基于卷积神经网络的高分遥感影像内陆盐沼湿地信息提取

本文以宁夏盐池Landsat 8影像、高分二号影像、LiDAR数据插值生成的DEM数据、地理国情普查数据等为数据源,首先利用一年多期的Landsat 8影像确定提取内陆盐沼湿地的最佳时相;然后对最佳时相的高分二号（GF-2）融合影像等数据进行多尺度叠置分割,获取NDVI、DEM、穗帽变换等特征,采用最邻近分类器提取内陆盐沼湿地信息,构建内陆盐沼湿地样本库;最后在此基础上探讨卷积神经网络用于高分卫星影像提取内陆盐沼湿地方法。试验结果表明,设计的卷积神经方法适用于内陆盐沼湿地提取,与最近邻分类法提取的结果相比,内陆盐沼湿地边界的提取效果有明显提高。     

利用多源数据确定季节性咸水湖湿地自然边界的方法

以宁夏盐池为例,探讨了利用面向对象的高分影像、数字高程模型(digital elevation model,DEM)等多源数据确定季节性咸水湖湿地自然边界的方法。以高分遥感影像、激光探测与测量(light detection and ranging,LiDAR)数据插值生成的高空间分辨率DEM、地理国情普查数据、第二次全国湿地资源调查数据为数据源,选取LBV变换特征、归一化差分植被指数(normalized difference vegetation index,NDVI)、高程值、坡度等特征,构建决策规则模型,获得季节性咸水湖湿地自然边界,并分析了不同高空间分辨率的DEM对边界提取结果的影响。实验结果表明,与无DEM数据参与提取的结果相比,合适的高空间分辨率DEM参与季节性咸水湖湿地自然边界提取,能有效提高其边界定位精度。     

面向对象灌丛沼泽湿地边界提取方法

以宁夏天湖为例,提出了一种基于面向对象最近邻监督分类法的灌丛沼泽湿地边界提取方法。首先,结合中国湿地调查数据,对试验区一年多期Landsat 8 TM遥感影像进行目视解译分析,确定灌丛沼泽边界特征最明显的时相;其次,将对应时相的高分二号影像融合进行多尺度分割和特征选择,利用最近邻监督分类法进行灌丛沼泽湿地提取,实现边界定位。试验表明,通过该方法提取的灌丛沼泽湿地边界与湿地调查和人工解译得到的边界相比,中误差和平均距离可以满足实际生产的需要,利用面向对象监督分类法提取灌丛沼泽湿地边界的方法可行。     

基于图像分割和NDVI时间序列曲线分类模型的冬小麦种植区域识别与提取

为自动获取大面积冬小麦种植区域,通常利用中等空间分辨率遥感影像中的物候信息,基于时间序列曲线进行识别与提取。但在实际工程项目中,只使用物候信息提取精度偏低。因此提出了一种基于时间序列曲线数据分类模型与图像分割相结合的冬小麦识别方法。首先,构建多源数据的归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线,采用时间序列谐波分析方法(harmonic analysis of time series,HANTS)对NDVI时间序列数据进行平滑和去噪;然后,对NDVI时间序列进行坐标转换,获取波段均值、标准差和均方根3个参数,构建新的分类模型,提升冬小麦与其他作物的差异值;最后,通过与高空间分辨率数据的分割结果相结合,利用图像的空间结构信息,提高地物边界的准确性。以南京市江宁区为例,利用2017年12月—2018年6月间高分一号、Landsat8和Sentinel-2A 3种类型的共21景多源数据进行实验,最终提取精度达到98. 74%,比其他方法有所提高,为农业管理部门提供了准确的冬小麦种植区域和分布的地理信息数据。     

基于多源国产高分卫星时空信息的米级分辨率耕地提取

及时准确地获取耕地空间分布数据对于农业生产管理、产量估算、种植结构调整等具有重要意义。目前的耕地提取多基于多时相中低分辨率影像或单时相高分辨率影像,难以满足耕地破碎,农作物种植模式复杂的区域精度需求。基于此,本研究通过协同国产高分一号（GF-1）、高分二号（GF-2）和高分六号（GF-6）卫星影像,探索米级分辨率尺度下的耕地高精度提取方法。该方法以深度神经网络UNet为基础,通过协同GF-1/6的多时相优势和GF-2影像的高空间分辨率构建了CEUNet (Cropland Extraction UNet)模型,以充分挖掘耕地的时相特征和空间几何特征。同时,将基于CEUNet模型提取的米级耕地结果分别与基于UNet和多源不同分辨率遥感影像的语义分割（UNet＿m）、基于UNet和单时相高分辨率影像的语义分割（UNet＿s）、基于对象的随机森林分类（OBIA）、基于像元的随机森林分类（RF）提取的耕地结果展开对比,分析所提出的方法在不同区域的适宜性。结果表明,基于CEUNet模型提取的米级耕地总体精度达到92.92%,且基于CEUNet提取的耕地的逐像元验证结果在平均F1-Score值上相...     

