高分辨率遥感影像阴影与立体像对提取建筑物高度比较研究

建筑物高度信息的快速准确获取对于城市规划管理、生态环境评价具有重要意义。本文以南京市主城区为研究区,选择2011年Geoeye-1卫星高分辨率遥感影像立体像对数据,结合Google Earth数据及实地建筑物高度测量,分别利用单幅遥感影像和立体像对计算建筑物高度,并以实测建筑物高度数据验证不同方法的提取精度,进而比较这2类方法的优缺点。结果表明：利用立体像对提取建筑物高度的方法更加精确,提取结果误差在2.8 m以内,能够快速地获取大范围建筑物高度,具有实用价值;单幅遥感影像阴影提取建筑物高度适用于建筑物高大、毗邻建筑物间隙大、周围无遮挡的情况,而立体像对提取建筑物高度不受建筑四周环境影响,在建筑物密集分布、高度均一的情况下,其普适性更强。     

GeoEye-1立体像对在公路勘测中的应用研究

高分辨率遥感影像获取公路沿线空间地理信息速度快、信息丰富,其立体像对可定位测图.对基于0.5m分辨率GeoEye-1立体像对在公路勘测中的应用技术进行了研究,给出了利用GeoEye-1立体模型制作公路数字高程模型和大比例尺测图的流程,采用GPSRTK布设地面控制点,通过空三平差消除RPC模型系统误差,实验结果表明可提高...     

基于Res_AttentionUnet的高分辨率遥感影像建筑物提取方法

针对目前基于深度学习与高分辨率遥感影像的建筑物提取研究现状,本文提出了一种综合ResNet中的ResBlock残差模块和Attention注意力机制的改进型Unet网络（Res_AttentionUnet）,并将其应用于高分辨率遥感影像建筑物提取,有效地提高了建筑物的提取精度。具体优化方法为：在传统的Unet语义分割网络卷积层中加入针对初高级特征加强提取的ResBlock残差模块,并在网络阶跃连接部分加入Attention注意力机制模块。其中,ResBlock残差模块使卷积后的特征图获取更多的底层信息,增强卷积结构的鲁棒性,从而防止欠拟合;Attention注意力机制可增强对建筑物区域像素的特征学习,使特征提取更完善,从而提高建筑物提取的准确率。本研究采用武汉大学季顺平团队提供的开放数据集（WHU Building Dataset）作为实验数据,并从中选取3个具有不同建筑物特征和代表性的实验区域,然后分别对不同实验区域进行预处理（包括滑动裁剪和图像增强等）,最后分别使用Unet、ResUnet、AttentionUnet和Res_AttentionUnet 4种不同的网络模型对3个不同实验区进行建筑物提取实验,并对实验结果进行交叉对比分析。实验结果表明,与其他3种网络相比,本文所提出的Res_AttentionUnet在基于高分辨率遥感影像的建筑物提取中具有更高的精度,平均提取精度达到95.81%,相较于原始Unet网络提升17.94%,同时相较于仅加入残差模块的Unet网络（ResUnet）提升2.19%,能够显著地提升高分辨率遥感影像中建筑物提取的效果。     

基于PRCUnet的高分遥感影像建筑物提取

基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑物提取方法进行改进。本文主要改进内容为：① 基于Unet网络结构,利用金字塔池化模块 (Pyramid Pooling Module, PPM )的多尺度场景解析特点,残差模块(Residual Block, RB)的特征提取能力以及卷积块注意力模块(Convolutional Block Attention Module, CBAM)对空间信息和通道信息的平衡能力。将金字塔池化、残差结构以及卷积块注意力模块引入到Unet模型中,建立PRCUnet模型。PRCUnet模型更关注语义信息和细节信息,弥补Unet对小目标检测的欠缺;② 基于最小外接矩形与Hausdorff距离,改进建筑物轮廓优化算法,提高模型的泛化能力。实验表明,本文的建筑物提取方法在测试集上准确率、IoU、召回率均达到0.85以上,精度显著优于Unet模型,提取出的建筑物精度更高,对小尺度及不规则的建筑物有较好的提取效果,优化后的建筑物轮廓更接近真实的建筑物边界。     

