基于灰色绝对关联度边缘检测的多源遥感影像加权IHS融合

鉴于IHS变换的融合影像存在光谱扭曲问题,而灰色关联度对图像边缘检测具有局限性,该文将基于灰色绝对关联度的灰色关联分析与IHS变换相结合进行影像融合。采用灰色绝对关联度检测高分辨率影像的边缘点和非边缘点,基于边缘信息确定高分辨率影像和IHS变换后的亮度分量在组合中的权值,最后通过IHS反变换实现影像加权融合。应用该算法分别对多源遥感影像进行融合处理,在提高空间分辨率的同时能够很好地保持多光谱影像的光谱信息,优于传统的IHS融合方法和基于灰色关联度的IHS融合算法。     

基于GPU加速的高分辨率实体体素化研究

体素化是面图形学通向体图形学的桥梁,具有广泛且重要的应用。介绍体素化方面的研究进展,分析现有体素化方法在处理高分辨率实体体素化时的不足。提出以分块为基础的高分辨率实体体素化算法:在分块内部,采用基于图形处理器(Graphics Processing Unit,GPU)的切面光栅法对分块表面体素化过程进行加速,采用射线求交方式生成种子并进行块内填充;在分块之间,设计了3方向的种子扩散面及跨块扩散机制,避免因分块而导致的大量几何求交运算,提高了效率。针对高分辨率实体体素化结果数据量大的问题,采用低分辨率表面体素化结果进行数据压缩和索引,节省了数据存储空间。测试结果表明,该文提出的算法不仅能够进行高分辨率实体体素化,而且在GIS、地学建模和CAD等体图形学相关的领域具有重要的应用价值。     

面向高分辨率遥感影像建筑物变化检测的边缘感知网络

为提升建筑物变化检测精度,尽可能保留变化区域的边缘信息,提出一种边缘感知网络(Edge Sensing Net-work,ESNet),用于较大范围内的高分辨率遥感影像建筑物变化检测.ESNet由主干网、粗预测分支和精预测分支三部分组成:主干网用于提取多层次的特征差异图;粗预测分支通过跳跃连接的方式融合深层特征图与浅层特征图,以获得变化检测的粗预测图;精预测分支选取粗预测图中预测不确定性较大的点,通过融合点的深层和浅层特征实现点的变化属性再判别,从而获取建筑物变化区域的精细化边缘信息.在航空影像和卫星影像建筑物变化检测数据集上的实验表明,相比STANet、UNet++MSOF等变化检测方法,该方法变化检测精度最高,且能有效保留边界的细节信息.     

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。     

基于影像分割技术的LIDAR数据建筑物边缘提取

提出一种基于影像分割技术的LIDAR数据建筑物边缘提取方法,将LIDAR点云数据转化为DSM影像,采用改进的动态阈值分割算法对DSM影像进行分割,并将得到的图像进行边缘提取.试验表明,该方法不需要其他辅助数据,可以从LIDAR点云数据中提取建筑物边缘,为进一步的建筑物三维重建奠定基础.     

高分辨率遥感图像厚云检测算法

针对高空间分辨率多光谱图像,设计了一种基于缨帽变换、数据正则化以及多尺度光谱分析技术的多尺度循环检测算法。实验结果表明:对于Landsat-7 ETM+图像,其检测精度与基于热波段的自动化云量估计算法相近,但优于传统的直接分类方法(最大似然分类与ISODATA分类)。由于该算法无需借助热波段及其他辅助数据,因而在实现高分辨率图像厚云掩膜的高效与高精度提取方面具有很高的应用潜力。     

基于金字塔模型的遥感影像感知哈希认证算法

针对遥感影像数据量较大的特点,提出一种基于金字塔模型的遥感影像感知哈希认证算法。首先,在原始遥感影像基础上通过重采样建立不同分辨率的影像层,并根据认证的粒度要求对各层影像进行格网划分;然后,通过分块DCT变换提取各格网单元的内容特征,进而构造格网单元的感知哈希序列,最终得到原始遥感影像的感知哈希序列。影像认证端可以认证不同分辨率影像层的内容完整性,也可以验证初始影像的内容完整性。实验与分析表明,该算法能够实现不同尺度下的遥感影像内容完整性认证,并对篡改区域进行定位。     

