基于样本自动扩充的街区式农村居民地遥感提取方法

与基于非监督分类机制的居民地提取方法相比较,基于监督分类机制的居民地提取方法具有较高的提取精度。但是,基于监督分类机制的方法依赖于人工标注的训练样本,繁琐的标注工作限制了这类方法在遥感大数据时代的应用。利用监督居民地提取方法具有较高提取精度的优点,同时克服这类方法需要人工标注样本的缺点,能够建立更为实用的居民地提取方法。为此,针对中国华北平原广泛分布的街区式农村居民地,提出一种基于监督分类机制且仅需单个人工标注样本的居民地遥感提取方法。该方法首先根据居民地在遥感影像上的特征设计居民地排除规则,对划分的影像块进行初步分类;然后,从划分为非居民地的影像块中随机挑选一定量的影像块作为负样本,以人工标注的单个正样本为基础进行正样本扩充;最后,采用k-近邻分类法训练居民地分类器,对初步判定为居民地的影像块做进一步分类。试验结果表明,方法能够准确地提取影像中的居民地,对地物背景存在差异的遥感影像具有良好的提取效果。     

多源数据融合实景三维建模关键技术研究

本文以某市政府大楼为研究对象,获取车载移动测量及倾斜摄影测量数据,进行了精度分析、多源数据融合,基于融合成果进行实景三维模型重建。通过比对单独基于倾斜摄影的实景三维模型效果,分析了多源数据的融合精度及模型的改善效果。创新性地采用了基于车载移动测量成果的特征矢量要素自动提取技术,结合国产北斗基站数据进行倾斜航摄差分解算,改进了实景三维建模技术的广泛应用。     

基于拓扑分析的居民地自动变化检测方法

提出一种基于拓扑分析的居民地变化检测方法,首先利用同一地区居民地的旧矢量数据,在新正射影像上获得训练样地,进行影像分割,提取居民地,然后运用空间分析的方法自动榆测出居民地的六种变化形态.实验证明本算法能够自动提取出变化区域,并得到变化类型,检测正确率达到85%以上,提高了数据更新的效率.     

面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例

极高海拔地区多为河流发源、冰川发育地,由于地形起伏强烈,且野外考察验证工作困难,传统的遥感信息提取方法很难保证该地区水体及冰川的提取精度。本文基于ASTER影像,运用面向对象的图像信息自动分析方法,对珠穆朗玛峰国家级自然保护区核心区的水体及冰川信息进行了提取研究。为保证信息提取的准确度,将数字高程模型(DEM)及其衍生数据(坡度、坡向),归一化植被指数(NDVI)数据,及有助于区分水体、冰川与其他地物的相关指数(冰雪指数NDSII)及波段运算结果(b1-b3)、(b3/b4)等,分别作为一个波段叠加到原始图像中,使之成为对目标地物光谱特征的有益补充。并对不同类型的水体及冰川进行多级、多尺度分割,以满足其对分割尺度的不同要求。分割完成后,综合考虑目标地物的光谱特征、纹理特征、空间结构特征,根据各特征指数的直方图信息,设定合适的阈值,建立了各水体及冰川类型信息提取的知识规则,并结合实地调查对信息提取的精度进行验证,改进了ASTER遥感影像自动快速提取极高海拔区水体及冰川信息的实用模型。     

一种面向对象的居民地变化检测方法

文章提出了一种新的面向对象的居民地变化检测方法。首先对同一地区的新旧影像进行影像分割,然后选取训练样地,根据居民地的各种特征得出决策规则,进而提取居民地,最后通过叠加分析的方法检测出居民地4种变化形态。实验证明本方法能够有效地检测出居民地的变化信息,总体精度达到了86.15%。     

面向对象的高分辨率影像信息提取方法研究——以四川理县居民地提取为例

本文对面向对象影像分析方法做了初步的探索和应用研究,通过建立多尺度影像空间和分类规则库对四川理县"5.12"震后的航空影像进行土地覆盖分类,并在此基础上提取了房屋和居民地的空间分布矢量信息。将土地覆盖分类的结果与传统的基于像元的方法进行对比,结果表明:面向对象方法的分析结果更接近于人工解译的效果,对试验区的分类精度也远远高于基于像元的影像分类的精度,有效克服了传统分类方法所存在的"椒盐噪声"问题,与基于像元分类的栅格数据相比,面向对象的方法可直接提取GIS分析的矢量信息,展示了面向对象技术应用于高分辨率影像信息提取的广阔前景。     

