利用规则进行高分辨率遥感影像地物提取

针对高分辨率遥感影像中地物的复杂性和多变性带来的地物提取难点,提出了一种基于多层次规则的面向对象的典型地物提取方法。改进了基于区域增长的影像分割方法,利用小区域内的全局最优策略进行初始增长,避开了种子点的选择。利用影像分割得到的影像对象作为地物提取的基元,针对影像上典型地物选择提取特征,利用多层次的提取规则进行地物提取,总的提取精度达到87.1%。     

密集城区高分辨率遥感影像建筑物提取

建筑物在地理国情监测中是一个重要目标,快速、准确地提取城市建筑物可以带来巨大的经济价值。本文在前人针对城市区域的建筑物提取研究基础上,对现有提取方法存在的问题,提出了一种针对密集城区的面向对象自动化建筑物提取流程。首先利用高分辨率遥感影像得到阴影和建筑物初提取结果;然后利用阴影和建筑物的空间位置关系,建立筛选条件,对疑似建筑物区域过滤;最后通过图割算法来精确建筑物轮廓。通过使用武汉地区的两幅QuickBird影像进行算法验证试验,可得到准确的检测结果。本算法可应用于密集城区的建筑物检测,能够有效减少人工判图的工作量。     

基于高分辨率遥感影像的道路网络提取算法研究

作为遥感信息分析领域的重要工作之一,高分辨率遥感影像道路提取对于地理信息建库、城市建设规划、城市地形分析与三维表达等方面具有重要的研究意义。本文提出了多种改进算法组成的遥感影像道路网络提取方法,首先使用超像素分割(Simple Linear Iterative Clustering, SLIC)算法对高分辨率遥感影像进行分割处理并使用改进K-means算法对分割后影像进行分类;其次根据绿色植被指数(Green Vegetation Index, CVI)值滤除非人工区域并使用OTSU算法分割提取得到初始道路网络;最后对提取道路网络进行优化处理得到精细化道路网络。使用广州市某地高分辨遥感影像对本文提取算法进行验证,结果表明,本文算法能够有效地提取道路信息,提高道路网络提取精度。     

基于形态重建的高分辨率遥感影像城市道路提取

根据城市道路在高分辨率遥感影像中的形态特性,提出一种基于形态重建的提取方法。试验结果表明,该方法能有效地从高分辨率遥感影像中提取出城市道路网。     

高分辨率遥感影像分割方法研究

在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。     

基于多特征对象的高分辨率遥感影像分类方法及其应用

提出了基于多特征对象的高分辨率遥感影像分类方法，分析了该方法相对于基于像元的和单纯依靠光谱特征的传统处理方式所具有的优势，总结了该方法的特点，并给出了相关实验结果。实验表明，对于高分辨率遥感影像，基于多特征对象的分类技术能产生较好的结果。     

基于高分辨率遥感影像的面向对象水体提取方法研究

根据高分辨率遥感影像的特点,利用面向对象的方法对高分辨率遥感影像进行了水体提取.选取最优分割尺度和分割参数对试验区进行了分割;建立了对象知识库;选择合适的阈值参数进行了水体的提取和河流、湖泊的分类;把面向对象方法分类结果与传统方法分类结果进行了对比分析.试验表明,面向对象水体提取方法具有更高的精度,不仅有效地区分了水体和阴影,而且很大程度上抑制了"椒盐现象".     

高分辨率遥感影像中农田灌溉设施的提取

针对目前传统人工解译和半自动提取技术自动化程度不高的问题,利用面向对象分类的方法对高空间分辨率遥感影像中的农田灌溉设施进行提取,并与监督分类方法进行对比分析。结果证明,基于面向对象的分类方法提取农田灌溉设施,能够获得较好的提取结果。这为耕地分等定级以及农田线状地物设施监测等工作提供了有效的科学技术支持。     

基于高分辨率遥感影像的城市地表信息提取研究

针对高分辨率遥感影像在城市地表信息提取中存在的若干问题,发展了一种基于影像对象最优特征组合的城市地表信息提取方法。该方法首先基于面向对象的思想,抽象出城市地表信息所对应的影像对象的各种特征,然后,基于先验知识和样本分析选择最优特征组合,建立有效的影像对象特征集,最后,采用基于知识规则的模糊逻辑分类器快速准确地检测、识别和提取城市各类地表信息。实验结果表明,该方法具有较好的分类精度,其分类结果可为土地利用变化监测和GIS数据库更新提供依据。     

