多水平集演化的高分辨率遥感影像分割

提出多水平集演化的非监督高分辨率影像分割模型,避免传统多水平集方法中的区域重叠问题。提出新的水平集函数重初始化技术加快曲线演化,该模型缓解面向像元分割中的“椒盐效应”及面向对象分割中尺度选择不佳造成的过/欠分割现象。     

一种新的高分辨率遥感影像模糊监督分类方法

针对高分辨率遥感影像分类中由于细节特征突出、同质区域光谱测度变异性增大所带来的像素类属的不确定性及模型的不确定性等造成的误分结果,提出一种基于模糊隶属函数的监督分类方法。对同质区域定义高斯隶属函数模型用来表征像素类属不确定性;模糊化该隶属函数参数建立影像模糊隶属函数,以建模同质区域光谱测度的不确定性;用训练样本在所有类别中的模糊隶属函数及原隶属函数（高斯隶属函数）中的隶属度为输入,建立模糊线性神经网络模型作为目标函数,实现分类决策。该算法和经典算法对World View-2全色合成影像及真实影像进行定性和定量分类实验,分类结果验证了文中方法具有更高的分类精度。     

基于面向对象的珲春地区高分辨率遥感影像分类研究

以吉林省珲春市春化镇为研究区,以Pleiades、高分一号、资源三号影像为实验数据,利用面向对象信息提取方法实现了对3种遥感影像进行信息提取。利用3D Filter边缘检测算子对多尺度分割进行优化,通过对影像进行多次实验得出地物要素的最优分割参数,并且建立不同地物要素的分割层级。分析实验数据的特点构建了合理的分类层级,选取能区分各个地物要素的特征进行组合,利用阈值分类和模糊分类实现地物要素的信息提取。利用混淆矩阵对数据进行客观分析,得到3种影像的总体分类精度和kappa系数。分析结果表明:Pleiades影像分类精度较高,更适合本实验区的遥感影像信息提取。     

高分辨率遥感影像波段配准误差试验分析

高分辨率遥感影像波段间配准误差是影响影像质量及其应用精度的重要因素之一。配准误差指标要求是影像传感器研发中 的一项重要参数。为准确分析配准误差对遥感应用的影响程度，在试验研究中利用多项式模型模拟各种配准误差的图像，并从几何 精校正、目视解译、非监督分类实验及数据融合等角度分析了不同波段配准误差情况下对遥感应用的影响，提出了遥感应用中对高 空间分辨率卫星影像的波段配准指标要求。     

基于PCAnet的高分辨率遥感影像场景分类

高分辨率遥感影像中的场景信息,对影像解译和现实世界的理解具有重要意义。传统的场景分类方法多利用中、低层人工特征,但是高分辨率遥感影像的信息丰富,场景构成复杂,需要高层次的特征来表达。本文提出一种基于PCAnet的高分影像场景分类算法,无监督地逐级提取深层特征。首先,利用显著性探测算法获取显著图,根据显著区域,采样具有代表性的影像块作为初始样本集;然后,将样本集输入到PCAnet中进行特征提取;最后,利用支持向量机(SVM)进行分类。高分影像场景数据UC Merced 21类实验表明,与已有方法相比,本文方法能够有效地提高分类精度。     

高分辨率遥感影像场景的多尺度神经网络分类法

高分辨率遥感影像场景分类是实现复杂场景快速自动识别的基础,在军事、救灾等领域有十分重要的意义。为了在有限的遥感数据集上获得高识别精度,本文提出了一种基于联合多尺度卷积神经网络模型的高分辨率遥感影像场景分类方法。不同于传统的卷积神经网络模型,JMCNN建立了一个具有3个不同尺度通道的端对端多尺度联合卷积网络模型,包括多通道特征提取器、多尺度特征联合和Softmax分类3个部分。首先,多通道特征提取器提取图像中、高层多尺度特征;然后,多尺度特征联合对多个通道的中、高层多尺度特征进行多次融合以增强特征表达;最后,Softmax对高层特征进行分类。本文在UC Merced和SIRI遥感数据集进行测试,试验表明JMCNN模型在特征表达和计算速度方面均有显著提高,在小样本数据量下分别达到89.3%和88.3%的识别精度。     

利用规则集进行高分辨率遥感影像道路自动判读

高清卫星遥感成像技术的快速发展,为城市管理发展提供了海量多源数据。为更好地服务于城市发展管理各个方面,基于高分辨率遥感影像的高自动化判读和特征地物信息提取已成为需迫切解决的应用瓶颈。本文将道路的分类、光谱、主辅线、拓扑关系、场景等信息结合,建立对应的对象特征规则集,通过运用ENVI软件对湖南省长沙市某试验区高分辨率遥感卫星影像图进行了道路判读处理。经与遥感影像对照分析可知,所获得的道路判读结果,具有很好的可靠性,表明基于对象特征的规则集分类方法是一种适应性强、效率高的方法。     

监督分类和目视修改相结合在高分辨率遥感影像中的应用

用计算机对遥感影像进行地物类型识别是遥感数字图像处理的一个重要内容,传统的地物分类一般采用MSS、TM和Spot等遥感影像作为数据源。与MSS、TM和Spot等传统遥感影像相比,QuickBird等高分辨率影像数据量大,混合像元减少、地物信息增大,能够被应用于土地分类。在监督分类中,对于达不到精度要求的模板,通常采用重新选择训练区的方法来进行修正,而本文采用目视修改的方法来对监督分类进行补充。本文方法可以改正初次分类中的误分、混分地物,使其归到正确的地物分类中,显著提高了土地分类的精度。为了验证算法的有效性,利用ERDASIMAGING遥感图像处理软件进行实验和精度评价。实验结果表明,监督分类和目视修改相结合的地物分类方法可以显著提高图像的分类精度。     

