谱信息变化规律,提出一种超绿水体指数(Ultra-Green Water Index,UGWI),并通过实验对比分析UGWI与归一化差异水体指数法、单波段阈值法、单波段与阴影水体指数结合法的水体提取精度,结果表明:UGWI能够准确识别不同泥沙含量以及阴影下的水体,总体精度达95.75％,Kappa系数为0.91,效果优于其他几种方法;选取不同时间、不同地区、不同空间分辨率的影像进行水体提取,UGWI结果亦优于其他几种方法,总体精度达92.33％,Kappa系数为0.90;UGWI相比其他对比方法,抗干扰性更强,提取的水体信息更全面,可识别的水体类型更多,对洪区水体提取更具普适性.     

遥感影象中居民地信息的自动提取与制图

如何自动获得居民地矢量信息是遥感和地理信息系统领域研究的热点问题。以南京市江宁区为研究区域,基于光谱特征分析,建立决策树模型进行居民地信息的自动提取。重点研究如何将已提取的居民地图斑进行形态综合,得到满足地理信息系统数据建库与更新、遥感制图等的可视化图形数据,为灾害评估、城镇扩展和环境变化研究等提供必要的基础信息。最后,给出文章方法的实验结果并做出讨论。     

基于多通道数据融合的无人机遥感影像地物目标提取方法

针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好.     

基于面向对象法的Landsat 8影像山区细小水体提取方法

利用Landsat系列影像提取水体的方法有很多种,细小的水体漏提或误提现象严重,依靠单一的方法难以取得突破。本研究结合现有的方法提出一种新的思路:1)基于DEM数据提取河网数据;2)辅以河网缓冲区数据将Landsat 8影像的1-7波段和全色波段用于多尺度分割,根据形状特征提取线状的细小水体;3)假设2.5 m分辨率影像提取的结果为实际水体,与基于像元的MNDWI法进行对比。结果表明水体的总体提取精度提高11.7%,细小水体提取比例从13.3%上升到59.6%,因此本方法简单易行,有利于线状的细小水体提取,可在一定程度上减少山区细小水体的漏提,提高水体提取整体精度。     

基于高分二号的云南松林遥感影像提取方法研究

基于高空间分辨率的高分二号遥感影像,建立包含影像光谱特征、几何特征、纹理特征在内的分类特征集,使用面向对象的分类算法提取研究区的云南松林。研究表明:光谱特征、几何特征和纹理特征同时参与分类,得到的分类效果比单独使用一种特征或两种特征组合的分类效果更显著;与贝叶斯分类算法、K最邻近分类算法、支持向量机分类算法相比,随机森林算法的分类结果总体精度最高,为93.35%,对研究区云南松林提取的生产者精度为96.91%,用户精度为92.35%;云南松林面积占研究区面积的40.10%,是研究区最为重要的树种。     

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。     

面向地震应急准备的居民地遥感提取及量化分析

运用灰度共生矩阵、数学形态学等方法提取新疆新源地区高分一号2 m分辨率影像居民地信息,运用目视解译、影像叠加分析、缓冲区分析等方法,进行居民地量化分级,为地震应急准备提供数据支持。结果表明：研究区在地震烈度为Ⅷ度及以下区域,埋压主要集中在单层结构为主的建筑区;当地震烈度高于Ⅷ度且造成多层建筑大面积倒塌时,县城等人口密集区为首要救援区;在地震应急准备时,应对交通条件三等区和交通条件四等区重点关注,增加应急物资储备点,对山区居民地,应考虑道路毁坏情况,转换救援方式,做好应急预案。     

基于Savitzky-Golay方法的遥感影像融合

把Savitzky-Golayr滤波方法拓展至二维,提出了基于Savitzky-Golay方法的遥感影像融合算法,并通过与HSI变换、PCA变换和小波变换融合等传统融合算法的比较,证明该方法性能最优.分析Savitzky-Golay滤波算子阶数和小波变换尺度对融合影像质量的影响,发现Savitzky-Golay滤波融合过程中Savitzky-Golay滤波算子阶数是决定融合质量的关键因素.算子阶数越高,融合后影像细节信息越丰富,但光谱信息损失也越严重;算子阶数越低,融合后影像光谱信息保持能力越好,但细节信息增强能力变弱.如何根据具体的遥感影像自动确定最佳的算子阶数是下一步要解决的问题.     

基于特征基元的高分辨率遥感影像城市空间信息提取

结合人类视觉机制和计算机尺度空间理论,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术模式,即先在大尺度上进行粗分割,再进行精细分割,获得特征基元并进行特征表达,通过样本分类和知识推理等实现信息的提取与目标识别。针对城市空间信息的特点,在特征基元提取的基础上,采用马尔可夫随机场纹理分类方法、直方图阈值分割方法、支撑向量机分类方法等完成对城市水体、建筑区、道路和绿化用地的分类提取,构建了一套从高分辨率遥感影像中提取城市空间信息的方法体系。     

基于GF-1与Landsat-8影像的土地覆盖分类比较

高分一号(GF-1)卫星具有多种分辨率与大幅宽结合、重访周期短等优势,而Landsat-8卫星具有多波段、高辐射分辨率等优势。针对不同传感器参数特点,利用支持向量机分类器(SVM)对同区域同期两种数据进行土地覆盖分类对比研究。结果表明：两种传感器对应波段决定系数均大于0.92;典型样本的光谱趋势一致性良好,但在农田与林地、不透水面与裸土的典型样本可分离性方面,Landsat-8优于GF-1;GF-1与Landsat-8的分类总精度分别为90.38%和90.07%,但不同地物类型的分类精度存在差异,波谱响应函数的差异可能是导致Landsat-8对林地的分类精度高于GF-1的原因;此外,GF-1对零碎分布地物类型的分类精度高于Landsat-8,主要原因是GF-1具有更高的空间分辨率。     

一种光学遥感影像建筑区域自动提取方法

提出一种利用光学遥感影像自动获取建筑区域的方法。该方法利用基于结构张量的和算子、乘算子预计建筑区域的概率,按照融合规则将两种概率图融合,通过主动轮廓从融合的概率图中提取建筑区域。选取多幅ALOS影像对此算法进行试验分析,并与基于Gabor滤波法和Harris角点检测法进行比较。试验结果表明,与其他两种方法相比,该方法从光学遥感影像上自动提取建筑区域的结果具有更高精度。