一种融合光谱匹配和张量分析的高分辨率遥感影像目标探测器

提出了一种基于光谱分析理论和张量代数理论的高分辨率遥感影像目标探测器。首先在向量空间中对目标光谱进行特征匹配;然后对光谱特征与目标相似的像素进行空间\\|光谱特征一体化张量描述,进而在张量特征空间中对目标和背景进行分类。实验表明,张量学习机能够有效地对高分辨率影像进行目标识别。加入光谱特征匹配后的目标探测器能够极大地降低目标探测时间,同时进一步提高目标探测精度。     

行星遥感影像目标识别与分类进展

从行星遥感海量数据中对地形地貌特征进行识别和分类,是行星科学研究中的一项重要基础工作.本文综述了自实施月球和深空探测任务以来,国际、国内采用行星影像数据进行地形地貌识别与分类技术的研究进展.首先,从月球、火星以及其他行星探测任务3个方面,对相关的探测任务和获取的影像数据进行简介.然后,在介绍通用目标识别与分类方法研究进...     

一种改进的火星车多光谱影像深度新颖目标探测方法

火星车（即巡视探测器）是对火星表面探测和科学研究的重要手段。针对火星车采集到的日益增长的遥感数据,亟需一种能够智能化地从海量影像中探测出有科学价值的新颖目标的方法。传统的新颖探测多采用基于距离测度和基于影像重建的方法,其中基于距离测度的方法逐像素计算新颖分数,未考虑空间上下文信息;基于影像重建的方法侧重对典型地貌背景进行重建,新颖性表现为影像重建误差,对小型新颖目标如钻孔、除尘点等提取效果不佳。提出一种改进的火星车多光谱影像深度新颖目标探测方法(convolution auto-encoder combined Mahalanobis distance method, CAE-M),利用全卷积自编码神经网络提取深层特征进行典型地貌重建,并联合马氏距离将新颖目标与典型地貌背景分离,充分挖掘空间维与光谱维特征,提高火星车新颖目标探测结果的准确性。实验采用好奇号火星车多光谱影像数据集,在盖尔撞击坑地表采用Reed-Xiaoli探测器、主成分分析、卷积自编码神经网络、生成对抗网络与CAE-M进行对比实验,结果表明,CAE-M在探测精度和可视化解释上均优于对比方法,在不同类别的新颖目标探测上都有着均衡稳定的表现。     

结合RPN网络与SSD算法的遥感影像目标检测算法

利用传统方法对遥感影像的目标检测,过程复杂并且耗时.随着深度学习的发展,用深度学习的方法进行目标检测,为遥感影像的检测开辟了新的思路.当前目标检测的方法主要包括以Faster R-CNN为代表的两阶段检测算法和以SSD为代表的单阶段算法,两阶段算法精度高速度慢,单阶段算法速度快精度低.针对两种算法的优势,该文将Faster R-CNN中的RPN与SSD算法相结合,融合单阶段和两阶段算法的优势,在提高精度的情况下保证速度,并加入特征金字塔结构,利用多个卷积层融合低层特征和高层特征的信息,提高预测效果.在NWPUVHR-10高分辨率数据集上进行训练和测试,对结果进行算法评估.同时选用测试集将该文算法与Faster R-CNN和SSD算法进行对比,实验表明该文算法提高了对小目标物体的检测精度,获得了更优的性能.     

遥感影像的张量表达与流形学习方法研究

快速、准确地从遥感影像中提取感兴趣的关键信息是遥感对地观测领域的重要研究内容。随着当代遥感传感器技术呈现出高光谱分辨率、高空间分辨率和高时间分辨率的新特点,传统的人工解译遥感影像的方式已经很难应用,取而代之的是计算机全自动提取遥感影像信息的新方法。虽然现在计算机硬件的发展已经为快速、     

基于SVM的遥感影像的分类

传统的遥感图像的分类方法包括统计模式识别、句法模式识别、以及神经网络、遗传算法、模拟退火算法等。分析了统计模式识别的方法的优缺点,提出了使用SVM的方法进行遥感图像分类的设想,通过实验证明该方法是有效的和稳健的。     

遥感影像K-最近邻图目标分类改进算法的研究

针对高分辨率遥感影像数据中典型目标的判别,提出基于K-最近邻图KNN改进算法的深度学习模型.该模型采用深度学习方法研究目标的属性,充分利用数据之间的关联,建立抗变换性的目标特征,可提高目标判别的准确度.高分辨遥感影像目标检测实验表明该方法的有效性.     

