基于蓝噪声理论的遥感图像森林植被纹理测量

遥感图像分割中森林植被是重要的一类目标,有效确定森林植被的纹理尺度是纹理分割的重要问题。提出一种用蓝噪声理论描述遥感图像森林植被纹理特征的方法,是一种新的植被纹理刻画和纹理尺度计算方法。研究尺度与植被纹理形态的对应关系,对于选定的探测区域,迭代寻找蓝噪声特征。迭代过程包含通过几何变换缩小区域的尺寸,用快速傅里叶变换获取区域的频谱响应,从频谱响应中提取蓝噪声特征。对于具有蓝噪声特征的区域,计算森林植被纹理的灰度分布,根据当前区域尺寸计算纹理的尺寸。实验表明,森林植被纹理单元的尺度和灰度分布测量结果准确,为进一步纹理分割提供了可靠的基础。     

改进的基于视觉认知特征的植被识别方法

在高分辨率遥感图像中,可以在没有任何先验知识的前提下,仅采用待处理图像本身的色调特征,基于植被视觉认知特征,高精度地提取出植被区域.为了提高该方法在色调较暗图像中的提取精度,在简要阐述该方法原理的基础上,针对该方法在色调较暗图像中容易发生非植被区域误判、植被信息提取精度不高的不足,对其进行了技术改进——将植被指数(NDVI)法加入到该方法中,并在检测植被区域轮廓前进行一次数学形态学闭运算.改进后的方法可以很好地去除非植被区域的误判,使其在色调偏暗的图像中也具有一定的提取精度,扩展了该方法的适用范围.     

基于真彩色高分辨遥感影像稀疏植被覆盖检测

以视觉注意机制和模糊ART网络模型为理论基础,提出基于HSV颜色模型的影像植被显著性算法,结合模糊ART网络模型和影像特征,对影像进行自组织、自适应分类,实现稀疏植被信息的自动化提取。实验结果表明,本文算法对真彩色影像中具有不同分布特性的稀疏植被的提取效果较好,植被提取总体精度皆在90%以上,同时具有较高的Kappa系数,优于易康软件的植被提取结果。     

全极化SAR图像的建筑物提取研究

针对建筑物结构复杂、形式多样,产生的交叉极化散射现象使得其在极化SAR图像上易与植被混淆,提取困难的问题,该文结合极化散射信息和空间信息进行建筑物的提取研究,主要以AIRSAR全极化数据进行实验。①进行基于极化补偿的Yamaguchi四分量分解,根据偶次散射能量提取出建筑物;②提取总功率Span图像的纹理特征利用支持向量机进行分类;③融合前两步的提取结果得到最终结果。结果表明:方法优于基于极化补偿的Yamaguchi四分量分解的提取方法和SVM方法,对于平行建筑物、小方位角建筑物、大方位角建筑物的提取精度分别达到了99%、94%和56%,有效区分了建筑物与植被。     

基于K-T变换的NDVI提取方法研究

阐述了K-T变换的原理及其在植被信息提取方面的优点。将基于K-T变换提取的NDVI结果与直接在TM影像上提取的NDVI结果进行比较。实验结果表明,基于K-T变换的NDVI提取方法得到的结果图像纹理清晰、光谱保持能力强,对于区域植被覆盖信息提取,进而对生态环境变化、荒漠化等研究具有较重要的意义。     

基于缨帽变换的遥感图像融合方法研究

本文阐述了图像融合和缨帽变换的意义,针对缨帽变换在植被信息提取方面的优点,提出一种新的基于缨帽变换的遥感图像融合方法。为了验证算法的有效性,在城区遥感图像融合中,将其与其他几种图像融合算法进行比较。实验结果表明,基于缨帽变换的遥感图像融合方法得到的结果图像纹理清晰、结构完整、光谱保持能力强,在城市零星绿地提取中有着显著的效果。     

基于色调饱和度亮度模型的可见光植被提取

针对遥感影像只具有红（R）、绿（G）、蓝（B）3个可见光波段时无法利用归一化植被指数（NDVI）方法提取植被信息的现状,本文提出了一种基于色调饱和度亮度（HSL）模型的可见光植被提取方法。利用自主研发的系统,将影像从RGB彩色空间变换至HSL彩色空间,构建归一化色调亮度植被指数（NHLVI）,通过分析植被与非植被信息在HSL彩色空间中的特征,以及NHLVI、H、S、L、R、G、B各分量的特征,确定协同NHLVI、S分量提取植被信息,利用B分量特征剔除结果中的非植被信息,从而实现植被信息提取,并提高提取精度。研究表明,该方法在现有NHLVI指数方法基础上,加入S分量,提升了可见光植被提取的精度及方法的适用性。     

基于K—T变换的NDVI提取方法研究

阐述了K—T变换的原理及其在植被信息提取方面的优点。将基于K—T变换提取的NDVI结果与直接在TM影像上提取的NDVI结果进行比较。实验结果表明,基于K—T变换的NDVI提取方法得到的结果图像纹理清晰、光谱保持能力强,对于区域植被覆盖信息提取,进而对生态环境变化、荒漠化等研究具有较重要的意义。     

一种传统民居遥感提取方法

针对基于地物光谱统计特征的建筑物提取方法由于存在较大的同物异谱现象导致提取结果不满足要求的问题,该文提出了一种基于形态学建筑物指数并顾及纹理特征的遥感提取方法。该方法综合考虑传统民居在高分辨率遥感影像上的光谱、形态和纹理特征,首先利用形态学建筑物指数法提取建筑,并使用最小矩形长宽比和像元个数区分道路和零星地物,而后利用Contourlet变换和谱直方图相似性计算进行纹理甄别,实现传统民居的遥感识别和提取。为了验证该方法,选取湖南省常宁市庙前镇中田村QuickBird影像进行试验,结果表明该方法能够获得较高精度的提取结果,整体精度为71.54%,影响提取精度的关键原因为损毁严重的建筑物光谱特征与目标图像纹理相差较大。     

张量投票的机载LiDAR数据建筑物自动提取

针对机载LiDAR目标提取中建筑物与树木难以有效区分的问题,该文提出了一种基于坡度自适应穿透率和张量投票的建筑物检测方法。在利用滤波和高差阈值去除地面点和矮小地物点的基础上,采用坡度自适应穿透率作为区分建筑物和植被的主要特征,较好地突出了建筑物点和树木点在空间分布上的密度差异;设计基于张量投票的投票算法,对坡度自适应穿透率特征进行邻域投票,以促进相邻点之间特征信息的传递,增强了该特征对于植被和建筑物的可分性。采用ISPRS提供的测试数据进行实验,结果表明,该方法能有效地区分建筑物和树木点,提取的建筑物完整度达94.6%,准确度达98.3%。