多空间分辨率Google Earth影像和Canny边界算法的雅丹地貌边界提取

雅丹形态特征能反映雅丹地貌的发育过程和演化阶段,对研究雅丹地貌至关重要,但目前关于雅丹地貌边界提取的高精度、低成本方法很少。本文首先采用Canny边界算法,将高空间分辨率Google Earth影像(1.19 m)重采样为一系列不同空间分辨率(3、5、8、10、12、15 m)的影像;然后针对不同空间分辨率的影像提取不同大小的雅丹地貌边界;最后将不同结果合并,取得了良好的效果。结果表明：(1)尽管无法识别阴影,但Canny边界提取方法的总体精度为89.23%,Kappa系数为0.72,这一结果与面向对象方法的中等分割尺度(138)取得的精度结果相近;(2)使用Canny边界提取算法提取雅丹地貌边界中位数宽度,与影像空间分辨率呈很好的线性关系(R²=0.95),随着空间分辨率的降低,Canny边界算法提取的雅丹地貌边界总长度呈明显的对数递减(R²=0.904)。     

无人机影像与高分卫星影像融合方法研究

针对目前卫星影像数据有丰富的光谱信息但是空间信息不足,而无人机影像空间分辨率高但是光谱信息缺乏的问题,本文将高分二号卫星多光谱影像数据与无人机正射影像数据融合,得到高空间分辨率和光谱信息丰富的融合影像。通过实际数据分别利用PCA、HIS、高通滤波3种常用的图像融合方法进行高分二号卫星多光谱影像与无人机正射影像的融合实验,并通过定性和定量分析的方法从光谱信息保留的完好性和空间信息表达的分辨率2个方面对比分析了3种融合方法的融合效果。     

顾及时点特征的水体提取成果空间修正方法

水体提取具有时点效应的特点,针对陆地水体季节性变化明显的客观现状,提出一种水体成果地理空间修正方法。利用高时间分辨率遥感影像开展水体信息提取,保证水体现势性满足标准时点要求;然后,将此结果作为先验知识,基于精细格网数字高程模型(digital elevation model,DEM)数据,利用水体种子点区域生长,提取精细化的水体结果,即将成果优化至高空间分辨率水平,保证水体成果满足精度要求,从而实现水体成果的地理空间修正。以第一次全国地理国情普查地表覆盖水体成果为研究实例,获取了研究区满足标准时点要求的15 m空间分辨率的Landsat8影像,基于归一化差异水体指数(normalized difference water index,NDWI)提取水体分布状况,采用2 m格网DEM数据实现了精度优化。结果显示,研究区水体成果地理空间范围相对于影像源时相修正了17. 97%,空间分辨率转换带来的水体成果地理空间范围优化率为1. 51%。研究表明该方法能够在影像接边各方时相不满足标准时点要求的情况下,为基于遥感技术的水体信息提取提供一种顾及时点特征的成果地理空间修正方法,具有一定的实际应用价值。     

基于天宫一号高光谱数据与Landsat TM数据的湿地利用变化监测

本文利用2013年4月18日获取的天宫一号高光谱成像仪数据和1985年5月1日获取的Landsat TM数据,对黄河入海口地区湿地的土地利用状况进行了监测研究.通过对比分类结果发现,该地区近30年来人类活动对湿地的影响强烈,滩涂开垦、水产养殖业占用自然水面现象严重.同时由于天宫一号高光谱成像仪数据具有更高的光谱和空间分辨率,其分类精度优于Landsat TM,更适合于湿地的监测.     

结合主动学习和词袋模型的高分二号遥感影像自动化分类

高分卫星遥感影像空间分辨率的提高,使得地物的光谱和纹理变得更加丰富和复杂,这给遥感影像的自动化分类带来严重挑战。因此,本文提出了一种结合主动学习和词袋模型的高分二号遥感影像分类方法。首先,对研究区域进行多尺度分割,建立影像分割对象集;然后,采用词袋模型构建影像对象的语义特征向量;最后,充分考虑位于分类边界的不确定性样本分布,迭代选择最优样本用于训练支持向量机,用于分类遥感影像。为了验证本文方法的有效性和稳健性,以山东省某市的高分二号遥感影像为试验数据进行了试验分析。结果表明,本文提出的方法可以有效地将研究区域分为水体、地面、植被和建筑物四类,正确率达到90.6%以上。