遥感影像解译样本的一体化生产研究

遥感影像解译样本数据包括地面照片和遥感影像实例,是制作遥感影像解译样本数据库的基础资料。文中针对地理国情普查中遥感影像解译样本的采集、整理进行了研究,通过利用GEOWAY地理国情普查外业调绘核查软件完成遥感影像解译样本的采集、整理,实现了解译样本的一体化生产流程,并与传统的纸质调绘、PDA数字调绘进行对比分析,充分证明解译样本的一体化生产流程自动化程度高,减少了人力、物力,提高了生产效率。     

遥感影像智能解译样本库现状与研究

我国遥感对地观测等项目顺利实施,获取了大量时效性强、覆盖范围广、信息量丰富的遥感数据.但遥感影像智能化自动处理技术发展仍相对滞后,无法满足区域/全球大范围地物信息快速提取的需求.近年来,人们利用深度学习技术显著提高了影像特征提取成效,但由于所使用的深度学习样本数量和类型有限,对于多源遥感影像的自动解译能力仍然不足.本文面向大范围多源遥感影像地物信息智能解译需求,在分析现有样本集现状及问题的基础上,研究提出遥感影像智能解译样本库设计方案,并在此基础上设计了基于互联网的样本协同采集与共享服务框架.本文将为多源遥感影像样本库建设提供参考,为大范围遥感影像智能解译提供支持.     

自然资源要素遥感智能解译样本分类体系研究

根据湖北省自然资源监测监管对大规模遥感智能解译的需求,对已有遥感智能解译样本数据集进行了总结,从提升地类细分领域的深度学习模型效果出发,研究了遥感影像智能解译的典型应用场景和解译对象,构建了湖北省自然资源要素遥感智能解译样本分类体系,并以优于2 m的多源异构高分辨率光学遥感影像为数据源,开展遥感智能解译样本采集。通过具体业务应用场景实验证明,建立的智能解译样本分类体系及其样本库,能够较好地反映湖北省自然资源卫星遥感影像智能解译的区域特征,取得较之前的样本库更为有效的解译效果。     

遥感影像解译样本生产质量控制方法研究

针对第一次全国地理国情普查质量检验过程中发现的遥感影像解译样本数据的质量问题,如遥感影像解译样本缺少典型性、地面照片拍摄不符合技术规程、影像实例数据结构异常等系统性质量问题,以及解译样本采集中存在操作不规范、样本采集主观影响较大等主观性质量问题,该文分析了影响遥感影像解译样本质量的关键生产要素、环节与原因等,提出了全过程的生产质量控制方法,给出了提高遥感影像解译样本过程的质量控制措施。该研究提出的基于全过程质量控制体系新需求,以解决质量问题为导向的生产质量控制方法,可以提升遥感影像解译样本质量,并为今后相关工程项目生产过程的质量控制提供借鉴。     

遥感解译标志建立思路研究

针对地理国情普查与监测中遥感解译工作量大、解译难度高,解译工作人员不可能逐一实地核实每一个图斑的具体问题,提出了建立遥感解译标志库辅助作业人员解译的思路,以国情普查遥感解译样本数据库的建立为例,建立遥感影像解译样本标志库,方便遥感解译人员进行准确解译。     

地理国情遥感解译样本质量控制与检查初探

在众多国情普查成果中遥感解译样本为解译地表要素起着至关重要的作用。遥感影像解译时,对地理环境的正确认知是保证解译结果正确的基本前提。利用具有对照关系的地面照片和遥感影像为主的解译样本数据,可以为遥感影像解译者对相关地域建立正确的认识提供支持,也可在解译结果的质量控制方面发挥重要作用,同时也为长期监测积累实地参考资料。希望本文能为今后遥感解译样本的检查提供一些有益的建议,为保证地理国情普查任务的顺利开展提供帮助。     

