基于遥感影像理解模型的土地利用时空变化监测——以龙口市为例

本文从遥感影像理解模型出发,探讨了遥感信息的知识发现及特征提取问题,特别针对士地利用研究领域,提出了纳入GIS信息的遥感影像综合理解模型,将GIS数据(主要包括高程和坡度)与遥感影像结合起来,从中发现知识,并将知识用于遥感影像的专题信息提取,建立了地学规律知识库,从而提高了遥感影像的分类精度。本文基于遥感影像理解模型,发现土地利用变化区域,提取变化信息,动态地监测了龙口市土地利用的时空变化情况。     

基于遥感影像的土地利用分类研究

土地利用信息对于土地利用的动态监测、非点源污染物的迁移、生态环境保护规划和决策都有重要意义。以河南境内的丹江口水库汇水区2007年9月份的TM影像为数据源,结合遥感图像处理软件,利用监督分类方法对该区域的土地利用进行分类,最后利用ArcGIS软件对提取的土地利用信息制作出土地利用专题图。     

高分一号遥感影像融合方法比较研究

利用HPF(高通滤波)法、Gram-Schmidt法、HCS(超球面空间)法和UNB-Pansharp法4种影像融合方法,对高分一号遥感卫星影像进行融合实验。通过对融合影像的目视解译,根据地物类型的不同,从光谱保真度和空间细节保持度2方面进行定性评价。采用统计方法进行定量评价,评价指标包括信息熵、平均梯度、相关系数和偏差指数。在综合评价结果后,给出4种融合方法不同的适用情况,为高分一号影像的进一步研究提供理论支撑。     

基于高分辨率遥感影像的土地利用数据库建设

针对目前国家级和省级国土资源管理对现势性土地利用数据的需求,在高分辨率遥感影像处理、基于遥感影像的土地利用信息提取及数据库建设等万面开展有益的尝试,以便为国土资源管理提供快速、准确的土地利用信息,为国土资源的管理提供基础信息服务和辅助决策工具.     

基于决策树的遥感影像土地利用类型识别研究

为了准确获取新都区土地利用类型,以2007年四川省成都市新都地区的TM遥感影像为数据源,基于决策二叉树分类方法,在利用各类典型地物的反射光谱特性及典型归一化指数的基础上,结合目视解译,建立了一组能快速、准确提取土地利用信息的决策树分类规则,对研究区域遥感影像进行决策树分类。研究结果表明,决策树分类总体精度和Kappa系数分别为81.00%和0.7314,取得了较为满意的分类结果。     

面向对象的高分遥感影像信息提取技术研究

以World View-2高分遥感影像数据为例,采用规则集开发的模式进行地图要素提取,对主要制图要素图像进行了分割、分类试验,实现了多尺度分割的层次构建和制图地物要素分级分类。     

高分航空光学遥感影像的山体阴影去除方法

阴影是山区高分航空影像严重的干扰因素,去除山体阴影有助于提高实景三维建设、林业调查、变化检测等应用的准确性和有效性。本文构建了高分航空遥感影像的山体阴影指数(MSI),并提出了基于色彩迁移和色彩均衡的阴影去除方法。采用覆盖山区的0.2 m航空影像进行试验,结果表明,MSI和阈值分割法可以有效地检测航空影像的山体阴影,而结合对象化色彩迁移和基于邻域的非线性色彩均衡的阴影去除法既能有效地消除山体阴影,又能使阴影区域恢复纹理细节,色彩更贴合于非阴影区域,达到影像整体色彩更加均衡的效果。分析阴影去除前后的统计指标发现,随着阴影的去除,各波段平均值和标准差都明显增加,说明阴影区域的亮度有提高且色彩层次更加丰富。     

GIS辅助下的基于知识的遥感影像分类方法研究——以土地覆盖/土地利用类型为例

提高计算机遥感影像的分类精度，是遥感应用中研究的主要问题之一。作者以规则的形式表示遥感影像解译知识，使用ＴＭ影像数据和ＤＥＭ、坡度、土地利用图等地理辅助数据，从遥感影像处理／地理数据／专家知识一体化的角度出发，使用基于知识的方法进行了研究，改善了分类精度。实例研究证明了方法的正确性。     

高分一号遥感影像地质灾害信息提取方法研究

山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。     

高分辨率遥感影像中的土地利用分类研究——以西南大学为例

大学校园是城市用地中的一个特殊群体,作为公共设施用地的一个重要部分,在城市土地利用日益紧张的条件下,对其进行土地利用分类研究有着重要的意义.本研究以西南大学为例,将最大似然监督分类法和决策树分类法相结合对其进行分类研究.研究表明:1)最大似然监督分类法和决策树法相结合对西南大学土地利用进行分类,取得了较好的效果,总分类精度达到了91.51%,Kappa系数达到了0.8831;2)分析出西南大学建筑分布特点:①校园内部建筑物趋于密集布局,提高了土地利用效率;②校园建筑物高层化,提高了建筑容积率.     

