面向多源数据地物提取的遥感知识感知与多尺度特征融合网络

遥感地物自动提取是遥感智能解译中的关键问题,对空间信息的理解和知识发现具有重要意义。近年来,使用全卷积神经网络（fully convolutional networks, FCN）从高分影像和三维激光雷达（light detection and ranging, LiDAR）数据中提取地物信息因取得了较好效果而受到广泛关注。现有FCN网络在地物提取精度和效率等方面仍存在不足,由此提出一种基于多源数据的遥感知识感知与多尺度特征融合网络（knowledge-aware and multi-scale feature fusion network, KMFNet）。在网络编码器端融入遥感知识感知模块（knowledge-aware module, KAM）,高效挖掘多源遥感数据中的遥感知识信息;在网络编码器和解码器之间添加了串并联混合空洞卷积模块（series-parallel hybrid convolution module, SPHCM）,提高网络对地物多尺度特征的学习能力;在解码器端使用了渐进式多层特征融合策略,细化最终的地物分类结果。基于公开的ISPRS语义分割标准数据集,在LuoJiaNET遥感智能解译开源深度学习框架上将KMFNet与当前主流方法进行了对比。实验结果表明,所提方法提取出的地物更为完整,细节更加精确。     

基于语义分割网络的高分遥感影像城市建成区提取方法研究与对比分析

城市建成区的提取对城市发展规划有着重要的作用.为了找出能兼顾效率和识别准确率的基于卷积神经网络的遥感影像城市建成区提取方法,从神经网络结构的原理出发,对多种语义分割网络的内部结构进行对比分析,并针对语义分割网络分别进行训练及结果比较.实验结果表明,ShelfNet-50网络能够在训练速度最快的同时保证很高的识别准确率,...     

基于多源卫星影像SVM分类方法的研究

简要介绍了卫星影像的预处理过程--纠正和融合,对3种常用融合方法SFIM融合、HIS融合和Brovey融合进行了分析比较,在此基础上对卫星影像的分类方法进行了比较分析,重点研究并详细介绍了多源卫星影像SVM分类方法.     

基于深度学习的高分四号卫星图像超分辨率重建

针对高分四号卫星图像中波红外谱段空间分辨率远低于相应的可见光近红外谱段,提出一种基于深度学习的高分四号卫星图像中波红外谱段超分辨率重建方法。首先,设计卷积回归网络进行初步重建,利用8倍下采样的可见光近红外谱段和原始中波红外谱段训练回归网络。然后,设计卷积重建网络进行进一步重建,利用低分辨率初步重建结果和原始中波红外谱段训练重建网络。最后,将原始可见光近红外谱段依次输入到训练好的回归网络和重建网络,得到最终的中波红外谱段超分辨率重建结果。以湖北和江西部分地区真实数据进行试验,结果表明该方法能有效提高中波红外谱段空间分辨率,与其他方法对比均方根误差至少下降了7.54,且目视效果更清晰自然,有利于扩展高分四号卫星的应用范围。     

浅谈多源多分辨率遥感数据整合

本文以ArcGlobe为平台,表现江西省的多源多分辨率遥感数据对江西省现有遥感数据的整理分析,提取出所需区域的最新遥感影像资料,补充制作缺失的遥感数据,将各传感器源的影像模拟为近自然真彩色影像,解决影像间的几何差异和色彩差异问题,对影像数据进行整合,建设2.5m-15m分辨率的省级影像库和0.2m-1m分辨率的设区市影像库,同时对影像数据的查询方法和管理方法进行探讨和研究。     

高分遥感影像双通道并行混合卷积分类方法

高空间分辨率遥感影像拥有丰富的空间细节信息和多光谱信息。研究表明,二维卷积神经网络适于提取空间信息,而三维卷积神经网络更适于提取光谱信息。为了更好地利用空谱信息,本文提出一种双通道并行混合卷积神经网络(DPHCNN)方法,充分联合二维与三维卷积神经网络在空谱信息提取上的优势,同时引入混合注意力机制、多尺度卷积增强空间细节特征的提取能力,实现高分影像的精准分类。试验中利用高分二号影像数据集进行验证,与当前先进的深度学习分类方法相比,本文提出的DPHCNN方法在保证分类精度高、分类效率较好的同时,能在多时相影像分类中保持最高的稳健性,在综合评价上更具优势。     

面向高分影像建筑物提取的多层次特征融合网络

建筑物规模及其分布是衡量一个地区经济社会发展状况的关键指标,因此研究基于遥感影像的建筑物提取具有重要意义。现有神经网络方法在建筑物提取的完整度、边缘精确度等方面仍存在不足,由此提出一种基于高分遥感影像的多层次特征融合网络(multi-level feature fusion network,MFFNet)。首先,利用边缘检测算子提升网络对建筑物边界的识别能力,同时借助多路径卷积融合模块多个维度提取建筑物特征,并引入大感受野卷积模块解决感受野大小对特征提取的限制问题;然后,对提取的特征进行融合,利用卷积注意力模块进行压缩,经金字塔池化进一步挖掘全局特征,从而实现建筑物的高精度提取。并与当前主流的UNet、PSPNet(pyramid scene parsing network)、多路径特征融合网络(multi attending path neural network, MAPNet)和MDNNet(multiscale-feature fusion deep neural networks with dilated convolution)方法进行对比,使用亚米级的武汉大学航空影像数据...     