基于改进SURF算法的无人机遥感影像快速拼接

为了及时、准确地反映测区情况,需要在拍摄现场将获得的无人机遥感影像进行实时拼接.基于SURF的无人机遥感影像拼接算法具有尺度和旋转不变性,拼接效果较好,但该算法稳定性较差,拼接过程中大量误特征点被提取出来,导致计算量大、匹配效率低,无法满足实时拼接的要求.该文首先利用SURF算法粗提取特征点,然后利用RANSAC算法剔除被误提取的特征点,实现特征点的快速匹配和图像实时拼接.实验结果表明该文的算法不但可以得到很好的图像拼接效果,而且极大地提高了拼接效率.     

基于遥感的贺兰山两侧沙漠边缘带植被覆盖演变及对气候响应

使用NOAA/AVHRR 8KM 1981-2001数据,以及准同期逐日观测气象数据,用GIS与RS空间分析方法和数理统计的分析方法对数据进行了归纳和插值处理。对贺兰山东西两侧腾格里与毛乌素两大沙漠的南缘带植被覆盖、气候要素的降水与气温变化特征以及它们之间的响应关系进行了分析。通过比较得出不同干湿条件沙漠边缘带植被覆盖状态变化的差异,以及各自生境对气候变化的响应特征。研究表明:气候条件中水分条件是决定干旱区与半干旱区土地覆盖状态的关键性因素;但是地形条件对植被覆盖的季相差异的影响也不可忽视;与植被覆盖相比,低覆盖植被分布面积的变化可以更好的揭示生态环境对气候变化的响应;整个研究期气候整体趋于暖干化,暖干程度在1999-2000年达到了高峰,随之植被覆盖在2000-2001年达到了最低值。这说明生态环境对气候变化的响应存在一种时间上的滞后性。从RS与GIS角度为干旱区与半干旱区沙漠边缘带宏观土地覆盖变化研究提供了一种较为可靠方法,为因地制宜进行生态环境综合治理与防治土地沙漠化也提供一种新的参考。     

应用遥感技术探测土壤侵蚀的研究进展

在全世界范围内土壤侵蚀对农业生产和水质量都有着负面影响, 因此区域尺度的土壤侵 蚀评估非常重要, 但是它往往会受可收集到观测数据的数量和质量的限制。在过去的30 年中, 遥 感技术已为土壤侵蚀研究提供了多方面有效空间数据, 这些数据常被直接用于探测土壤侵蚀和 土壤侵蚀沉积, 通过辨别土壤侵蚀的总体特征, 可以区分土壤侵蚀区域, 再根据经验评估土壤侵 蚀强度, 获得探测结果。本文介绍了可用于土壤侵蚀研究的多种卫星和传感器及应用遥感数据探 测土壤侵蚀特征, 土壤侵蚀区域和土壤侵蚀沉积的实例。     

基于高分辨率遥感影像的矿山开发监测研究

矿产资源是一种不可再生的自然资源,传统的矿山监测方法已不再满足当今矿山发展的需要,遥感技术的发展为矿山的开发和管理提供了有力的技术支撑.文中以国土资源部整顿和规范矿产资源开发秩序的重点矿区——宜昌磷矿区为研究区,通过对QuickBird高分辨率遥感影像进行数据处理,分析矿山开发的标志地物并建立解译标志,将解译结果进行野外调查验证,得出该研究区矿山种类共有11类,优势矿种是磷矿,有221个开采点或开采面,其中界内开采159个,越界开采17个,无证开采28个,以采代探17个,停产或关闭76个.将解译结果和历年参考数据进行对比显示,宜昌磷矿区矿山开发秩序良好,矿山数量有所减少,但界外开采和以采代探的情况仍然存在,需要进一步加强对研究区矿山的监管,以保证矿山的可持续发展.     