半监督高分辨率遥感图像分类方法

针对高分辨率遥感图像地形复杂、标注困难等问题,本文提出一种基于半监督学习的高分辨率遥感图像分类算法。首先借助卷积神经网络作为分类模型;然后对高分辨率遥感数据集部分图像分类标注,有监督训练卷积网络;最后对其余数据分别进行弱增强和强增强,得到训练图像伪标签,实现模型有监督训练。实验表明：所提半监督分类模型准确率比有监督模型平均准确率仅降低0.03左右,训练集标注耗时节约一半以上,表明该方法具有较好的识别效果和较快的训练速度。     

遥感影像监督分类

本文主要研究探讨遥感影像分类的监督分类法原理、技术、步骤及精度等问题。通过采用最大似然分类法对各种融合影像进行监督分类,比对结果,阐述最大似然分类法的特点。     

光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法

针对高分辨率遥感影像具有较为丰富的地物属性“谱相”信息和空间分布及其组合“图式”信息的特点,提出了一种光谱和形状特征相结合的建筑物自动提取方法。在多尺度分割和矢量化基础上,根据建筑物的形状、光谱特征,从特征基元中自动选取样本,并计算其特征;通过根据建筑物形状、光谱、纹理构造的模板,在整景影像上进行建筑区域识别,并在建筑区域内提取建筑物外部轮廓。实验表明,本算法具有较高的识别率和较低的误识别率。     

高分辨率遥感影像道路震害信息提取

道路作为震后救援的“生命线”,在地震应急中发挥了无可替代的作用,因此,第一时间获得震后道路受损情况显得极为重要。本文结合高分辨率遥感影像特点,以汶川地震的影像为例,总结道路震害在高分辨遥感影像上的表现形式,并基于ENVI/IDL二次开发,实现了面向对象法道路震害信息提取,通过与目视判读结果对比分析表明：该方法提取速度快、效率高,精度达到80%以上,具有很高的应用价值。     

条件随机场建模的大尺度空间上下文的高分辨率遥感图像分类

表达和利用目标空间下文及语义信息是高空间分辨率图像分类的一项关键技术。而条件随机场（CRFs）在空间上下文建模以及分类预测方面有其独特优势。但是基于单尺度分析的CRFs模型存在“不能描述大尺度的空间上下文信息”的问题。因此,针对高分辨率图像分类问题,本文提出了一种两级空间上下文特征分析的CRFs模型。该模型描述如下：先对图像进行分层及逐层特征提取,并进行“对象层-目标层”特征关联;再用支持向量机（SVM）的概率输出定义CRFs模型的关联势函数,利用分层特征加权的Potts函数定义交互势函数。最后采用分段学习及最大-积消息传递算法对该模型进行训练和推理。用Quickbird及大比例尺航空图像城区场景进行实验,结果表明：与单尺度下的基于像素、对象层或目标层分割的SVM-CRFs相比,本文提出的模型其分类精度均有所提高,分类效率较高。     

融合谱间特征的高分辨率遥感影像分类

传统影像分类方法仅利用灰度、纹理等谱内特征,未能充分利用谱间特征,针对这一不足,本文提出一种融合谱间特征的高分辨率遥感影像分类方法。采用主成分分析法(Principal Component Analysis,PCA)对遥感影像进行变换,提取前两个主分量作为变换后的数据;通过影像分割方法获取像斑,选取训练样本像斑;利用灰度直方图与联合灰度直方图分别表达像斑的谱内特征与谱间特征,采用G统计量度量直方图距离,依据距离倒数加权计算像斑的谱内概率与谱间概率,依据加权组合谱内概率与谱间概率构建联合概率,在联合概率最大基础上获取影像分类结果。在Quick Bird遥感影像上的实验结果表明了本文方法的有效性,总体分类精度与kappa系数分别达到了90.0%和86.7%。     

基于多任务联合稀疏和低秩表示的高分辨率遥感图像分类

多任务学习（multitask learning,MTL）是一种利用多个任务间共享信息并行学习以提高模型泛化性能的机器学习方法,研究表明该方法可以提升高分辨率遥感图像的分类精度。提出一种基于多任务联合稀疏和低秩表示（multitask joint sparse and low-rank representation,MJSLR）的高分辨率遥感图像分类模型,并采用加速近似梯度法求解凸的光滑函数和非光滑约束的组合优化问题。实验对比分析了多任务和单任务的学习模型,并比较了MJSLR、多核学习方法和多任务联合稀疏表达方法的图像分类准确率,结果表明多任务学习模型能够获得优于单任务学习模型的分类精度,而且融合低秩约束能够一定程度上提高多任务分类模型的精度。     

基于单时相高分辨率遥感影像的震后道路提取研究

地震发生后,道路是生命救援及运输物资的重要通道,因此,快速有效地获取道路的信息是震后抢险救灾非常关键的一步。在震前影像及矢量数据等缺失的情况下,本文基于2014年8月3日云南鲁甸地震的单时相高分辨率World View-2遥感影像进行了震后毁损道路提取方法研究。在提出的一个震后毁损道路提取方法中,先在e Cognition软件中对影像进行多尺度分割和最邻近分类,然后在Matlab软件平台下对分类结果进行二值化,并用数学形态学技术去除偏大和偏小的地物,最后利用Hough变换进行道路检测得到毁损的路段。实验结果证明:该方法能够快速有效地提取出震后的山区道路毁损信息,可为地震应急提供信息支持。