遥感影像反立体纠正方法研究

以四川省广元市某区遥感影像为例，尝试了一种基于DEM和IHS变换的遥感影像反立体纠正方法。该方法首先对IHS变换得到的亮度分量I进行滤波处理，将反映地物反射率差异的亮度信息与地形因子信息分离，然后用DEM制作的地形阴影图替换原图像中的地形因子信息，最后进行IHS反变换。试验结果表明，该方法能有效纠正遥感图像上的反立体现象，并基本保持与原图像色彩一致。     

基于QuickBird影像的城市高大地物阴影检测方法

针对利用高分辨率遥感影像检测阴影时受水体和偏蓝色地物影像的影响问题,提出了一种主成分变换和多波段运算相结合的阴影检测方法。首先,统计、分析了Quick Bird影像中阴影、水体及建筑物等典型地物的光谱特征;然后,基于主成分变换和多波段运算相结合的方法识别阴影区域和非阴影区域,并利用多峰直方图阈值算法对阴影进行自动检测;最后,利用形态学滤波算法对检测结果进行后处理。实验结果表明,该方法对Quick Bird影像中的阴影提取具有较高的精度、效率和普适性。     

核典型相关分析的高分辨遥感影像变化检测

传统的线性多变量变化检测方法在处理高分辨率遥感影像变化检测时,容易出现明显的"椒盐现象"的问题。该文基于面向对象的分析思想,提出核典型相关的变化检测方法。首先对高分辨率遥感影像进行多尺度分割获得影像对象;然后运用核函数多变量典型相关分析,构造差异向量,并进行最小噪声变换,提高影像对象的信噪比;最后采用ROC曲线确定最佳的变化检测阈值。实验结果表明,该方法不仅消除了"椒盐"现象的干扰,而且提高了变化检测的精度。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

基于典型相关分析的多元变化检测

通过对传统变化检测方法在不足的分析,引进典型相关分析的基础理论,将不同时相的多通道遥感数据视为分组的多元随机变量,利用典型我进行遥感数据的多变换进行遥感数据的多元化检测。实验结果表明,所提出的Ｍ变换方法用于多时相、多通道遥感影像的变化检测具有明显的优势和应用前景。     

IKONOS影像在黑方台黄土滑坡调查中的应用

以黑方台为典型的黄土台塬, 过量农业灌溉造成了区内地下水位上升, 诱发了大量黄土滑坡, 该文选用IKONOS影像对其进行了遥感解译。通过对比PCA变换、Brovey变换、IHS变换和Multiplative变换融合影像效果, 选用PCA变换融合影像作为分析的基础。重点分析了IKONOS影像在黑方台黄土滑坡调查中的应用。在综合分析研究区地质资料和滑坡影像特征的基础上, IKONOS影像在滑坡类型划分、滑坡周界及期次关系确定、空间分布规律和滑坡特征参数统计方面具有很好的应用前景。     

多源遥感影像学习型特征双向一致性配准EI北大核心CSCD

针对多源遥感影像之间非线性辐射和几何畸变的差异严重影响配准质量的问题，本文提出一种具有双向一致性变换适用于多源遥感影像的配准方法。首先，利用微调的ResNet101网络模型提取多源遥感影像学习型特征，在特征匹配阶段，为提高同名特征匹配的可靠性，设计了一种双向一致性特征匹配网络模型；然后，基于小型轻量级网络加权回归变换模型参数，实现多源遥感影像稳健可靠的配准。试验利用Google Earth影像、卫星影像、无人机影像、Google Earth-卫星-无人机混合影像4种不同数据源对本文方法进行测试，并与具有代表性的多种方法进行比较，结果表明本文方法在配准精度、效率、稳健性方面具有优势，基本实现了2像素以内的自动配准精度。     

影像解译中的深度学习可解释性分析方法

深度学习的迅速发展极大地推进了多种图像解译任务的精度提升,然而深度学习网络模型的“黑箱”性质让使用者难以理解其决策机理,这不仅不利于模型结构优化和安全增强等,还会极大地增加训练调参成本。对此,本文围绕影像智能解译任务,对深度学习可解释性国内外研究进展进行了综合评述与对比分析。首先,将当前可解释性分析方法分为激活值最大化分析法、代理模型分析方法、归因分析法、扰动分析法、类激活图分析法及样例分析法等6类方法,并对方法的原理、侧重点及优缺点进行了回顾。其次,对8种衡量各类分析方法所提供解释的可靠性的评估指标进行了回顾,并梳理了当前公开可用的可解释性开源算法库。在当前开源算法库的基础上,以遥感影像智能解译任务中的可解释性分析为例,验证了当前深度学习可解释性方法对遥感影像的适用性;试验结果表明当前可解释性方法在遥感解译中还存在一定的局限性。最后,总结了现有基于自然影像的可解释性算法在遥感影像解译分析中存在的问题,并展望了设计面向遥感影像特性的可解释性分析方法的发展前景,旨在为相关研究者提供参考,推动面向遥感影像解译的可解释性方法研究,从而为深度学习技术在遥感影像解译任务中的应用提供可靠的理论支持与算法设计指导。     

基于缨帽变换影像融合的遥感影像植被信息提取

充分结合缨帽变换、遥感影像融合以及归一化植被指数(NDVI)的优点,提出了一种基于缨帽变换的遥感影像融合与NDVI相结合的植被信息提取方法,并与传统的NDVI方法进行了对比。实验表明,该方法很好地改善了遥感影像植被信息的提取精度,特别是提取道路两旁的行道树以及居民小区中的绿地信息,效果更好。     