基于改进DeepLabv3plus算法的遥感图像海岛建筑提取方法

目前海岛经济快速发展,为避免海岛建筑无序扩建,了解海岛建筑分布特征尤为重要。机器学习方法是从高分遥感影像提取地物目标的常见方式,然而建筑物遥感特征复杂,机器学习方法出现鲁棒性差、难以充分挖掘深层次特征的弊端。文章提出基于DeepLabv3plus网络模型的深度学习语义分割方法提取海岛建筑,并对网络结构进行改进,使用组归一化（GN）方法替代批归一化（BN）以适合小batch size下的语义分割操作。针对海岛建筑数据量较少的问题,采用迁移学习策略,设计基于多源数据的国内城市建筑数据集的预训练样本智能采集和标注方法,再人工标注中国部分海岛建筑进行算法实验。结果表明,在batch size较小时,基于GN的DeepLabv3plus语义分割算法的平均精度和mIoU均得到提升,能够获得更为精确的像素级海岛建筑提取结果。     

基于卡方变换的中分辨率遥感影像土地覆盖变化对象识别方法

该文旨在探讨中分辨率遥感影像的土地覆盖变化对象识别方法。首先基于植被-不透水层-土壤(VIS)模型,参考OIF指数的信息量进行对象特征指标选取,基于过分割和欠分割指数确定最优分割尺度,对两期SPOT影像进行多时相分割,然后利用卡方变换方法自动选择阈值,进行植被、不透水层、土壤和水体4种土地覆盖类型之间的变化对象识别。精度评价表明,随着对象特征指标包含信息量的不断增加,检测结果的总精度不断提高,其中对影像所有特征指标进行主成分分析并选择前3个主成分作为特征指标组合对土地覆盖变化对象进行识别的总精度最高,为93.9%,Kappa系数为0.824,证明了该方法的有效性。     

基于OGC WPS的遥感图像分布式检索系统研究

结合OGC WPS开放标准规范和分布式检索技术,提出基于OGC WPS构建遥感图像分布式检索系统的方法。采用Z39.50通用检索表达式的扩展模式,避免了遥感图像编目数据库与检索系统的紧密耦合;采用HTTP/XML定义检索网关和资源节点之间的WPS接口,实现了编目资源节点到网关的动态接入与移出机制。最后运用开放源代码GIS技术开发了一个原型演示系统,试验证明上述方法切实可行。     

Remote Sensing Classification of Marsh Wetland with Different Resolution Images

Successful biological monitoring depends on judicious classification. An attempt has been made to provide an overview of important characteristics of marsh wetland. Classification was used to describe ecosystems and land cover patterns. Different spatial resolution images show different landscape characteristics. Several classification images were used to map and monitor wetland ecosystems of Honghe National Nature Reserve (HNNR) at a plant community scale. HNNR is a typical inland wetland and fresh water ecosystem in the North Temperate Zone. SPOT-5 10 m × 10 m, 20 m × 20 m, and 30 m × 30 m images and Landsat -5 Thematic Mapper (TM) images were used to classify based on maximum likelihood classification (MLC) algorithms. In order to validate the precision of the classifications, this study used aerial photography classification maps as training samples because of their high accuracy. The accuracy of the derived classes was assessed with the discrete multivariate technique called KAPPA accuracy. The results indicate: (1) training samples are important to classification results. (2) Image classification accuracy is always affected by areal fraction and aggregation degree as well as by diversities and patch shape. (3) The core zone area is protected better than buffer zone and experimental zone wetland. The experimental zone degrades fast because of irrational development by humans.     

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.     

绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例

以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。     

不同分辨率遥感图像混合像元线性分解方法研究

混合像元的存在是传统像元级遥感分类和面积量测精度难以达到实用要求的主要原因,为了提高遥感应用精度,须解决混合像元分解问题。传统的方法主要通过改进分解模型提高分解精度,该文在不改变线性分解模型的条件下,分析不同分辨率尺度对于线性分解精度的影响。实验中运用像元合并的方法,得到不同分辨率的TM系列遥感图像,分别选取植被、裸地、水体3种典型地物进行线性分解;以分辨率更高的Quickbird图像分类结果作为真值进行精度评价。实验结果表明:随着图像分辨率的降低,植被的RMSE值不断缩小,在30 m分辨率尺度上均值为0.36,在150 m尺度上均值为0.17,分解精度提高了1倍左右;但随着分辨率进一步降低,由于混合像元现象加剧,RMSE值上升,分解精度随之降低。