面向对象的煤矸石堆场SPOT-5影像识别

煤矸石是一种在成煤过程中与煤层伴生的黑灰色固体废弃物,不仅会污染环境,而且会严重损害附近居民的身体健康,目前已经成为矿区生态环境的主要影响源之一。因此,实时、准确、快速地获取煤矸石堆场的位置、形状和面积等信息,对于环境监测与管理具有重要的意义。本文以内蒙古鄂尔多斯市东胜区为试验区,将试验区内的典型地物分为：植被、水体、阴影、裸地、建筑、道路、排土排矸场、露天煤矸石堆场、堆煤场及煤渣、采煤坑和其他共11类。本文采用SPOT-5高分辨率遥感影像,面向对象提取研究区内的煤矸石堆场信息,并进行识别精度评价,精度达到89.47%。将面向对象的分类结果与最大似然分类方法的分类结果进行比较,结果表明,面向对象的提取方法可更好地应用于煤矸石堆场信息的自动提取,大幅度提高精度和效率。     

基于特征分离机制的深度学习植被自动提取方法

随着遥感影像分辨率的提高,植被信息的高精度提取对于了解地表植被变化规律、评价生态区域具有重要意义。针对传统方法跨季节植被提取不完整问题,本文基于高分2号(GF-2)卫星数据,提出一种基于特征分离机制的深度学习语义分割网络植被提取方法。该网络在Densenet的基础增加可分离卷积和空间金字塔结合的特征分离机制来增大感受野,更有效利用植被的特征信息,提升了模型的精度。本文通过构建高精细跨季节植被样本库,使用本文所提方法,完成了遥感影像植被信息提取,并选取总体准确度、F1值和交并比作为评价指标,对不同的传统方法和深度学习方法进行精度对比与分析。实验结果表明,本文方法提取植被的效果较好,其中F1分数达到91.91%,总体准确度达到92.79%,交并比达到85.10%。对高分1号、高分6号和高景1号遥感影像进行植被提取通用性验证,结果表明本文方法具有一定的通用能力,可以从高分辨率遥感影像中准确地、自动地提取植被。本文研究成果可为城市生态环境评价和植被的应用研究提供数据参考。     

利用卷积神经网络提取微博中的暴雨灾害信息

从社交媒体中挖掘灾害应急信息,能够有效帮助传统灾害管理获取实时、主题丰富的灾害信息,从而成为灾害应急管理的新手段。得益于深度学习在自动特征提取上的成就,本文研究了一种利用卷积神经网络对社交媒体中的灾害应急信息进行自动实时提取与分类的方法。首先,利用社交媒体数据和Word2vec模型,构建与灾害类事件相关的语料库并获得相应的词向量;其次,将词嵌入文本和相应的灾情类别作为卷积神经网络的输入,经过多分类学习得到分类模型,用以提取近实时灾害信息。以2012年“7.21北京特大暴雨”事件为案例,通过分类模型获得常见灾情类别的暴雨灾害社交媒体信息。该模型在测试集上的精度达到了90%以上,并且将模型运用于新爬取的2016年暴雨数据集上也得到了较好的表现,说明该模型在近实时自动提取灾害信息方面具有可行性。在对2012年分类结果进行时空分析结果表明,通过社交媒体获得的暴雨灾害主题信息符合灾害发展的规律,说明了利用深度学习提取社交媒体数据中的灾害应急信息的有效性和可行性,能够为实时灾害应急管理提供新的思路。     

集成夜间灯光数据与Landsat TM影像的不透水面自动提取方法研究

利用多源遥感数据提取不透水面信息是一个重要的研究方向。针对以往研究中多需要人工选取不透水面样本进行模型训练的问题,本文通过整合夜间灯光遥感与Landsat TM影像中的空间和光谱信息实现了不透水面覆盖范围（Impervious Surface Area,ISA）的自动提取。首先根据夜间灯光的分布来定位ISA聚集的城市区域的位置,分别在城市区域内部和外部自动提取可靠性高的ISA及非ISA样本,然后通过迭代分类提取城市区域的ISA,再以此为样本对城市区域外部进行分类,最后将分类结果整合完成整幅影像的ISA提取流程。应用本方法对美国雪城地区的DMSP/OLS夜间灯光影像上提取了84个城市区域,提取精度大于95%。从中分别选择高ISA密度和低ISA密度的2个城市区域作为ISA提取的测试区,本文方法在城市区域内的ISA提取总体精度与kappa系数分别为88.23%和0.63;在城市区域外部为78.6%和0.54,均优于人工样本选取方法的提取精度,表明该方法能够实现精度稳定且高效的ISA自动提取。     