基于阴影的资源三号卫星数据城市建筑物高度估算

利用我国首颗民用高分辨率测绘卫星—ZY3影像,运用面向对象方法及形态学的思想,以形态学建筑物指数MBI和形态学阴影指数MSI,构建了基于知识规则的城市建筑物和阴影信息提取模型,很好地完成了北京方庄小区和厦门软件园的建筑物和阴影的提取,并实现了阴影长度的自动估算。利用太阳、卫星和建筑物成像几何关系,以阴影长度估算了城市建筑物高度,并以实测数据进行精度评价及误差分析。在以北京市方庄小区为例的试验中,建筑物高度提取的平均相对误差为7.08%,绝对误差小于6 m的建筑物占90%以上,80%以上的建筑物相对误差在10%以内,而误差较大的多为阴影较难识别的低矮建筑物和建筑密度较大使得阴影相互遮挡的高层建筑物。在厦门市软件园区实验中,94.3%的建筑物绝对误差在5 m以内,且计算高度与实际高度相关系数达到0.992,进一步验证了所用方法的可靠性。本文提出的建筑物信息提取方法,可很好地实现高分辨率影像城市建筑物高度估算,展示出资源三号卫星数据在城市建筑物信息提取方面的应用潜力。     

基于MAEU-CNN的高分辨率遥感影像建筑物提取

从高空间分辨率图像（HSRI）中提取建筑物信息在遥感应用领域具有重要意义。然而,由于遥感影像中的建筑物尺度变化大、背景复杂和外观变化大等因素,从HSRI中自动提取建筑物仍然是一项具有挑战性的任务。特别是从影像中同时提取小型建筑物群和具有精确边界的大型建筑物时,难度更大。为解决这些问题,本文提出了一种端到端的编码器-解码器神经网络模型,用于从HSRI中自动提取建筑物。所设计的网络称为MAEU-CNN(Multiscale Feature Enhanced U-shaped CNN with Attention Block and Edge Constraint)。首先,在设计的网络编码部分加入多尺度特征融合（MFF）模块,使网络能够更好地聚集多个尺度特征。然后,在编码器和解码器部分之间添加了多尺度特征增强模块（MFEF）,以获得不同尺寸的感受野,用于获取更多的多尺度上下文信息。在跳跃连接部分引入双重注意机制,自适应地选择具有代表性的特征图用于提取建筑物。最后,为了进一步解决MAEU-CNN中由于池化及卷积操作导致的分割结果边界模糊的问题,引入多任务学习机制,将建筑物的边界几何信息融入网络...     

风云静止卫星双星立体观测云顶高度反演初步研究

推导出利用风云静止卫星双星视云坐标计算云下点坐标和云顶高度的理论算法,对静止双星865E/104.5E和86.5E/112E两种组合观测条件下视云位移分布特征以及视云位移与云高关系进行分析计算,在此基础上,提出一种可以实现全区域高精度立体云高反演的非线性视云位移云高反演模型。结果显示,观测数据空间分辨率0.01°条件下,两种双星组合云高分辨率平均值分别为1.28 km和0.93 km,表明86.5E/112E组合反演精度优于86.5E/104.5E组合。最后,利用FY2D和FY2F双星数据在西北太平洋进行立体云高反演实验,并将反演结果与Cloudsat卫星微波雷达云高测量数据进行对比分析。     