高分辨率影像农田信息提取方法

选取河南省安阳市某地冬小麦长势良好的Quick Bird影像,首先应用数学形态学的开运算对高分辨率遥感影像进行分割,将种植冬小麦的农田与反射率较高的空地、道路、农村居民地进行区分,人工选择并提取需要分析的农田区域,计算其边界并进行细化,最终提取农田边界信息。整体处理流程基于VC++6.0编程实现。     

高分辨率卫星影像立体测图分析研究

运用高分辨率卫星遥感影像立体像对,利用少量的外业控制点,进行l：10000比例尺地形图立体测图精度试验,获取分辨率更高的彩色影像。     

高分辨率卫星遥感图像及其应用

介绍了目前世界上分辨率最高的卫星图像,它的分辨率达到２ｍ。如果结合同时摄取的具有８０％重叠度的１０ｍ分辨率图像,就可以得到数字正射影像或进行立体量测。如果应用中需要这种高分辨率的图像,可以直接通过Ｉｎｔｅｒｎｅｔ网络购买或订购。     

TM影像的居民地信息提取方法研究

从对居民地的遥感信息机理分析入手,分析了居民地在Ｌａｎｄｓａｔ ＴＭ２、ＴＭ３、ＴＭ４、ＴＭ５、ＴＭ７等各个波段上与其它地类的可分性。并探讨了增强居民地与其它地类的方法。同时进一步对各地物的谱间结构特征进行了分析,通过分析发现,以水泥顶和瓦项房屋为主的居民地,其ＴＭ２、ＴＭ４、ＴＭ７的光谱值比较接近,而其它地物除新修道路外,都不具备这一特征。这一特征可以用如下表达式来表达,ＴＭ２－ＴＭ４〈Ｔ１;Ｔ     

高分辨率卫星遥感影像姿态角系统误差检校

简要介绍高分辨率卫星遥感影像的严格几何处理模型,提出较为严密的影像姿态角系统误差检校模型。通过对SPOT-5、CBERS-02B两种卫星遥感影像的试验证实模型的正确性和方法的有效性。对影像姿态角系统误差进行补偿后,可明显提高卫星遥感影像对地目标定位的精度,且优于影像姿态角常差检校的效果,目标点平面定位精度达到了±(2～3)像素的水平。     

一种高分辨率遥感影像汽车识别检测方法

地物的自动识别一直是遥感影像处理领域的研究热点,目前已经形成了一些比较成熟的地物识别方法,如面向对象、支持向量机和BP神经网络等方法,均可得到较好的识别效果,但大都存在算法效率低,精度差、自动程度不高,需要大量人工参与等问题。本文尝试将基于机器学习算法的目标自动识别标注技术应用于遥感影像信息提取,在利用worldview2全色影像数据进行汽车识别研究的基础上,提出了在Microsoft Visual C++平台下利用OpenCV函数库,提取样本图像Haar特征,并采用Adaboost算法训练分类器,在高分辨率遥感影像上进行汽车自动识别、提取的新方法,并总结归纳了技术方法流程及相关程序。     

高分辨率卫星遥感数据在城市地图更新中的应用

城市地图是全面反映城市发展和城市社会经济现象的综合信息载体,是城市基础空间数据库和城市GIS的重要组成部分。文章就高分辨率卫星遥感数据在城市地图更新中的工艺、生产平台、影像纠正、影像融合、地图更新的方法及应用进行了探讨。     

利用分层聚合进行高分辨率遥感影像多尺度分割

针对高分辨率遥感影像的特点,提出了一种基于分层聚合的多尺度分割算法。该算法首先对遥感影像进行分水岭变换,然后对初始分割区域构建底层加权无向图,利用代数多重网格解法(AMG)在尺度空间求解最优的图割测度,整个分割过程自动得到了多尺度的分割结果。实验表明,该方法能够得到满意的分割结果,并具有较高的自动化程度。     

国产高分辨率遥感卫星影像自动云检测

云检测一直是卫星影像处理的难题,特别是混有地物光谱特性的薄云长期成为影像产品生产的阻碍。本文所介绍的国产高分辨率遥感卫星影像自动云检测方法能够有效克服这一难题。首先采用改进的颜色转换模型,将影像由RGB转换至HIS颜色空间,利用影像强度信息与饱和度信息生成基底图,并使用影像近红外与色调信息对其进行优化,生成修正图。然后利用直方图均衡化与双边滤波结合带限定条件的Otsu阈值分割提取纹理信息,并对修正图进行误差剔除生成云种子图。最后以HIS颜色空间的强度信息为向导,结合云种子图进行云精确提取。与不同自动、人工交互式云检测方法相比,总体精度提高了10%左右,并且能够较好地提升云检测效率。