纹理主方向的遥感影像居民地提取

本文研究利用基于傅立叶变换和Hough变换的灰度共生矩阵方法对遥感影像居民地进行提取。首先,通过傅立叶变换把遥感影像变换到频率域,然后利用Hough变换找出遥感影像的主纹理方向,进而把影像主纹理方向旋转至水平,最后利用灰度共生矩阵方法进行纹理分割。实验结果表明:基于傅立叶变换和Hough变换的灰度共生矩阵方法对遥感影像居民地有较好的提取结果。     

结合均值漂移分割与聚类分析的遥感影像变化检测

针对传统遥感影像变化检测方法对前后期影像数据质量要求高、适应范围窄、检测精度较低等问题,本文在引入异常点检测思想的基础上,提出了一种结合均值漂移分割与聚类分析的遥感影像变化检测方法。首先将前期地理国情矢量数据与待监测的遥感影像进行地理配准;然后在地理国情矢量数据的基础上对遥感影像作均值漂移算法二次细分割,获得的矢量图斑继承了原有父级类属性,并对同一父级类的影像图斑进行光谱、空间、纹理、指数等特征提取;最后采用高斯混合模型与最大期望值算法聚类获得多个类别,在父级类下找出异常类别的图斑。通过试验对比分析,表明了本文方法的有效性和可靠性,为遥感影像变化检测提供了新思路。     

基于区域特征的小波差值变化检测方法

小波变换在图像处理与分析方面的应用已取得很大的成功,如基于小波变换的图像编码、去噪、融合等,但在多时相的遥感影像变化检测方面的研究还很少。提出并实验了一种基于区域特征的小波差值变化检测方法,该方法对于高分辨率的遥感影像具有较好的检测效果,同时提高了运算速度。实验结果表明了该方法的可行性和有效性。     

基于贝叶斯网络分类的遥感影像变化检测

遥感成像过程中,地面、大气等诸多要素的不确定性和波段之间的相关性等原因影响了分类精度,导致变化检测的不准确性。为了提高分类精度往往需要引入先验知识。贝叶斯网络是一种新的数据表达和推理模型,对数据没有严格的正态分布前提要求,通过动态地调整先验概率密度,能有效提高分类精度。以北京通州地区1996-05-29和2001-05-19两个时相的陆地卫星Landsat TM遥感影像为例,介绍了基于贝叶斯网络的分类算法,并在此基础上实现了两个时相遥感影像的变化检测。实验结果表明:基于贝叶斯网络分类算法的后分类比较变化检测方法是遥感影像变化检测的一种新的有效方法。     

基于区域特征的小波差值变化检测方法

小波变换在图像处理与分析方面的应用已取得很大的成功,如基于小波变换的图像编码、去噪、融合等,但在多时相的遥感影像变化检测方面的研究还很少.提出并实验了一种基于区域特征的小波差值变化检测方法,该方法对于高分辨率的遥感影像具有较好的检测效果,同时提高了运算速度.实验结果表明了该方法的可行性和有效性.     

基于自分类和颜色空间变换的遥感图像色彩校正方法

提出了一种基于遥感自动分类和lab 颜色空间变换的色彩校正方法, 并用此方法对不同时间的ETM遥感图像进行了多景色彩校正后的拼接实验。实验结果显示, 相对于重叠区域校正、直方图匹配等常规方法, 该方法能够很好地校正不同获取时间所导致的景间颜色、亮度差异, 提高遥感图像后续分类、变化检测的准确性以及多景遥感图像的拼接效果。     

基于典型相关分析的变化检测中变化阈值的确定

以东营市为例 ,把基于典型相关分析的方法运用于多时相遥感影像的变化检测中。对于变化阈值的确定 ,采用了一种基于贝叶斯理论的最小错误率的方法。这种方法实质上是一种非监督分类的方法 ,即不需要地面实况数据或其它先验知识 ,直接对典型相关处理后的差值图像进行分析计算得到阈值 ,使变化检测的错误率达到最小。实验结果证明了这种方法的有效性。     

基于遥感影像的土地利用变化检测

随着遥感科学技术的发展、各种遥感数据的累加以及遥感变化检测研究的深入,基于遥感影像的土地利用变化检测手段也日新月异。本文主要阐述利用不同的遥感影像处理方法对不同影像之间的土地利用变化进行检测,同时利用影像融合对比法、影像差值法、主成分分析法(PCA法),以及影像分类法等遥感影像处理方法,对同一地区前后不同时相的土地利用变化检测效果进行精度对比,并总结出不同检测方法在不同条件下的检测效果。     

半监督离散势理论在遥感影像变化检测中的应用

随着遥感技术的发展,遥感影像变化检测作为一种有效的技术手段,在环境监测、灾害救援等领域发挥了重要作用。然而地物复杂、标记困难等问题导致有效的变化检测存在一定的困难。本文提出了一种基于半监督离散势理论的遥感影像变化检测方法。该方法首先采用一种新的标记样本点的方法得到训练集,然后利用KNN方法构造复杂网络,最后对复杂网络中经典Wu-Huberman算法进行改进并划分网络。所得到的两个社团结构恰好对应了变化部分和不变部分。试验结果表明,基于半监督离散势理论的变化检测方法具有良好的变化检测性能。     

HSV变换和多尺度分割相结合的高分辨率遥感影像阴影检测

针对阴影在高分辨率遥感影像的特性,提出了一种色彩空间变换和多尺度分割相结合的阴影检测方法。该方法首先对原始影像进行连续两次HSV变换,并分别提取前后两次变换的亮度分量和色度分量;然后引入面向对象思想,进行多个尺度的影像分割并依次实现每一尺度下的阴影检测;最后将多个尺度的检测结果进行决策级融合获取最终检测结果。利用高分二号和Google Earth影像分别进行实验,实验结果表明,该方法有效结合了粗细尺度优势,阴影检测误检率和漏检率较低,同时对较亮阴影和较暗地物均具备较好的识别效果。