基于Geo Eye-1立体像对影像提取建筑物高度的方法研究

在城市规划、公共管理、防灾减灾和导航等领域,高精度的城市建筑物三维信息发挥着重要作用。传统的建筑物高度信息获取方法具有成本较高、精度较低、时效性差的缺点。随着亚米级的高空间分辨率遥感卫星的发展和普及,基于遥感卫星立体像对数据反演建筑物高度信息的方法受到广泛关注。基于Geo Eye-1卫星数据,本文提出了一种自动化程度较高的建筑物高度信息提取方法。首先,利用有理函数模型对Geo Eye-1立体像对数据进行几何校正,生成数字表面模型;然后,基于多窗口滤波方法,在无须辅助数据的情况下,利用数字表面模型生成数字高程模型,通过叠置分析提取建筑物的高度信息;最后,根据建筑物轮廓数据绘制研究区建筑的高度分布图。研究结果表明,该方法在多种地表类型上提取出建筑物的高度信息具有较高的精度,具有操作简单、处理速度快等特点。     

融合网格注意力阀门和特征金字塔结构的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中提取建筑物轮廓是地区基础建设信息统计的一项重要任务。适应性较强的深度学习方法已在建筑物提取研究中取得较大进展,受网络模型对影像特征表达的局限性,存在局部建筑轮廓边缘模糊的问题。本研究提出一种基于注意力的U型特征金字塔网络（AFP-Net）可以聚焦高分遥感影像中不同形态的建筑物结构,实现建筑物轮廓的高效提取。AFP-Net模型通过基于网格的注意力阀门Attention Gates模块抑制输入影像中的无关区域,凸出影像中建筑物的显性特征;通过特征金字塔注意力Feature Pyramid Attention模块增加高维特征图的感受野,减少采样中的细节损失。基于WHU建筑物数据集训练优化AFP-Net模型,测试结果表明AFP-Net模型能够较清晰地识别出建筑物轮廓,在预测性能上有更好的目视效果,在测试结果的总体精度和交并比上较U-Net模型分别提高0.67%和1.34%。结果表明,AFP-Net模型实现了高分遥感影像中建筑物提取的结果精度及预测性能的有效提升。     

基于移动激光扫描点云特征图像和SVM的建筑物立面半自动提取方法

建筑物立面是城市地物的重要组成部分,而移动激光扫描是获取城市地物三维信息的重要手段之一。本文提出了一种基于移动激光扫描点云的建筑物立面半自动提取算法。该方法首先构建研究区水平网格;然后计算局部点云几何特征,并且将特征投影到水平网格生成点云特征图像;接着基于支持向量机（Support Vector Machine,SVM）对建筑物立面网格进行粗提取;最后使用网格属性（形状系数、网格面积、最大高程）对粗提取结果进行过滤,并将结果反投影到三维空间中得到精确的建筑物立面。以卡内基梅隆大学的移动激光扫描点云进行试验后表明,本算法能够较好地提取出建筑物立面,提取精度为84%,召回率为90%,数据修正后精度为88%,召回率为91%。通过与现有算法对比,本文提出的算法具有较高精度。     

顾及对象特征的地面式光伏电站提取及减碳效益评估

准确、高效地获取地面光伏电站的空间部署现状，科学估算光伏电站发电效益及其碳减排成效，对未来光伏电站建设的合理布局与光伏资源的有效利用具有重要意义。本文以我国西部新疆维吾尔自治区、青海省和西藏自治区作为研究区：(1)使用以ResNet50作为骨干网络的ResNet50-UNet网络分割模型自动提取地面光伏电站，在深度学习广泛应用于遥感语义分割/地表覆盖分类的背景下，本文未局限于单一地对网络模型的不断改进上，而同时考虑了如何充分发挥输入样本的自身优势，研究中基于Sentinel-2A遥感影像挖掘光伏电站纹理特征，强调地物固有特征在智能化深度学习中的应用价值，模型提取精度得到显著提升；(2)针对提取结果边界精度较差的问题，提出结合ArcGIS和eCognition多尺度分割优化处理光伏电站提取结果的技术路线，高保真还原地面光伏电站真实形态。经后处理优化，提取结果的Kappa系数达93.71%,mIoU值达94.05%；(3)碳减排效益评估时，准确估算光伏电站发电量是进行该工作的重要前提，本文基于光伏电站提取结果，从内部结构复杂的光伏用地中准确提取发电量估算公式中的重要参数之一——光伏方阵面积...     

