一种基于深度传递迁移学习的遥感影像分类方法

面对实际的遥感影像分类任务,采用深度神经网络的方法存在的最大问题是缺乏充足的标注样本,如何使用较少的标注样本实现较高精度的遥感影像分类,是目前需要解决的问题。ImageNet作为世界上最大的图像识别数据集,在其上训练出的模型有着丰富的底层特征。对ImageNet预训练模型进行微调是最常见的迁移学习方法,能够一定程度利用其丰富的底层特征,提高分类精度。但ImageNet影像特征与遥感影像差距较大,对分类效果提升有限。为了解决上述问题,本文基于传递迁移学习思想,结合深度神经网络,提出一种基于深度传递迁移学习的遥感影像分类方法。该方法通过构建以开源遥感场景识别数据集为源域的中间域,并以ImageNet预训练权重为源域、待分类遥感影像为目标域进行迁移学习,提高遥感影像分类精度。首先,以ImageNet预训练VGG16网络为基础,为加速卷积层权重更新而将全连接层替换为全局平均池化层,构建GAP-VGG16,使用中间域数据集训练ImageNet预训练GAP-VGG16以获取权重;然后,以SegNet网络为基础,在SegNet中加入卷积层设计了T-SegNet,以对获取的权重进一步地提取。最后,将获取的权重迁移到T-SegNet中,使用目标域数据集训练,实现遥感影像分类。本文选取Aerial Image Dataset和UC Merced Land-Use DataSet作为中间域数据集的数据源,资源三号盘锦地区影像为目标域影像,并分别选取了50%和25%数量的训练样本进行实验。实验结果表明,在50%和25%数量的训练样本下,本文方法分类结果相比SegNet的Kappa系数分别提高了0.0459和0.0545,相比ImageNet预训练SegNet的Kappa系数分别提高了0.0377和0.0346,且在样本数较少的类别上,本文方法分类精度提升更明显。     

基于独立成分分析和随机森林算法的城镇用地提取研究

城镇用地信息是联合国2030年可持续发展议程关注的重点之一。城市在世界范围内迅速扩张,快速准确地获取城镇用地信息对于政府决策具有重要作用。城镇土地覆盖信息非常复杂,包括人工建筑、树木、草地、水体等多种地表覆盖类型。基于传统人工测绘获取城镇用地信息费时费力并且难于及时更新。Landsat等遥感卫星数据为城镇用地信息提取提供了丰富的数据源。基于卫星遥感数据提取的城镇用地信息可以为未来城市的建设和管理提供基础的科学决策数据。基于监督分类方法和卫星遥感数据可快速地提取城镇用地信息,然而特征变量的选择对于高精度城镇用地信息提取尤为重要。为研究不同特征变量组合对于城镇用地信息提取的影响,以北京市为研究区,以2017年7月10日获取的Landsat 8 OLI影像为数据源,通过数据预处理、纹理提取、独立成分分析、主成分分析等得到4个维度的29个特征,选取了7种特征组合方案进行城镇用地提取。考虑随机森林算法性能稳定,分类精度高和可以方便进行特征重要性评价等优点,选择其作为监督分类算法以提取城镇用地信息,并进行了精度评定,以确定最优的城镇用地提取特征组合。研究发现：综合利用光谱特征和独立成分分析后的影像特征,提取城镇用地的总体精度为93.1%,Kappa系数为0.86,优于利用其他特征的提取结果;基于随机森林算法对数据进行训练后输出的各变量的归一化变量重要性与特征均值的标准差结果存在相似性,利用随机森林算法的变量重要性估计与特征均值折线图都可以进行变量重要性评价。     

基于不确定性分析的遥感分类空间分层及评估方法

空间分层是准确度量遥感分类不确定性程度及其空间分布的基础与关键。本文提出了一种基于不确定性分析的遥感分类空间分层及评估方法,首先基于随机森林算法获取像元后验概率,确定分类不确定性度量指标;其次,采用模糊C均值进行空间分层;最后,对分层结果合理性进行定性与定量评估,并与同尺度数据产品精度评价结果及后验概率不确定性分层方法进行对比分析。以北京市顺义区Landsat 8 OLI遥感影像数据为例,研究结果表明：① 基于最大概率、模糊混淆指数和概率熵指标将顺义区分为不确定性大、中、小3层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%;② 分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定性大层的地类空间分布基本一致;③ 遥感数据和数据产品的各层地类空间特征、层分类精度大小趋势一致,与总体分类精度相比,不确定性大层的层分类精度降低,不确定性小层的层分类精度提高;④ 与后验概率不确定性分层方法相比,本研究不确定性大层的层分类精度降低1.08%,不确定性中层提高3.58%,不确定性小层提高0.16%,q值由0.19提高到0.24,空间分异性更高。证实了研发的遥感分类不确定性空间分层结果的合理性。研究旨在提出适用于遥感分类的不确定性分层方案,用于优化遥感分类训练样本和精度评价验证样本的空间布设。     