秦巴山地山体基面高度的提取及分布

秦巴山地是中国的南北分界线,也是黄河和长江的分水岭,其山体效应的定量化影响秦巴山地山体垂直带的分布格局、非地带性因素的作用强度和机理,以及中国暖温带和北亚热带的具体位置的确定。山体基面高度是影响山体效应最重要和关键的地形因子,其定量化和数字化提取是秦巴山地山体效应定量化研究的重要内容。本研究针对秦巴山地山体效应的定量化研究,使用30 m分辨率的STRM-1数据,分别基于山体特征线和流域分区2种方法提取了秦巴山地的山体基面高度分区,并根据地形起伏度和坡度,确定基面范围,计算了山体基面高度值。结果表明：① 基于山体特征线的方法将秦巴山地分为93个基面高度分区,基于流域分区的方法将秦巴山地分为209个基面高度分区,根据2种分区结果提取的基面高度值相差不大且均体现了秦巴山地地势的特点;② 秦巴山地山体基面高度从东向西呈阶梯状递增的趋势;③ 从南到北,秦巴山地的东段和中段均呈先增高后降低的趋势,即从大巴山向北至汉江谷地降低,再向北至秦岭升高;④ 山地的不同侧翼的山体基面高度不同,秦岭南坡的基面高度（1000~1809 m）明显高于北坡（850~1300 m）。秦巴山地山体基面高度与其植被带分布上限联系密切,实现山体基面高度的数字化提取,为山体效应的定量化研究提供了重要的技术支持。     

无参数高分辨率遥感影像的建筑高度快速提取方法

无参数高分辨率遥感影像快速提取建筑高度,在城市建设和土地管理中有重要的现实意义。当前的研究多以已知参数的遥感影像获取,但其提取方法受限制条件多。本文提出以无参数高分辨率遥感影像,综合利用单张影像上的特征点所构成的4类特征线换算建筑高度的方法。4类特征线包括屋顶位移点与其阴影点的连线、建筑高差引起的屋顶像点位移、阴影全长和建筑遮挡后的阴影长。通过已知的少量建筑的实际高度和推导出的4类特征线换算建筑高度的计算模型,可对大量建筑进行快速、精确地高度量算。结合南京市的Google Earth影像进行了验证,结果表明,该方法采用的影像易于获得,综合量算方法大大增加了单张影像上提取建筑高度的可操作性,并解决了量算建筑高度时无相关参数的问题。该方法精度较高,可大面积、快速提取建筑高度,在生产实践中有较大的实用价值。     

融合LiDAR数据与高分影像特征信息的建筑物提取方法

建筑物是城市环境中的主要地物类型,从高分影像等数据中自动提取建筑物对于提升土地利用变化检测、城市规划与土地执法等业务的质量与效率具有重要意义。本文针对现有建筑物提取方法存在的边界提取不精确的问题以及采用手工特征表达图像信息的局限性,融合LiDAR数据与高分影像两种数据源的特征信息,提出一种基于SegNet语义模型的建筑物提取新方法。首先,对LiDAR数据预处理得到数字表面模型（DSM）、数字地形模型（DTM）、归一化数字表面模型（nDSM）,利用高分影像NDVI值去除nDSM中部分树木点,得到结果影像nDSM_en;其次,分别获取LiDAR数据回波强度、表面曲率以及高分影像NDVI值 3个特征构建特征图像训练SegNet语义模型,利用训练得到的模型完成建筑物初始提取;最后,采用阈值法分割nDSM_en得到影像对象,利用影像对象约束建筑物初始提取结果,完成建筑物精提取。在以ISPRS 官方提供的标准数据集（数据采集的地理区域为德国Vaihingen,采集时间2008年7—8月）为样本的实验中,本文方法在像素层次的平均查全率、平均查准率和提取质量分别为96.4%、94.8%和91.7%;针对面积大于50 m ²的建筑物对象,上述3个指标均为100%。实验结果表明：本文提出与实现的建筑物提取方法更好地利用了反映建筑物与非建筑物本质差异的特征信息,有效地实现了2种数据源的相对优势互补,提高了建筑物的检测与提取精度。     

