基于多通道数据融合的无人机遥感影像地物目标提取方法

针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好.     

基于语义和边缘特征融合的高分辨率遥感影像水体提取方法

利用卷积神经网络从遥感影像中提取水体时,水体对象边缘像素的特征与内部像素的特征之间往往存在较大差异,导致提取结果中边界模糊、内部像素与边缘像素的提取精度差异较大,影响了整体精度的提高。针对如何从高分辨率遥感影像中进行水体高精度、自动化提取的问题,文章首先以高分辨率遥感图像为基础,利用边缘提取算法生成边缘图像,然后以高分辨率遥感图像和边缘图像作为输入,建立了语义特征和边缘特征融合的高分辨率遥感图像水体提取模型（Semantic Feature and Edge Feature Fusion Network, SEF-Net）,用于从高分辨率遥感图像中提取水体对象。实验结果表明,SEF-Net模型在3个数据集中的召回率（91.97%、92.07%、93.97%）,精确率（91.12%、98.37%、97.88%）,准确率（89.56%、95.07%、94.06%）和F1分数（91.54%、95.12%、95.88%）均优于对比模型,说明SEF-Net模型从高分辨率遥感图像中提取水体时,具有更高的精度和泛化能力。     

基于形态重建的高分辨率遥感影像城市道路提取

高分辨率遥感影像中,城市道路表现为局部灰度近似、宽度变化缓慢的狭长区域。根据城市道路这些形态特性,提出基于形态重建的道路提取方法。先对原始遥感影像作增强处理,突出影像边缘信息,用Otsu自动阈值分割法对增强处理后的图像进行初步分割;再根据图像中各要素的形态特征构建不同的标记图像,分别对原图像进行形态重构,将道路和建筑物等分别生成新的图像模块;对形态重构生成的道路模块进行轮廓提取和细化,提取出道路轮廓和中心线。实验结果表明,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。     

基于知识规则构建和形态学修复的建筑物提取研究

提出了一种基于知识规则构建和形态学修复的建筑物提取方法,并以青岛市崂山区作为试验区开展建筑物信息提取研究.首先,选用试验区的快鸟影像,进行影像预处理、小尺度分割、大尺度合并、知识规则构建等算法处理,得到建筑物轮廓的粗提取结果,对提取结果经过形态学修复和边缘检测后,得到粗提取的建筑物轮廓矢量图;然后在以ArcGIS Engine为平台开发的建筑物提取系统中,以预处理后影像和第一步中获取的建筑物矢量图作为双底图,针对建筑物的不同形态,分别采用手扶跟踪数字化、自动跟踪数字化和模型数字化来规则化处理建筑物轮廓;最后获得建筑物轮廓的精提取结果.试验结果表明,与监督分类方法相比,这种方法提取出的建筑物轮廓清晰完整、精度高、速度快,提高了建筑物提取的自动化和智能化水平.     

面向高分辨率遥感影像建筑物变化检测的边缘感知网络

为提升建筑物变化检测精度,尽可能保留变化区域的边缘信息,提出一种边缘感知网络(Edge Sensing Net-work,ESNet),用于较大范围内的高分辨率遥感影像建筑物变化检测.ESNet由主干网、粗预测分支和精预测分支三部分组成:主干网用于提取多层次的特征差异图;粗预测分支通过跳跃连接的方式融合深层特征图与浅层特征图,以获得变化检测的粗预测图;精预测分支选取粗预测图中预测不确定性较大的点,通过融合点的深层和浅层特征实现点的变化属性再判别,从而获取建筑物变化区域的精细化边缘信息.在航空影像和卫星影像建筑物变化检测数据集上的实验表明,相比STANet、UNet++MSOF等变化检测方法,该方法变化检测精度最高,且能有效保留边界的细节信息.     

基于Mean-shift影像分割算法的TM影像分类及城市扩展研究

以马来西亚雪兰莪州及首都吉隆坡为例,将Mean-shift算法的影像分割方法应用于研究区的TM影像分类中,较传统方法的分类精度更高,可满足应用需求.依据该分类结果对研究区的空间城市化特征进行分析.发现近期研究区一直处于高速扩展阶段,外延式扩展和填充式扩展并行发展成为该研究区城市扩展的主导模式.     

面向对象的高分辨率影像城市建筑物提取

依据高分辨率遥感影像的特点,采用面向对象方法提出"自下而上"的多尺度分割方法,即按照由小尺度分割至大尺度分割的顺序,并结合掩膜操作对山东师范大学IKONOS影像进行了建筑物提取试验。结果表明,该方法较传统的"自上而下"的尺度分割方法精度有显著改善,其分类结果形状较为规整,更接近实际地物。     

一种改进的基于法矢方向调整的平面点云分割方法

智慧城市的蓬勃发展和快速推广,使得三维建模成为当前热点研究方向。平面点云分割是三维点云建模中数据处理的关键环节。该文提出一种三角面片法向量方向调整方法,通过后续对邻近法向量进行加权平均估算实现平面点云的分割。首先采用八叉树的空间划分方法将无序的点云建立索引,利用K紧邻搜索获取参考点的K个邻近点,然后将该局部点构建不规则三角网并且得到包含参考点的所有三角面片以及三角面片的法向量,并通过将三维点投影到二维平面,利用平面三角形两边向量叉乘的方法,判断并调整各三角面片的顶点排列顺序,使三角面片的法向量一致化,最后对包含参考点的所有三角面片的法向量加权平均,估算参考点的法向量,根据点云法矢一致、共面的原则将平面点云分割出来。以徕卡Scanstation 2型扫描仪获取点云数据,对该方法进行检验,结果显示其能较好地实现对点云法矢量方向的调整与估算,并对平面点云数据进行分割提取。     