基于深度学习的遥感影像地类信息获取技术现状研究

基于图像特征的地类识别技术精度低且复杂度高,难以满足土地利用动态监测的实时性要求。而基于深度学习的遥感影像地类识别技术数据处理及特征提取能力较强,能够有效提升识别精度,使地类信息获取更加智能化,因而被广泛应用于遥感影像地类处理。根据地类识别技术不同,可以分为遥感影像分割、遥感影像分类以及目标监测三种方式。每类识别技术根据训练数据是否有标注可以分为有监督学习、半监督学习以及无监督学习三种类型。通过对相关技术和文献的调研和分析,介绍各种深度学习模型的理论基础与基本结构,总结国内外基于深度学习的遥感影像地类识别方法的优缺点,并指出未来的发展方向。     

空间逐步寻优数据挖掘在遥感影像分类中的应用

在遥感地学分析模型中,由于遥感信息模糊和不确定性的特点,其特征空间中的特征分布并不完全符合特定的高斯密度分布,而是分布形状各异,相互交错,用传统模型是很难获得特征的最优分布解的,而空间逐步寻优数据挖掘方法(SOMM)是在演化寻优理论的基础上,融合知识的参数化分布函数,来逐步分离特征空间,逐步降解的获得特征树状的层次结构。结合实例,用SOMM方法对遥感影像进行分类计算,并与传统的最大似然分类方法的分类结果进行了比较。     

基于多尺度对比学习的弱监督遥感场景分类

遥感场景分类作为一种理解遥感影像的重要方式,在目标检测、影像快速检索等方向有着重要的应用,当前主流的场景分类方法多关注影像深层次特征的准确提取,忽略了场景目标在不同分布尺度下的差异性。此外,有限的高质量场景标签进一步限制了模型分类性能。为了解决以上问题,本研究提出了基于多尺度对比学习的弱监督遥感场景分类方法,首先利用多尺度对比学习的自监督策略,从大量无标注数据中自动获取影像不同尺度下的特征表示。其次,基于多尺度稳健特征对分类模型利用少量标签进行微调,并结合标签传播方法生成高质量样本标签。最后,结合大量无标签数据构建弱监督分类模型,进一步提升场景分类的能力。本研究在遥感场景AID数据集和NWPU-RESISC45数据集上分别使用1%、5%和10%的标注样本下分类精度分别达到了87.7%、93.67%、95.56%和86.02%、93.15%和95.38%,在有限标注样本条件下与其他基准模型相比有着明显的优势,证明了本文模型的有效性。     

高分辨率遥感影像目标分类与识别研究进展

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。     

空间逐步寻优数据挖掘在遥感影像分类中的应用

在遥感地学分析模型中，由于遥感信息模糊和不确定性的特点。其特征空间中的特征分布并不完全符合特定的高斯密度分布，而是分布形状各异，相互交错，用传统模型是很难获得特征的最优分布解的，而空间逐步寻优数据挖掘方法(SOMM)是在演化寻优理论的基础上，融合知识的参数化分布函数，来逐步分离特征空间，逐步降解的获得特征树状的层次结构。结合实例，用SOMM方法对遥感影像进行分类计算，并与传统的最大似然分类方法的分类结果进行了比较。     

基于多源遥感数据的城市扩张监测与分析

有关建成区空间分布的研究是城市发展规划的重要组成部分,针对单一数据源不足以提供准确、及时的建成区信息的问题,提出了一种结合Landsat数据和夜光遥感数据的城市扩张监测方法。该文以Landsat影像与夜光遥感影像为数据源,采用SVM分类方法和突变检测阈值分割技术,提取2004—2016年的原济南市、泰安市、原莱芜市的建成区范围,然后引入城市扩张强度、紧凑度、重心轨迹转移分析和等扇形分析等指标,来定量分析城市扩张的时空变化特征。结果表明:从2004—2016年,研究区建成区面积增加了508.06km~2,原济南、泰安市均以外延式的城市发展为主,主要的趋势是北部、西部和南部;而原莱芜市则以填充型的城市发展为主,紧凑度高于其余两市,西北方向处于扩张速率的高值区;其中城市扩张强度指标定量地反映出在2004—2007年间研究区城市化进程取得重大突破,是区域城市化进程的重要阶段。相较于单一数据源,引入夜光遥感数据,可以更快速高效地提取城市建成区信息。     