一种基于无人机影像提取滩涂DEM的方法

文章针对滩涂、海岛礁等测绘困难的区域,提供了一种获取这些区域高分辨率空间信息的新技术手段——无人机航测提取DEM的方法,并对其具体的实施方法及详细的技术流程进行了描述。     

基于图分割的高分辨率遥感影像建筑物变化检测研究

建筑物是城市地理数据库中最容易发生变化和最需要更新的部分,其更新工作量巨大,因此开展对高分辨率遥感影像中的建筑物进行自动提取和变化检测研究具有重要的意义.本文以精确提取变化建筑物的位置和轮廓为目标,基于图分割提出一种高分辨率遥感影像建筑物变化检测方法.首先,将遥感影像中的每个像元映射成图的顶点,利用像元之间的距离阈值构造图的边,综合利用位置,灰度和边缘3种特征计算边的权值,将遥感影像的分割转化为图的分割,并用归一化图分割方法得到分割对象集合;然后,以长宽比和矩形度作为约束条件,对2期遥感影像中的分割对象集合进行筛选,提取建筑物对象;最后,根据2期影像中建筑物之间的空间,面积和格局关系识别建筑物的变化类型(包括新增,消失和改建),并对其进行可视化表达.为了验证本文方法的有效性,分别以深圳市的WorldView影像和北京市的QuickBird全色影像为数据源,从中选取13组具有代表性的子影像进行实验.结果表明,本文提出的方法对配准精度较低的影像组具有一定的适应性,容许的配准误差达到20个像元(10 m),平均查准率和平均查全率分别达到93.16%和87.90%.     

面向对象和DEM的ZY-1 02C影像湿地提取研究

本文运用面向对象分类与DEM数据相结合的方法,对资源卫星一号02C卫星遥感影像进行湿地提取。探索了基于对象与DEM信息的提取技术,在02C影像湿地的提取应用,对研究我国国产卫星在湿地监测和保护方面有重要的意义。研究结果表明：（1）面向对象的遥感影像信息提取方法,可同时兼顾影像光谱信息及空间信息,适用于02C影像的湿地提取,精度得到明显提高;（2）基于对象与DEM信息的提取方法,使沼泽地与草地相混淆的现象明显减轻,湿地分类精度进一步提高,该方法适用于高分辨率遥感影像的湿地提取研究;（3）基于对象与DEM信息提取的水田、水体、沼泽地及河滩的精度,分别为88.46%、97.44%、86.96%和83.33%,满足资源卫星一号02C遥感影像对湿地进行监测和保护的需要。     

顾及地表汇水分析的城市DEM构建

城市暴雨内涝是城市最普遍的自然灾害之一。受城市复杂下垫面环境的影响,城市暴雨积水具有响应时间短、淹没速度快的特点。数字高程模型（Digital Elevation Model, DEM）是城市地表汇水分析的关键,是暴雨积水分析的基础,而传统方法构建的DEM不能满足复杂下垫面环境下城市暴雨积水淹没分析的需求。本文以构建顾及地表汇水分析的城市DEM为目的,提出基于多源数据融合思想和地形修正思想的DEM构建方法,即将数字摄影测量技术构建的大范围DEM与车载激光扫描技术构建的城市道路高精度DEM相融合,再利用影响雨水汇流路径的建筑物、水系等要素对DEM进行修正的构建方法。本文以北京市海淀区公主坟地区为例进行研究,结果表明该方法构建的DEM在道路区域高程精度可达厘米级,实现了对城市道路易积水区域的重点表达,基于该DEM的汇水分析结果基本符合城市下垫面汇水特点,因此,本文构建的DEM适用于城市道路、桥区汇水路径分析和积水淹没分析。     