基于多尺度高程变异系数的影像匹配点云滤波方法

针对现有滤波方法在低矮植被密集覆盖区域处理效果差的问题,该文根据不同尺度下无人机影像匹配点云数据所表达的地形地物特征不同,提出基于多尺度高程变异系数的影像匹配点云滤波方法。首先,通过不同尺度的虚拟规则网格构建不同分辨率的DSM,将任意两个不同分辨率的DSM进行差值计算,得到对应两个尺度下的地表特征差异(高程变异程度);然后,对差值DSM计算高程变异系数,根据地物边界区域高程变异系数远大于地形区域的特征进行阈值分割;最后,分析计算高程变异系数的最佳邻域,讨论最佳分割阈值的设定。与传统CSF、TIN和渐进式形态学滤波方法对低矮植被密集覆盖区域的对比实验结果表明,该文方法在低矮植被密集覆盖区域能准确剔除植被点并保留地面点,其中Ⅰ类、Ⅱ类误差分别为9.20%、5.83%,平均总误差为7.68%,均优于CSF、TIN和渐进式形态学滤波方法,可为后期快速建立高精度DTM奠定基础。     

分区控制和分层提取下的OMIS-I影像土地利用/覆盖分类方法研究

针对宜兴试验区128波段OMIS—Ⅰ机载成像光谱数据,在平原区、山区分区基础上建立多级分层决策树综合分类方法。通过该方法可实现对土地利用／覆盖一级类（林地、园地、水域、耕地）自动分类,精度达88．15％,Kappa指数为0．82,园地漏分率最高（20．23％）,耕地漏分率最低（2．24％）;耕地、林地、园地、水域的错分率分别为21．87％、21．98％、0．66％、0。土地利用／覆盖二级分类也可采用分层自动分类,其总体精度达86．16％,Kappa指数为0．81。采用土地利用矢量数据辅助和人工目视解译对部分二级类别进行细分,可获得更加可靠的分类结果。研究表明,分区控制下的多级分层决策树综合分类方法应用于OMIS—Ⅰ高光谱影像土地利用／覆盖分类,具有可操作性和较高的精度。     

基于单极化TerraSAR-X影像提取建筑区研究

基于多时相单极化TerraSAR-X影像,提取后向散射系数特征影像、变差函数纹理特征影像、干涉特征影像,并对其波段组合,在基于eCognition软件多尺度分割的基础上,选择训练样本对象,充分挖掘样本对象的光谱、纹理特征信息,通过建立特征分离性指标,降低特征维数,最后应用面向对象的分类方法实现了建筑区的自动提取,提取精度达93.50%。这一研究表明特征组合影像具有较大的分割优势,特征的优化选择在减少特征冗余的同时维持了较高的信息提取精度,且弥补了eCognition软件纹理特征计算慢的不足。     

利用SAR影像区域分割方法提取海洋暗斑特征

在SAR强度影像中,包括海洋溢油在内的许多海洋现象呈现为暗斑。为从诸多暗斑中辨识海洋溢油,需要在SAR影像中提取暗斑的几何和统计分布特征,以此作为进一步分类（辨识）海洋溢油的依据,将基于几何划分技术的区域分割方法应用于SAR影像暗斑特征提取。首先建立高分辨率SAR影像暗斑或然率模型,然后利用最大化期望值和M-H算法实现其几何及统计分布特征参数提取。实验结果表明,该方法不仅可以精准提取暗斑的几何形状,同时还能有效估计其统计分布参数。     

基于环境小卫星CCD影像的水体提取指数法比较

针对湖北省大东湖水网水环境遥感监测需求,开展基于环境小卫星CCD影像的内陆湖库水体提取指数方法研究。以常见的3种水体识别指数为模型,参照使用TM、MODIS等典型传感器进行水体提取的波段选择方式,通过对环境小卫星CCD影像4个波段地物光谱信息的变化趋势分析,发现各波段对水体目标的区分能力;使用指数模型和相应阈值分别计算获得水体特征图像,并以目视判读结合精度评价指标的方式对提取结果进行对比分析。实验结果表明,归一化差异综合水体指数的目视判别效果最好,且具有水陆区分度高和误识别率低的特点,适用于解决水体目标快速提取问题。     

多源遥感影像的侵蚀沟信息提取分析

以多源遥感影像为基础,结合DEM数据,运用定性方法全面分析各遥感影像中提取的侵蚀沟的信息特征,并在研究区选取两个调查单元进行野外验证,对所得结果与遥感影像目视解译结果进行定量比较分析,得出以下结论:1)虽然空间分辨率最高的Pleiades遥感影像与DMC航片影像表现侵蚀沟的信息最为清晰,但空间分辨率过高会使侵蚀沟的内部细节过于详细,对信息提取增加噪声信息。2)不同遥感影像所能提取的侵蚀沟的类型不同。与Pleiades和Alos遥感影像相比,资源三号卫星影像能够呈现稳定沟、切沟和冲沟的信息,且成本低廉,是侵蚀沟信息提取最为理想的遥感影像。3)资源三号与高分一号卫星影像在提取重点调查的冲沟与切沟的数量与长度和宽度信息时,所得结果与实地验证结果十分接近,是比较合适的遥感影像。