鄱阳湖南矶湿地景观信息高分辨率遥感提取

鄱阳湖南矶湿地是亚热带典型过水性湿地,由于该区域水文情况复杂,且泥滩、沼泽和疫水（血吸虫）分布较广,导致野外考察验证工作困难,使用传统的遥感信息提取方法很难保证该地区湿地景观的提取精度。本文以高分一号影像为数据源,综合运用数字高程模型（DEM）、归一化植被指数（NDVI）、归一化水体指数（NDWI）等辅助数据,采用面向对象分类方法,对鄱阳湖南矶湿地景观信息进行提取研究,并取得了较好的分类效果。研究结果表明：（1）基于国产高分辨率影像的面向对象分类,既兼顾了国产高分辨率影像光谱、空间、结构、纹理信息,又综合利用多源辅助数据参与到分类计算中,分类精度得到明显的提升;（2）基于面向对象与多源数据分类方法对湿地混合像元有较好地识别能力,可获得较高的总体分类精度（94.3275%）和Kappa系数（0.9324）,说明利用多源数据的面向对象方法提取湿地信息是可行的,其分类结果具有较高的准确性和可信度,较好地解决了过水性湿地景观分类问题;（3）该分类方法弥补了单一遥感影像分类方法的不足,对研究国产高分卫星在提取过水性湿地景观信息方面具有重要的参考和实际意义。最后,分析了多源数据面向对象分类尚待解决的问题和下一步的研究方向。     

基于多任务学习的高分辨率遥感影像建筑提取

建筑物的自动提取对城市发展与规划、防灾预警等意义重大.当前的建筑物提取研究取得了很好的成果,但现有研究多把建筑提取当成语义分割问题来处理,不能区分不同的建筑个体,且在提取精度方面仍然存在提升的空间.近年来,基于多任务学习的深度学习方法已在计算机视觉领域得到广泛应用,但其在高分辨率遥感影像自动解译任务上的应用还有待进一步...     

基于改进SVM分类法的SAR图像水体面积提取研究

在复杂地表环境下的多云多雨地区,基于合成孔径雷达（SAR）图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差。研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征（包括均匀性、角二阶矩和熵）,并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM分类法的水体提取模型。在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06%,比SDWI法和传统的SVM法分别提高了23.24%和5.49%,有效提高了复杂环境下地表水体的提取精度。研究最后将所发展模型应用于2018年马哈韦利河流域逐月水...     

国家1∶50000数字高程模型更新与精化

针对国家1:50 000数据库更新工程的迫切需要,研究制定了基于更新版1:50 000地形数据的数字高程模型更新生产技术路线,设计提出了全新的地形特征信息自动提取算法、基于栅格运算的DEM内插算法等,研制开发了实用化的生产软件系统,实现了国家1:50000数字高程模型的快速更新与精化。     

基于地表校正和河道烧录方法的河网提取

 针对现有的数字高程模型(DEMs)在自动提取虚拟河网过程中易受洼地、平原地区影响,产生不连续的或平行的错误河网的问题,本文基于Arc Hydro Tools,阐述了地表校正(Agree算法)和河道烧录(Stream burning)方法提取虚拟河网的关键步骤和基本思路,并以环渤海地区为例,分析了有(无)河网辅助信息下,河网提取结果的准确度。研究结果表明,增加辅助信息更有助于提高虚拟河网的精度和准确性,且河道烧录方法在虚拟河网的提取上比Agree算法更有优势。由于环渤海研究区平原面积广大,对提取结果有较大的影响,提取结果的精确度不高。针对这一问题,本文综合河道烧录和地表校正(Agree 算法)的特点,提出一种河网提取的改进思路,并选取滦河流域作为验证区。通过对比,改进后的河网提取结果与中国实际河网分布较为吻合,说明该改进思路是较为合理、可信的。     

国家1:50000数字高程模型更新与精化

针对国家1∶50 000数据库更新工程的迫切需要,研究制定了基于更新版1∶50 000地形数据的数字高程模型更新生产技术路线,设计提出了全新的地形特征信息自动提取算法、基于栅格运算的DEM内插算法等,研制开发了实用化的生产软件系统,实现了国家1∶50 000数字高程模型的快速更新与精化.