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。     

甘肃省地表要素遥感解译样本库建设与应用

面对自然资源遥感监测体系建设和省级基础测绘重点要素年度更新需求,本文以地理国情地表覆盖为主要参考数据,提出了省域遥感解译样本库的建设方法。首先制定了适用于深度学习的甘肃省自然资源遥感解译样本分类体系和顾及地学知识的样本选取标准,据此构建了囊括不同尺度单元的全要素、单要素和变化检测3类样本数据集;然后基于自主研建的甘肃省遥感解译样本库平台,构建了从样本采集、模型训练、智能解译到质量评估的全链路技术体系。试验结果表明,面向不同尺度区域,地物提取准确率达90%,变化检测准确率达74%,实现了地表要素从粗粒度到细粒度的自适应解译。研究成果在甘肃省省级基础测绘更新、城市国土空间监测及非农化监测等领域进行了业务化应用,提高了自然资源管理精准化和智能化水平。     

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。     

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.     

遥感影像解译标志库的建立和应用

在遥感影像解译标志库中,全面、综合地总结了各种解译要素和常见的各种典型地物及其解译标志。该库具有全面性、综合性、开放性和包容性的特点。同时,结合该遥感影像解译标志库,成功地实现了对研究区的遥感地质解译。根据所建立的解译标志库系统地总结了研究区各种岩性的遥感影像特征;解译结果与1:200000地质资料相对比,共发现18处影像特征与其不一致的地方。经野外验证,根据解译标志库所建立的不同岩性的解译标志及解译结果是准确可靠的。     

一种基于ArcGIS的地理国情解译样本反向叠加显示方法

目前,通过清华山维、苍穹等地理国情监测外业普查系统软件导出的遥感影像解译样本数据无法在ArcGIS下与地理国情数据相叠加。针对这一问题,从应用角度出发,结合现有技术流程,充分挖掘ArcGIS现有功能实现遥感影像解译样本反向叠加,以解决内外业整理阶段及检查阶段的样本库不能直接使用问题。该方法具有简单高效、实用性强的特点。     

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.     

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。     

自然资源要素智能解译研究进展与方向

自然资源要素解译是自然资源调查监测工作中最基础、投入工作量最大、技术难度最高的工作,存在可解译类别少、要素边界不准不全、类别属性可靠性不高等诸多挑战。本文从自然资源调查监测应用场景出发,首先从要素解译到场景要素耦合的解译范式、数据驱动到知识驱动的解译方法、人工目视到人机协同的解译手段3个方面阐述了自然资源要素自动解译的研究进展;然后探讨了6个重点研究方向及其研究内容,包括场景要素耦合解译、知识驱动语义理解、人机协同智能解译、内外一体与三维环境解译、关键参数精准计算与定量反演,以及高可信质量控制与真实性验证;最后进行了总结与展望,以期为自然资源要素智能解译研究提供思路,推动解决困扰遥感影像自动解译方法在自然资源调查监测业务应用中的瓶颈问题。     

人机融合智能的遥感解译生产新方法

以深度学习与测绘生产技术深度融合为基本理念,本文阐述了测绘地理信息技术跨界融合发展给现有遥感解译生产流程带来的变革,分析了现有软硬件环境下智能化生产面临的关键问题,提出了一种人机融合智能的遥感解译生产新方法。该方法突破了多GPU并行训练、滚动反馈训练和分布式微服务应用等多项关键技术,研发出了自然资源深度学习遥感智能解译平台和自然资源深度学习动态解译插件,并在全球地理信息资源建设与维护更新等测绘工程项目中的关键生产环节,进行了规模化的生产应用。经过多个项目实践验证,机器智能与人类智能在遥感解译生产中,通过渐进式人机交互操作进行高效融合,不仅大幅减轻了生产人员工作量,还提升了遥感解译的科学性和时效性,为测绘生产和自然资源调查监测工作提供了强有力的技术支撑。     

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。     

地理国情普查中解译样本问题及处理方法研究

遥感影像解译样本是辅助高分辨率遥感影像目视解译的重要参考资料.对在地理国情普查项目生产实践中解译样本拍摄时遇到的若干问题进行了探讨,并阐述了相应的处理方法.对解译样本进行研究能够大幅度提高内业影像判读的准确性,从而降低外业工作量,提高工作效率.     

面向深度学习的遥感影像样本库建设技术研究

针对深度学习样本制作技术稀缺以及样本复用性差等问题,本文围绕自然资源督察业务、测绘生产项目等需求,面向深度学习算法和模型,基于多源多时相卫星遥感影像,结合已有地理国情监测数据、基础地理信息数据等资料,对水体、林地、推填土等典型自然资源要素,开展了遥感影像处理、样本数据制作、质量控制、成果入库等方面的技术研究,初步建立了一套面向深度学习的遥感影像样本库建设技术体系,有效促进了样本数据的统一管理、重复利用和动态更新。     

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。     

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。     

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。     

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。     

复杂山地环境下典型地物解译规则库研究

选择重庆市山地区域为研究区,以World View-2影像为研究对象,基于植被构面成果,采用面向对象的分类方法探讨了复杂山地环境背景下典型地物的光谱、纹理、几何、结构等特征;构建了适合山地环境地物遥感分类的解译规则库,自动进行地物的分类解译,并对分类结果进行了精度评价。结果表明,面向对象分类方法构建的解译规则库能够适用于复杂山地环境遥感影像的分类,保证了地物形状和属性的完整性,提高了遥感影像的分类精度;基于植被构面成果建立的解译规则库解决了地物分类时林地和果园难以区分的困难,提高了复杂山地环境下遥感影像的分类精度。     

典型地物光谱知识库研究与设计

本文从当前遥感解译工作存在着“同物异谱”和“同谱异物”等问题出发,提出建立光谱知识库,着重开展典型地物选取以及数据库设计等研究,分析典型地物特征以及采集周期,设计典型地物分类编码,开展光谱知识库概念、逻辑、物理等结构设计,形成以地物光谱实测子库、遥感影像样本子库、遥感信息子库、元数据子库组成的光谱知识库,为今后光谱数据采集、处理、检查、入库等工作提供依据,为测绘工作中“数据获取实时化、数据生产智能化”的目标提供技术支撑。