基于特征压缩激活Unet网络的建筑物提取

自动提取城市建筑物对城市规划、防灾避险等行业应用具有重要意义,当前利用高空间分辨率遥感影像进行建筑物提取的卷积神经网络在网络结构和损失函数上都存在提升的空间。本研究提出一种卷积神经网络SE-Unet,以U-Net网络结构为基础,在编码器内使用特征压缩激活模块增加网络特征学习能力,在解码器中复用编码器中相应尺度的特征实现空间信息的恢复;并使用dice和交叉熵函数复合的损失函数进行训练,减轻了建筑物提取任务中的样本不平衡问题。实验采用了Massachusetts建筑物数据集,和SegNet、LinkNet、U-Net等模型进行对比,实验中SE-Unet在准确度、召回率、F1分数和总体精度 4项精度指标中表现最优,分别达到0.8704、0.8496、0.8599、0.9472,在测试影像中对大小各异和形状不规则的建筑物具有更好的识别效果。     

基于1:10000地形数据更新1:50000DEM的研究试验

对1∶50 000 DEM数据库的现状进行了分析,提出了利用1∶10 000地形数据更新1∶50 000 DEM的主要内容和两种方法,简要介绍了地形变化检测方法.通过对试验区规则格网DEM成果的精度检查验证了方法的可行性.客观分析了本次试验的特点和不足,为以后大比例尺地形数据更新小比例尺DEM等相关工作提供了技术参考.     

基于全卷积神经网络的建筑物屋顶自动提取

高分辨率遥感影像在地面自动目标提取中得到了广泛应用,然而利用传统算法,很难高精度地进行实时的建筑物屋顶绘图。本文使用深度学习方法探讨建筑物屋顶分割,由于卷积运算对形变、旋转、光照条件的不敏感,设计了一种用于建筑物屋顶提取的深度卷积神经网络,提出的网络为级联式全卷积神经网络,在深度卷积神经网络的设计中使用了特征复用和特征增强,实现建筑物的自动精确提取。以美国马萨诸塞州建筑物数据集为基础的实验结果表明,本文提出的网络结构取得了92.3%的总体预测精度,和其他方法相比,本文提出的方法具有更高的精度     

POI辅助下的高分辨率遥感影像城市建筑物功能分类研究

城市建筑物是城市的重要组成部分,对城市建筑物进行功能分类可以为城市功能区划分提供有利依据,辅助政府部门对城市规划、土地利用、资源、人口等方面的分布与分配进行管理与决策,有助于推进城镇化建设的可持续发展。仅利用目前的遥感分类技术难以对高分辨率遥感影像的城市建筑物信息进行功能分类,然而将遥感、互联网兴趣点（Point of Interest, POI）数据以及GIS技术有效地结合在一起,可以更为细致地分析城市信息,不仅实现了建筑物功能分类,而且提高了分类的准确率与可信度。本文首先选取卷积神经网络（Convolutional Neural Networks, CNN）方法对高分辨率遥感影像数据进行建筑物提取;然后,对POI数据的城市商服、公建和住宅用地进行核密度分析;最后分别统计每个建筑物3种用地的核密度平均值,并将该值设置为此建筑物的属性值,并结合POI数据的实际情况选择具有最佳功能分类精度的属性值作为阈值提取3种用地信息,从而完成不同功能的城市建筑物分类。精度评价结果表明,该方法对3种用地的提取效果良好,分类精度达到86%以上。     

基于特征增强和ELU的神经网络建筑物提取研究

近年来,城市发展快速,大量人口奔向城市工作生活,城市建筑物的数量有如雨后春笋般扩张,需要合理地规划城市土地资源,遏制违规乱建现象,因此基于高分辨率遥感影像,对建筑物进行准确提取,对城市规划和管理有着重要辅助作用.本文基于U-Net网络模型,使用美国马萨诸塞州建筑物数据集,对网络模型结构进行探究,提出了一种激活函数为EL...     

采用IKONOS卫星影像进行立体测图技术的应用研究

本文介绍了采用IKONOS高分辨率卫星立体遥感影像进行立体测图的生产工艺,控制点布设方案及质量控制方法。通过精度统计分析,确定卫星立体影像在城市测绘方面的应用范围。通过试生产,形成了一套完整的立体测图技术方法。