关键生育期冬小麦和油菜遥感分类方法

农作物空间分布的遥感识别是地理学、生态学和农学等多学科研究的前沿和热点,多源遥感数据在其中发挥着重要的作用。本研究结合冬小麦和油菜的种植及生长特点,以安徽省合肥市为研究区域,利用ZY-3、Sentinel-2和GF-1等多源遥感影像数据,以高程、坡度等数据为辅助信息,结合以多尺度分割、最邻近法和阈值法等为主要步骤的面向对象的分类方法,提取研究区合肥市冬小麦和油菜种植的空间分布信息。结合来自于GVG农情采样系统和Google Earth高分辨率影像上获得的地面验证数据进行分类精度验证,计算得到分类结果的混淆矩阵,并根据混淆矩阵数据计算出分类的总体精度为94.43%,Kappa系数为0.914。结果表明,本研究提出的方法能够有效地区分在冬小麦和油菜的混种区域里两种作物种植区域的空间分布,且这种多种策略相结合的分类方法体系,能够适用于其它区域甚至是更加大尺度上的作物分类。     

OSDS注册用户空间分布特征及影响因素分析

本文以2005年以来中国科学院遥感与数字地球研究所开放式空间数据共享网站（OSDS）平台的注册用户为研究对象,利用最近邻层次空间聚类方法和地理探测器模型,对各省注册用户量的空间分布特征和差异影响因素进行了分析。分析结果表明,整体上用户空间分布很不均衡,主要集中在东部发达地区和几个在测绘和地理信息科学领域卓有建树的地区,信息、科研和教育是主要影响因素,经济、网络和测绘的单因素影响力较低,而与主要影响因素结合的交互影响得到了提升。因此,多因素共同制约着用户群的空间分布格局和区域不均衡性。应用地理探测器能从宏观上把握遥感学者群体的空间分布特征及其影响因素,其分析结果能够指导数据提供者更有针对性地为用户提供服务,也可为遥感产业调整和空间布局优化提供依据。     

高时间分辨率遥感在土壤质地空间变化识别中的应用

在土壤信息推测研究中,遥感技术通常被作为辅助手段,用来提供地形和植被数据,并利用它们与土壤之间的关系推导土壤空间信息。然而,在平原等地形平缓的农业区,易于观测的地形和植被等环境因素,通常与土壤的协同程度较低,不能有效用于推测土壤质地等属性的空间变化。对于这类地区,如何寻找新的易于获取的变量,以准确地揭示土壤属性的空间变化,是需要解决的问题。本文提出了利用高时间分辨率遥感捕捉这类地区土壤质地空间变化的方法。采用光谱-时间响应线对多时相的光谱数据进行组织表达,使用光谱信息散度定量刻画不同光谱-时间响应线之间的差异。结果显示,在相同的地形和植被条件下,土壤质地相同的区域,其地表动态反馈模式明显相似;土壤质地不同的区域,其反馈模式也明显不同;土壤质地越相似,反馈模式也呈相似趋势。这表明,高时间分辨率遥感获取的地表动态反馈能够有效地指示土壤质地的空间差异。本文的工作表明了高时间分辨率遥感在土壤空间变化识别方面的应用潜力。     

遥感大数据实时渲染与交互可视化研究

数据可视化是遥感应用的重要服务出口。针对静态的预生成瓦片地图难以满足数据查看、地图配置、空间分析等专业应用问题,本文提出了一套面向遥感大数据的实时渲染与交互可视化的解决方案。在渲染节点构建影像的渲染瓦片结构,以提高数据的读取速度;在可视化服务上,提出“数据-计算”相一致的负载均衡策略,优化地图的渲染效率;在可视化服务方面,设计交互的地图服务接口。与传统技术的对比分析表明,该解决方案不但实现了遥感大数据的实时渲染与交互可视化,并且达到了与预生成瓦片地图服务相当的服务性能。基于这一解决方案,研发了遥感大数据的动态可视化原型,并在影像数据实时查看、可视化计算、可视化分析等方面开展了示范应用。     

An AMSR-E data unmixing method for monitoring flood and waterlogging disaster

Spectral remote sensing technique is usually used to monitor flood and waterlogging disaster. Although spectral remote sensing data have many advantages for ground information observation, such as real time and high spatial resolution, they are often interfered by clouds, haze and rain. As a result, it is very difficult to retrieve ground information from spectral remote sensing data under those conditions. Compared with spectral remote sensing technique, passive microwave remote sensing technique has obvious superiority in most weather conditions. However, the main drawback of passive microwave remote sensing is the extreme low spatial resolution. Considering the wide application of the Advanced Microwave Scanning Radiometer-Earth Observing System (AMSR-E) data, an AMSR-E data unmixing method was proposed in this paper based on Bellerby’s algorithm. By utilizing the surface type classification results with high spatial resolution, the proposed unmixing method can obtain the component brightness temperature and corresponding spatial position distribution, which effectively improve the spatial resolution of passive microwave remote sensing data. Through researching the AMSR-E unmixed data of Yongji County, Jilin Provinc, Northeast China after the worst flood and waterlogging disaster occurred on July 28, 2010, the experimental results demonstrated that the AMSR-E unmixed data could effectively evaluate the flood and waterlogging disaster.     