基于张量投票的纹理合成技术在遥感影像信息隐藏中的应用

信息隐藏是遥感影像信息交换环节中必不可少的步骤。本文将基于张量(tensor)的影像纹理合成技术应用于遥感影像信息隐藏领域,首先应用影像分类方法将空洞附近的影像按照纹理进行分类;然后利用张量投票技术解决空洞部分影像与周围影像的连通问题;最后利用基于马尔科夫随机场的纹理生成技术完成空洞部分的纹理的自动填充。试验表明,所述方法不仅达到了信息隐藏的目的,而且纹理过渡平滑,达到了预期的目的。     

生成模型学习的遥感影像半监督分类

以生成模型最大似然估计为例,引入结合已标记样本和未标记样本的半监督分类方法来解决遥感影像分类中的小样本问题,应用已有的少量已标记样本初始化一个分类器,结合大量未标记样本,通过递归计算的方式对分类器进行优化,直到包含所有样本的似然函数收敛到局部极大值。通过分析遥感影像待分类类别与影像中地物类型固有特征之间的关系,设计两个在不同生成模型假设下的分类实验。结果表明,未标记样本的参与可在很大程度上提高小样本条件下的影像分类精度,但两种样本的数量应保持一个适当的比例。最后通过与在解决小样本分类问题方面有独特优势的SVM方法的分类比较,发现在小样本情况下,本文方法具有更好的应用潜力。     

Change detection thresholds for remotely sensed images

 The detection of change in remotely sensed images is often carried out by designating a threshold to distinguish between areas of change and areas of no change. The choice of threshold is often arbitrary however. The purpose of this paper is to offer a statistical framework for the selection of thresholds. The framework accounts for the facts that one carries out multiple tests of the null hypothesis of no change, when searching for regions of change over an image with a large number of pixels. Special attention is given to global spatial autocorrelation, which can affect the selection of appropriate threshold values. Received: 8 March 2001 / Accepted: 12 October 2001     

遥感时间序列影像变化检测研究进展

同一区域、不同时期大量历史数据的积累,以及同一区域能够方便地获取高时间分辨率遥感数据,使遥感时间序列影像变化检测成为近年来遥感技术与应用的研究热点。本文系统总结和评述了当前遥感时间序列影像变化检测的相关研究进展和应用状况,在阐明遥感时间序列分析的意义,以及时间序列影像在变化检测中的优势的基础上,从非遥感领域时间序列变化检测方法出发,针对遥感时间序列影像变化检测的需求,明确和归纳了遥感时间序列变化检测的问题与类型,并对当前最新研究进行了综述,总结了各种方法的优点与不足,重点介绍了基于经验模态分解的遥感时间序列影像异常信息检测方法和基于隐马尔可夫模型的土地利用/覆盖变化检测方法,以期能够为相关研究提供参考。最后总结了该研究领域的发展趋势和存在问题,并对今后的研究工作和未来发展方向进行了展望。     

基于压缩感知的sar图像cfar目标检测算法

提出了一种基于压缩感知（compressedsensing,cs）和恒虚警率（constantfalsealarmrate,cfar）目标检测算法,用于合成孔径雷达（syntheticapertureradar,sar）图像的目标检测。针对传统的均值类和有序统计量类cfar目标检测算法,首先对每个局部滑窗的背景杂波像素利用压缩感知进行重建,以此来降低sar图像相干斑现象的影响,然后利用重建后的数据进行杂波分布参数的估计,并利用cfar检测器进行目标检测。在真实的sar图像中证明了上述目标检测算法的有效性     

Understanding spatial variations of malaria in Vietnam using remotely sensed data integrated into GIS and machine learning classifiers

Abstract

This study examines the potentials of remotely sensed data, GIS and some machine learning classifiers and ensemble techniques in the investigation of the non-linear relationship between malaria occurrences and socio-physical conditions in the Dak Nong province of Viet Nam. Accuracy assessment was determined with Receiver Operating Characteristic (ROC) curve and pair t-test. The results showed that the area under ROC of Random Subspace ensemble model performed better than the other models based on statistical indicators. Comparing pair t-test with Area Under Curve values showed a slight difference of about 1%. Therefore ensemble techniques had significantly improved the performance of the base classifier. However, the performances might vary according to geographic locations. It is concluded that the machine learning classifiers combined with remotely sensed data and GIS is promising for malaria vulnerability mapping, and the derived maps can be used as a fundamental basis for programmes on spatial disease control.     