国产高分卫星遥感影像融合方法比较与评价

选择适宜的融合方法有利于卫星遥感影像融合产品更好地服务于生产实践及科学研究。本文在总结现有影像像素级融合算法原理的基础上,选用Pansharp、Gram-Schmidt、HPF、Ehlers、Subtractive、Modified IHS、Brovey、PCA、NNDiffuse等多种常用的影像融合方法对国产高分影像的全色和多光谱数据进行了融合处理,并从定性和定量的角度对融合结果进行了详细评价,试图寻找适用于国产高分卫星遥感影像的最佳融合方法。结果表明：针对国产高分一号卫星遥感数据,超分辨率贝叶斯算法融合效果在视觉效果与影像质量定量评价指标中综合表现最佳;Gram-Schmidt、NNDiffuse、Subtractive和HPF融合结果地物边界最为清晰;Modified IHS、PCA、Brovey融合影像色彩失真较为明显;NNDiffuse在可见光波段表现较突出;Gram-Schmidt在近红外波段表现效果最佳。     

基于注意力增强全卷积神经网络的高分卫星影像建筑物提取

从卫星遥感影像中自动提取建筑物在国民经济社会发展中具有广泛的应用价值,由于卫星遥感影像存在地物遮挡、光照、背景环境等因素的影响,传统方法难以实现高精度建筑物提取.采用一种基于注意力增强的特征金字塔神经网络方法(FPN-SENet),利用多源高分辨率卫星影像和矢量成果数据快速构建大规模的像素级建筑物数据集(SCRS数据集...     

基于AlexNet网络的高分辨率遥感影像建筑物提取方法研究

高分辨率遥感影像的数据源日益增长使得其成为主要的遥感数据源之一。本文研究了一种基于AlexNet网络的高分辨率遥感影像建筑物提取方法,该方法是在卷积神经网络的基础上,建立一种端到端自动提取影像中建筑等物体位置的方法:首先使用图像增广技术增加数据集的丰富性和多样性;再通过超参数搜索选择网络使用的较优参数,最终实现了遥感影像中建筑物的自动提取。实验结果表明,该方法可达到75%的提取精度;与传统方法进行定性和定量对比,该方法具有耗时少、精度高的特性,对后续城市规划、三维建模等应用有着重要意义。     

异源高分辨率遥感影像的三维重建

针对在实际应用中难以获得同源高分辨率遥感影像,利用同源高分辨率影像实现高精度、自动化的三维重建仍存在一定困难的现状,该文提出一种利用异源高分辨率遥感影像进行三维重建的方法。采用尺度不变特征变换算法对影像进行匹配以获取同名点,并使用随机抽样一致性算法剔除低精度匹配点;然后利用获取的同名点构建Delaunay三角网;接着根据有理函数反解模型和投影射线联合定位算法解算各个同名点的三维坐标;最后基于Delaunay三角网内插技术求取地物点的高程值,并基于OpenGL技术实现三维显示。试验结果表明,利用该方法可以实现异源高分辨率遥感影像的三维重建,精度上能够满足生产需求。     

多源卫星遥感影像区域网联合平差技术

针对地理国情普查数字正射影像底图制作过程中数据源种类多、数据量大以及传统的单景正射纠正方法费时费力等问题,该文提出了多源卫星遥感影像区域网联合平差法,对大区域多景多源卫星影像进行正射纠正的方法。先利用各影像间的连接点进行自由网平差,建立一个稳固的网形;然后在自由网中均匀地添加少量地面控制点,对整个区域进行控制网平差。平差过程中利用仿射变换模型对RFM进行像方改正,以减小其系统误差。实践证明该方法可以获得较高的成图精度,满足地理国情普查底图DOM制作的精度要求,且能提高DOM的生产效率。     

基于混合式特征选择的高分五号影像农田识别

精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS（Sequential Backward Selection）方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法（随机森林RF（Random Forest）、互信息MI（Multi-Information）和L1正则化（L1 regularization））和3种分类算法（随机森林、支持向量机SVM（Support Vector Machine）和K近邻KNN（K-Nearest Neighbor））的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度（94.64%）和农田召回率（95.83%）。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。     