漳平市森林可燃物类型变化遥感动态监测

森林可燃物类型的空间分布是林火蔓延、灭火可视化建模与仿真中需要考虑的重要因素之一。在对森林可燃物类型划分的研究进行回顾的基础上,提出了考虑树种信息的分类方法。根据漳平市2003年小班图层中的优势树种信息,获得该市2003年四种森林可燃物类型即竹林、阔叶树、杉木林以及马尾松的空间分布专题图。在此基础上,采用面向对象分类技术,对ASTER影像进行分类,探测每种可燃物类型的内部变化和外部变化。该技术利用影像分割技术构建分类对象,使每个对象具有光谱信息的同时,具备大小、形状、拓扑关系、类别层次等诸多信息。对分类结果进行评价的结果表明,利用面向对象分类技术,充分利用了光谱特征以及类别相关特征,提高了分类精度,分类的面积精度达到89.3%。由于影像分割过程应用了专题图层,对象的边界不会超越专题图层的边界,使得对现有图层的更新尤为容易。最后,利用矢量格式的遥感分类结果对原森林小班图层进行更新,获得新的可燃物类型图层,作为林火可视化模型的输入图层。该研究不仅提供了现势性强的森林可燃物类型图层,而且在不破坏原小班边界的基础上,对发生变化的区域进行刻画。对于森林资源管理者,提供了实地调查过程的目标区域的信息。     

疟疾预测的遗传规划方法与应用——以安徽省县（市）疟疾发病率为例

疟疾是世界上最严重的一种寄生虫疾病,安徽省是典型的中纬度疟疾高发区域之一。本文以安徽省县级行政单元统计的疟疾发病率为例,从遥感监测数据中获取疟疾潜在驱动因素的数据,使用遗传规划方法建立遥感监测的环境因素与疟疾发病率之间的关系,从而预测疟疾发病率的空间分布,并分析预测结果、评价模型精度。结果表明,遗传规划方法预测的疟疾发病的精度（训练数据的预测R² = 0.558,检验数据R² = 0.429）较线性逐步回归方法的预测精度（训练数据的预测R² = 0.470,检验数据R² = 0.408）有所提高。遗传规划方法有利于提高预测疟疾发病率空间分布的精度。其为使用遥感监测数据预测疟疾的空间分布和变化的科学研究提供依据。     

遥感影像内容的语义查询算法与应用

海量遥感影像数据如何进行方便快捷的查询检索与定位,是影像数据存储管理部门所面临的主要问题,同时也是制约影像数据为用户提供更好服务的瓶颈。本文主要分析了当前遥感影像数据库查询检索的几种方式和它们的利弊,进而提出一种在近乎海量的遥感数据中简单、方便、快捷的算法与实现思想。并在已有的影像数据库引擎原型系统上,设计出一种检索查询遥感影像内地物的方法。这种方法以矢量要素的空间信息和属性信息为引导,快速准确的定位地物所在的影像块,为遥感影像的有效管理和应用提供了一种可行的方法。     

基于遥感的河南卢氏西部地区蚀变信息提取与分析

近矿围岩蚀变和构造分析是找矿研究的重要内容,遥感异常信息提取、遥感地质解译,结合野外调查能查明围岩蚀变分布情况和构造特征。本文以河南省卢氏县西部地区的成矿远景区为研究区域,选用ASTER多光谱数据和SPOT5高分辨率数据,利用遥感图像波段比值处理方法及特征主组分分析、光谱角填图分类等分析方法,对该地区重要成矿区段做矿化蚀变信息提取及遥感地质综合分析并提供了新的找矿靶区。     

基于局部空间信息KFCM的遥感图像聚类算法

针对模糊C均值(Fuzzy C-Means, FCM)算法,不能有效地对夹杂噪声的遥感图像聚类的问题,本文提出了一种基于局部空间信息核模糊C均值(Kernel Fuzzy C-Means, KFCM)的遥感图像聚类算法。首先,运用核函数将遥感图像的所有像元映射到高维特征空间,通过非线性映射优化遥感图像的有用特征;然后,根据相邻像元之间的相关性,利用一种空间函数重新定义像元的模糊隶属度,将像元的局部空间信息引入到FCM算法中,并在高维特征空间中使用这种基于局部空间信息的FCM算法对像元聚类。由于引入了像元的局部空间信息,算法可以直接应用于原始遥感图像,不需要滤波预处理。大量实验结果表明,本文提出的基于局部空间信息KFCM的遥感图像聚类算法具有较强的抗噪能力,可得到较好的同质区域,优于现有的FCM算法、模糊局部信息C均值(Fuzzy Local Information C-Means, FLICM)算法及KFCM算法。