高分辨率遥感影像配准与变化检测一体化处理

为了克服高分辨率遥感影像配准与变化检测作为单独环节处理的局限,该文提出了一种基于变分理论的配准与变化检测一体化处理方法。该方法将配准误差作为一种光谱变化决策因子,变化信息以权值的方式迭代反馈给变分配准模型的解算过程。为了更准确地检测建筑物这个特定目标的真实变化,该文采用多尺度最大形态学轮廓建筑物检测指数的差异作为另外一个决策因子。最后将配准误差反映的变化和建筑物检测指数的差异这两个决策因子在D-S证据理论框架下建立概率模型进行融合处理,进而得到建筑物的变化检测结果。该文选取WorldView-2数据进行实验,实验结果表明,一体化处理思路可以有效地解决单独处理的局限,从根本上解决配准误差对变化检测结果的影响以及由于变化而使配准精度降低的问题,进而提高配准和变化检测的质量。     

改进的P-SVM支持向量机与遥感数据分类

本文介绍了将P-SVM算法引入多光谱/高分辨率遥感数据的分类, 并且展示了卫星ASTER和航空ADS40数字影像分类的技术过程和结果验证。结果表明：P-SVM方法的分类精度不低于SVM, 并减少了时耗。     

Change detection from remotely sensed images: From pixel-based to object-based approaches

The appetite for up-to-date information about earth’s surface is ever increasing, as such information provides a base for a large number of applications, including local, regional and global resources monitoring, land-cover and land-use change monitoring, and environmental studies. The data from remote sensing satellites provide opportunities to acquire information about land at varying resolutions and has been widely used for change detection studies. A large number of change detection methodologies and techniques, utilizing remotely sensed data, have been developed, and newer techniques are still emerging. This paper begins with a discussion of the traditionally pixel-based and (mostly) statistics-oriented change detection techniques which focus mainly on the spectral values and mostly ignore the spatial context. This is succeeded by a review of object-based change detection techniques. Finally there is a brief discussion of spatial data mining techniques in image processing and change detection from remote sensing data. The merits and issues of different techniques are compared. The importance of the exponential increase in the image data volume and multiple sensors and associated challenges on the development of change detection techniques are highlighted. With the wide use of very-high-resolution (VHR) remotely sensed images, object-based methods and data mining techniques may have more potential in change detection.     

粗糙集理论进行遥感图像监督分类的样本质量评价的研究

In the supervised classification process of remotely sensed imagery, the quantity of samples is one of the important factors affecting the accuracy of the image classification as well as the keys used to evaluate the image classification. In general, the samples are acquired on the basis of prior knowledge, experience and higher resolution images. With the same size of samples and the same sampling model, several sets of training sample data can be obtained. In such sets, which set reflects perfect spectral characteristics and ensure the accuracy of the classification can be known only after the accuracy of the classification has been assessed. So, before classification, it would be a meaningful research to measure and assess the quality of samples for guiding and optimizing the consequent classification process. Then, based on the rough set, a new measuring index for the sample quality is proposed. The experiment data is the Landsat TM imagery of the Chinese Yellow River Delta on August 8th, 1999. The experiment compares the Bhattacharrya distance matrices and purity index zl and △x based on rough set theory of 5 sample data and also analyzes its effect on sample quality.     

高分辨率遥感影像并行分割结果缝合算法

采用基于数据并行的遥感影像分割实现过程,提出了一种新的数据缝合算法解决分割结果合并问题。分割效果对比和运算效率分析等实验结果表明,此算法保持了分割结果合并后的边界正确性,使并行化分割在提高运算效率的同时保证了分割结果的可信度。     

遥感影像分类中的空间尺度选择方法研究

提出了一种新的基于信息熵的空间尺度选择方法。该方法充分利用了遥感影像的多光谱信息。在这个方法中, 信息熵被用于评价影像类别可分性的定量标准; 另外影像的空间分布特征也被考虑。该方法与已有方法, 即基于局部方差的方法、基于变异函数(Variogram)的方法、基于离散度的方法, 进行了比较。TM和QuickBird两种影像被引入到评价中来。实验结果表明, 本方法能够准确地确定两种实验影像的最优分类精度所对应的空间尺度。QuickBird影像采用了面向对象的分类方法进行实验, 这表明本方法不仅适合于传统的分类方法, 同时也适用于面向对象的方法。通过比较分析表明, 本文方法明确优于已有各种方法。