10m级分辨率卫星影像道路语义模型研究

道路模型是遥感影像自动/半自动道路提取中重点研究的内容。本文首先介绍了传统的影像道路模型并指出其中不足,从语义的角度阐述了建立道路语义模型的必要性,概述了10m级分辨率卫星遥感影像道路的表现特征,分析了遥感影像道路提取涉及的各层次语义信息,建立了面向10m级分辨率卫星遥感影像的道路语义模型,详细阐述了语义模型的实现过程。将语义模型应用于笔者开发的遥感影像道路提取系统,通过新疆阿图什Spot5多光谱遥感影像道路提取试验,验证了道路语义模型的有效合理性。     

多源遥感数据支持下的城市生态状况评价

城市生态环境监测具有数据来源广泛、监测要素复杂、服务对象多样等特点,整合可用的资源进行城市生态的综合监测成为目前关注的热点。本文利用高分辨率遥感影像,以及地表覆盖、城市边界等遥感产品,在现有遥感生态指数的基础上,结合黑臭水体指数,构建适合综合评估城市生态状况的集成遥感监测模型,实现对城市生态环境状态的多维度监测。该方法能够较准确客观地反映城市的生态环境质量,理论上补充了基于遥感数据的城市生态环境监测方法,可为城市生态环境监测的信息化建设提供技术支撑。     

国产“环境一号”(HJ-1)卫星遥感影像桥梁提取研究

基于桥梁与水体的空间关系,结合卫星遥感影像数据包含的多光谱和形态学特征信息,提出一种有效提取国产“环境一号”(HJ-1)卫星遥感影像桥梁目标的方法.利用国产“环境一号”(HJ-1)卫星遥感影像数据进行桥梁目标提取试验.结果表明,该方法能快速、准确、有效地提取“环境一号”卫星影像中的桥梁目标,具有一定的应用价值.     

遥感影像提取土地覆盖信息的决策树优化方法

针对高分辨率遥感影像分类的传统ID3算法采用的信息增益熵为局部非回溯的启发式的缺点,提出了决策树引入模拟退火算法,得到一个面向影像特征优先级的优化的决策树分类算法。采用优化的决策树算法进行高分辨率遥感影像的分类,能较好地解决样本依赖性问题,并且得到一个全局优化的分类结果。通过实验,对农村地区的SPOT影像进行分类,并且通过对较优尺度下优化的决策树算法与神经网络算法和最大似然法对实验区域的影像分类精度的比较,证明了与ID3决策树分类方法相比较,优化的决策树方法能有效地提高农村地区在各尺度下SPOT影像的分类精度。     

多源时相遥感影像数据耦合的水库库容曲线重构

遥感技术为库容曲线的重构带来了新思路,但仍存在多源遥感影像数据难以直接应用、水库批量面积提取效率低等问题,难以形成一套系统化、流程化的方法进行广泛应用。基于此,本文提出了多源时相遥感影像数据耦合的库容曲线重构方法,并重构了深圳市径心水库的水位-库容关系曲线。试验证明,重构后的库容曲线常水位区间的库容曲线偏离率在4.23%~11.5%之间,能够为径心水库的调度管理提供参考,同时对全国库容曲线无法及时重构的水库具有参考意义。     

Mapping fuels at the wildland-urban interface using colour ortho-images and LiDAR data

Fuel type mapping of the wildland-urban interface (WUI) in support of fire spread simulation modelling should include both natural and urban features. The objective of this study was to evaluate the utility of (1) Light Detection and Ranging (LiDAR) structural data, (2) ortho-image data and (3) a combination of both as input to an object-based classification approach for mapping fuels within two WUI areas in San Diego, California. A separability analysis was utilized to determine the surface topographical and spectral layers most influential for discriminating WUI fuels. An accuracy assessment revealed that the combination of LiDAR and ortho-image data inputs substantially increased classification accuracy by 20–30% and achieved overall accuracies?>?80%. Results from the study provide knowledge on how reliable fuel types within the WUI can be mapped using high-resolution LiDAR and ortho-image data while presenting new insights into fuel type mapping.     

基于HRNet的高分辨率遥感影像建筑物变化信息提取

建筑物图斑变化检测是遥感影像信息提取的重要内容之一,对于土地调查、自然资源常态化监测、土地执法监测等具有重要意义。岭南地区建设结构复杂,高分辨率遥感影像信息丰富,包含建筑结构细节多种多样,加上成像的季节不同、时间不同等因素导致建筑物变化信息的自动提取十分困难。针对此问题,本文提出了基于HRNet的语义分割模型,通过筛选保留高分辨率的特征层,从而保留更细节的图像信息。此外,结合图像分割二值化对结果进行优化,在一定程度上提高了高分辨率遥感影像建筑物变化自动检测的能力。