遥感影像解译样本数据的检查方法

以鄂伦春自治旗测区的数据成果为例,介绍遥感影像解译样本数据的检查方法,包括对地面照片、遥感影像实例的人工检查,以及使用Python编制程序提取地面照片的EXIF信息,对遥感影像解译样本数据库中的属性信息进行自动对比检查,提高了质量检查效率及正确率。     

遥感影像解译样本数据生产及其质检系统的设计与实现

遥感影像解译样本数据生产及质检是全国地理国情普查内业编辑与整理的重要环节,数据量和涉及面都较大。遥感影像解译样本数据生产及质检系统依据相关技术规定,基于C#开发,运行平台为.NET Framework。实践证明,该系统运行稳定可靠,提高了样本数据库的生产效率和质量,减轻了劳动强度,对遥感影像解译样本数据的内业编辑与整理有着重要的意义。     

耦合知识图谱和深度学习的新一代遥感影像解译范式

在遥感大数据时代,遥感影像智能解译是挖掘遥感大数据价值并推动若干重大应用的关键技术,如何将知识推理和数据学习两类解译方法有机联合已成为遥感大数据智能处理的重要研究趋势。由此提出了面向遥感影像解译的遥感领域知识图谱构建与进化方法,建立了顾及遥感成像机理和地理学知识的遥感领域知识图谱。在遥感领域知识图谱支撑下,以零样本遥感影像场景分类、可解释遥感影像语义分割以及大幅面遥感影像场景图生成3个典型的遥感影像解译任务为例,研究了耦合知识图谱和深度学习的新一代遥感影像解译范式。在零样本遥感影像场景分类实验中,所提方法在不同的可见类/不可见类比例和不同的语义表示下,都明显优于其他方法;在可解释遥感影像语义分割实验中,知识推理与深度学习的联合方法取得了最好的分类结果;在大幅面遥感影像场景图生成实验中,知识图谱引导的方法精度明显高于基准的频率统计方法。遥感知识图谱推理与深度数据学习的融合可以有效提升遥感影像的解译性能。     

基于精灵4 RTK无人机的地理国情监测遥感解译样本采集的应用研究

精灵4 RTK无人机搭载的相机配备1英寸2000万像素,支持0—90°俯仰角拍摄,可满足地理国情遥感解译样本拍摄要求.基于精灵4 RTK无人机拍摄遥感解译样本,不但可以解决不可到达区域样本拍摄问题,而且能自定义飞行拍摄模式,实现了遥感解译样本拍摄自动化、智能化,丰富了遥感解译样本数据的获取手段,大大提高了遥感解译样本采集效率.本文基于无人机拍摄技术,结合遥感解译样本数据采集中的应用场景,提出了一种便携、智能的遥感解译样本采集方法,可为地理国情监测遥感解译样本采集提供技术支撑.     

深度学习遥感影像解译技术在耕地保护中的应用

耕地保护事关国家粮食安全、生态安全和社会稳定,是国计民生的头等大事。深度学习技术在海量数据分析领域的广泛应用,为高效、精准的遥感影像解译提供了技术基础。本文研究了基于深度学习的遥感影像解译技术,利用遥感影像数据和对应的矢量数据构建了可供训练的解译样本库,并提出了一种基于深度残差网络结构的解译模型。通过试验证明了该模型的实用性,实现了对试验区域主要地类面积的变化监测,对比多期影像解译结果和增减挂钩等业务数据,验证了耕地复垦的实施情况。结果表明,深度学习遥感影像解译技术在耕地保护领域有较广泛的应用前景。     