遥感影像屏幕数字化在土地利用现状信息提取中的应用—以福州市城市镇为例

结合福州城门镇人机交互式数字影像判读的实际情况,建立影像地物判读标志,阐述了遥感影像屏幕数字化土地利用现状信息提取方法的优点和应用前景。     

基于Landsat-8影像的土地利用变化分析研究——以青岛市黄岛区为例

选取山东省青岛市黄岛区为研究区域,获取影像图上的土地利用状态信息,从不同方面分析青岛市黄岛区2014—2020年土地利用变化时空特征。研究结果表明：2014—2020年青岛市黄岛区的土地利用结构以耕地和林地为主;6年中经济处于持续发展阶段,其他用地都不同程度地转化为建设用地;城市重心不断向东北方向偏移。该文研究分析区域内的土地利用情况,对合理调整区域内的经济发展和资源利用等方面具有很大的意义。     

高分一号遥感卫星影像融合及质量评价方法研究

遥感技术正在突飞猛进的发展,影像融合技术得到了深入研究,本文在像素级融合的基础上,以高分一号卫星影像为实验数据源,并用主成分变换、Brovey变换、Gram－Schimdt变换、HSV变换等方法,进行试验研究,并以主客观相结合的方式,对实验结果进行评价,最后得出结论,本文研究成果可对高分一号影像进一步应用提供借鉴。     

基于高分影像的光伏电场自动化提取应用研究

随着高空间分辨率遥感影像数据急剧增多,传统的监测分类方法很难适应海量遥感数据的解译需求.本项目以宁夏中卫市沙坡头区光伏电场为例,通过设计适合遥感地物识别的卷积神经网络和构建目标样本的最佳特征表达,让计算机经过深度学习,具备观察和理解的能力,挖掘潜在的有用地物特征,实现光伏电场的自动化信息提取,并且验证了利用高分影像自动...     

土地利用变更调查中的遥感影像处理

以沈阳市规划和国土资源局2005年的土地利用变更调查为例,阐述遥感影像数据在被应用前的选择、分析与评价、预处理、增强处理和多源融合处理.     

高分光学遥感影像全参照质量评价指标对比研究

影像质量评价对遥感影像处理起着非常重要的作用。本文在论述当前常用全参照遥感影像质量评价指标的基础上,选用IKONOS,TM,SPOT,QuickBird四幅光学影像作为实验原数据,首先对各影像添加不同程度的高斯白噪声和降质重采样处理,然后以原数据作为全参照进行统计对比分析,验证信息熵、清晰度、均方误差、峰值信噪比、结构相似度5个常用影像质量评价指标的可靠性。通过对实验结果的分析与总结,得出了一些有益结论,可为光学遥感影像的选取与处理提供参考。     

面向对象的库区高分一号影像土地利用信息提取

高分一号(GF-1)是我国自主研发的第一颗高分辨率遥感卫星,其包含地物信息较为丰富,已应用于土地利用信息提取,但在水利工程库区土地利用调查方面研究较少。本文以峡江水利枢纽工程库区为例,首先对库区影像进行了基于RPC模型的正射校正、几何精纠正等预处理;然后针对GF-1的传感器响应特性,采用基于多元线性波段拟合的方法对多光谱与全色影像进行融合,该方法相对于传统分量替换法具有更好的融合性能;最后综合利用影像的光谱、纹理及形状等特征,采用面向对象的方法对融合后的库区影像进行了地类信息提取与分类精度评价。试验结果表明,融合影像可以有效提取水利工程库区的土地利用信息,总体分类精度达到87.9%,Kappa系数为0.836,能够满足库区土地利用调查和变化监测的要求。     

基于高分遥感数据的地表覆盖专题监测研究

为推动高分遥感数据在地理国情地表覆盖专题监测工作中的应用,研究了基于高分遥感数据开展地理国情地表覆盖专题监测的技术路线和数据处理与分析方法,探讨了专题监测系统的模块和功能设置,以期为地理国情地表覆盖专题监测工作提供参考。     

基于遥感影像的土地利用变化检测

随着遥感科学技术的发展、各种遥感数据的累加以及遥感变化检测研究的深入,基于遥感影像的土地利用变化检测手段也日新月异。本文主要阐述利用不同的遥感影像处理方法对不同影像之间的土地利用变化进行检测,同时利用影像融合对比法、影像差值法、主成分分析法(PCA法),以及影像分类法等遥感影像处理方法,对同一地区前后不同时相的土地利用变化检测效果进行精度对比,并总结出不同检测方法在不同条件下的检测效果。     

高分遥感影像双通道并行混合卷积分类方法

高空间分辨率遥感影像拥有丰富的空间细节信息和多光谱信息。研究表明,二维卷积神经网络适于提取空间信息,而三维卷积神经网络更适于提取光谱信息。为了更好地利用空谱信息,本文提出一种双通道并行混合卷积神经网络(DPHCNN)方法,充分联合二维与三维卷积神经网络在空谱信息提取上的优势,同时引入混合注意力机制、多尺度卷积增强空间细节特征的提取能力,实现高分影像的精准分类。试验中利用高分二号影像数据集进行验证,与当前先进的深度学习分类方法相比,本文提出的DPHCNN方法在保证分类精度高、分类效率较好的同时,能在多时相影像分类中保持最高的稳健性,在综合评价上更具优势。