遥感影像解译的研究现状和发展趋势

回顾了遥感影像解译的发展概况,分析了各种影像解译方法的研究现状和特点,并在此基础上对遥感影像智能解译的发展趋势进行了展望。     

遥感影像智能解译:从监督学习到自监督学习

遥感影像精准解译是遥感应用落地的核心和关键技术.近年来,以深度学习为代表的监督学习方法凭借其强大的特征学习能力,在遥感影像智能解译领域较传统方法取得了突破性进展.这一方法的成功严重依赖于大规模、高质量的标注数据,而遥感影像解译对象独特的时空异质性特点使得构建一个完备的人工标注数据库成本极高,这一矛盾严重制约了以监督学习为基础的遥感影像解译方法在大区域、复杂场景下的应用.如何破解遥感影像精准解译"最后一千米"已成为业界亟待解决的问题.针对该问题,本文系统地总结和评述了监督学习方法在遥感影像智能解译领域的主要研究进展,并分析其存在的不足和背后原因.在此基础上,重点介绍了自监督学习作为一种新兴的机器学习范式在遥感影像智能解译中的应用潜力和主要研究问题,阐明了遥感影像解译思路从监督学习转化到自监督学习的意义和价值,以期为数据源极大丰富条件下开展遥感影像智能解译研究提供新的视角.     

交互式遥感影像解译认知模式研究

交互式遥感影像解译系统是一个有人参与的复杂系统,解译者的行为决定了系统相当一部分性能.解译行为是一个不断重复进行的信息处理过程,深入研究解译者的信息加工模式,是提高遥感影像解译质量和解译速度的核心.随着认知工效研究的深入和人工智能的发展,传统的基于"刺激(S)-机体(O)-反应(R)"的影像信息认知模式已不能满足遥感影像信息提取技术发展的要求.在对影像解译系统建模与分析的基础上,根据现代认知科学理论,对解译者的信息获取和处理机制进行了研究,建立了解译者在解译过程中对遥感影像的信息处理结构模型,并对模型的作用和特点进行了简单分析,分析结果将为影像解译者的认知过程研究和相关系统开发设计提供依据.     

北京市第一次地理国情普查遥感影像解译样本的采集分析

遥感影像作为地理国情普查工作中重要的采集依据,关系着整个国情普查成果的质量。本文通过在北京市第一次地理国情普查中遥感影像解译样本采集的实际经验对采集方法及质量控制等方面进行分析。     

高分辨率遥感影像智能解译研究进展与趋势

遥感影像解译是一个不断发展的研究方向,随着日新月异的遥感应用需求、高分辨率遥感数据的快速发展、地理知识的日积月累、以及人工智能技术的发展,亟需发展自动化、智能化的遥感影像解译技术。本文针对遥感影像智能解译,首先从遥感影像解译单元、分类方法、解译认知3个方面阐述遥感影像解译的研究进展,然后提出了面向地理场景的 “地理知识图谱构建—深度学习模型构建—地理知识图谱与深度学习模型协同的遥感影像语义分类”遥感影像智能解译总体框架,并给出初步试验成果,最后对智能解译的重要发展趋势予以展望,以期拓展遥感影像智能解译研究的思路与方法,提高遥感影像智能解译的精细程度和智能化水平,使智能解译具备地理空间理解能力,推动“数据—信息—知识—智能”的深度转化。     

高分辨率遥感影像解译中的机器学习范式

高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值.传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低.所以,如何自动、高效地实现高分辨率遥感影像解译是亟待解决的问题.近年来,随着人工智能技术的飞速发展,采用机器学习...     

地理国情普查外业调查与核查探讨

地理国情普查主要是查清我国地形地貌、地表覆盖等自然和人文地理要素的现状和空间分布情况,建立普查成果数据库,为开展常态化的国情监测奠定基础。正确理解吉林省地理国情普查技术设计和作业指导书,以及国情普查的内容与指标,进行外业核查与遥感影像解译样本采集工作,为最终形成地理国情要素数据、地表覆盖分类数据和遥感影像解译样本数据库奠定基础。     

第二次土地调查遥感影像解译应用分析

在明确遥感影像的类型、解译概念、解译过程的基础上,深入探讨了遥感影像的解译方法及其应用,并以建立图像解译标志的实例,生动的展示了遥感影像解译在第二次土地调查中的重要作用。在影像解译流程化、系统化工作层面,提供了良好的技术经验。     

基于纹理特征的遥感影像监督分类

影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。