基于非线性判别分析的高光谱影像特征提取

高光谱遥感影像丰富的光谱信息有利于深入挖掘目标的理化特性,精细识别不同目标间的细微差异。为了提高影像分类识别的精度与速度需要对光谱信息进行特征提取。基于核函数的判别分析能够在数据中提取非线性特征,本文将其应用到高光谱影像分类的特征提取中,并进行了最小距离分类实验取得理想结果。     

基于SAR影像的海上石油平台识别方法研究

近年来我国南海油气资源遭到周边国家的掠夺,进行非法海上石油平台的识别对于维护海洋权益是非常有意义的。对海洋石油平台的识别,传统的基于岸基和岛屿站的观测方法范围非常有限;本文结合星载SAR全天时、全天候及免受云雾干扰的优势,尝试了一种基于SAR影像识别海上石油平台的方法。利用多景多时相SAR影像,首先在TerraSAR-X影像中做平台目标的初步识别,然后利用另一景不同时相的Radarsat2 SAR影像作对比,进行舰船目标的排除和初步识别结果的检验。本文以南海地区的三景SAR影像为数据源,共识别出5处石油平台,验证了通过SAR影像识别海上石油平台的可行性。     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。     

数学形态学在遥感影像云层识别中的应用

针对传统遥感影像质量评价中云层覆盖量无法定量评价的问题,文章提出采用利用边缘信息的阈值分割结合数学形态学方法来提取遥感影像云层覆盖范围。利用边缘信息的阈值分割方法能够有效利用影像自身信息来改善分割结果,再结合形态学方法,进而能消除道路、房屋等大部分噪声信息,最终实现遥感影像上不同特征云层覆盖范围的自动提取。基于浙江全省高分辨率遥感影像的实验结果表明:该方法能够快速有效地识别出遥感影像上云层覆盖范围,研究结果对于遥感影像云层覆盖的自动评价具有参考价值。     

一种高分辨率可见光遥感影像中车辆目标检测方法

在高分辨率遥感影像中检测车辆目标是影像识别和检测的重要研究方向,能够为宏观交通状态判别提供支撑.本文设计了一种快速有效的基于高分卫星影像的车辆目标检测方法.该方法首先将与遥感影像对应区域的已有矢量面状道路对影像进行掩膜处理,仅留下影像中道路部分,再采用Otsu双阈值法分割道路中的暗色车目标和亮色车目标,最后利用车辆目标的形态特征对其进行检索,以获得车辆目标的检索结果.试验表明,本文方法具有较好的检测效果.     

融入地形信息的滑坡场景识别

当前滑坡的自动识别方法以深度学习为主,数据源通常是高分辨率遥感图像或高精度DEM数据,结合高分辨率影像和高精度DEM,利用深度学习的方法能够获取到较高的识别效果。但是针对滑坡场景而言,高分辨率的地形数据往往难以获取。本文考虑融合谷歌地球影像与低精度地形数据来实现滑坡场景的自动识别,通过设计数据源类别注意力机制模块来融合影像特征和地形特征后再进行最终的分类。对比卷积神经网络仅通过谷歌影像进行识别的方式,本文提出的融合方法在识别精度、准确率、召回率和F1值这4项指标上均有明显提高。实验结果表明,通过本文所提出的方法将谷歌影像和低精度地形特征融合后再进行滑坡场景的自动识别是可行的。     

结合像元级和目标级的高分辨率遥感影像建筑物变化检测

快速、精准的建筑物变化检测对城市规划建设等业务管理具有重要意义。随着卫星遥感技术的快速发展,基于高分辨率遥感影像的建筑物变化检测得到了广泛关注。针对像元级建筑物变化检测方法往往精度不足而目标级建筑物变化检测方法过程烦琐等问题,本文提出结合像元级和目标级的高分辨率遥感影像建筑物变化检测方法。首先综合高分辨率遥感影像的多维特征,利用随机森林分类器进行影像集分类,以获取像元级建筑物变化检测结果;然后对后时相遥感影像进行图像分割,获得影像对象;最后融合像元级建筑物变化检测结果和影像对象,识别变化的建筑物目标。利用双时相QuickBird高分辨率遥感影像进行建筑物变化检测试验,结果表明：本文提出的方法能够削弱光照、观测角度等环境差异对建筑物变化检测的影响,显著改善建筑物变化的检测精度。     

一种结合地理知识的遥感影像目标实体关联方法北大核心CSCD

遥感影像目标识别技术已广泛应用于目标动态监测与定位等领域。但影像目标识别的结果缺乏与目标属性信息的链接,导致分析人员只能依据影像特征进行分析,难以进行更复杂的目标数据关联分析与挖掘。针对遥感影像目标识别语义属性信息缺失的问题,本文利用知识图谱相关技术将影像判别的目标信息与知识语义网链接。首先,提出了一种遥感影像目标知识图谱构建框架;其次,针对遥感影像目标不同的数据类型,构建遥感影像目标知识抽取模型,提出了基于相似度目标实体识别和预定义模式的关系抽取方法;然后,基于多特征Logistic模型的影像目标实体链接方法,实现了遥感影像目标实体与百科知识库的知识关联;最后,针对预定试验区域进行试验,验证了本文方法的可行性。     

PSI技术在地表形变监测中的应用研究

基于时序SAR影像准确识别PS是永久散射体合成孔径雷达干涉(PSI)技术建模及形变信息提取中最为关键的问题之一。本文提出了一种改进的PS探测算法,它是基于时序SAR影像的振幅信息,利用振幅和振幅离差指数双阈值法获取PS候选点,对所有候选点进行相位稳定性分析,筛选出既满足雷达反射强度高、又符合散射稳定性要求的真实PS点,并基于所选PS点提取形变信息。实验结果表明,相比于已有PS探测方法,本文所提出的方法能够更准确、可靠地识别出时序SAR影像中的PS目标,进而提高了PSI形变探测结果的精度和可靠性。     

基于深度学习的无人机影像车辆检测研究

本文采用分辨率较高且获取方便的无人机影像作为数据源,利用Faster R-CNN网络提取影像中车辆目标。首先用ImageNet数据集微调Faster R-CNN网络,再用无人机影像制作样本集并对Faster R-CNN网络再次训练,得到目标检测模型。将检测模型用于识别影像中的车辆目标:先提取车辆目标所在区域,排除其它地物干扰,利用分类器识别候选框中目标类别,同时使用回归器修正候选框位置。实验结果表明,Faster R-CNN网络能够有效提取影像中的车辆目标。     

基于自适应格网划分的遥感影像感知哈希认证算法

针对遥感影像大数据量和信息分布不均匀的特点,提出了一种基于自适应格网划分的遥感影像感知哈希算法,并将其用于遥感影像的完整性认证。该算法基于自适应策略对信息丰富的影像区域进行粒度更细的完整性认证,首先对原始影像进行波段融合,然后根据信息熵对波段融合结果进行自适应的格网划分,最后提取格网单元的局部特征构造感知哈希序列。影像接收端通过收到的感知哈希序列实现影像的认证。实验表明,本文算法能够识别遥感影像局部细节篡改,并对保持内容不变的操作具有鲁棒性,实现了遥感影像基于内容的完整性认证。     

高分辨率遥感影像目标形状特征多尺度描述与识别

在高分遥感影像中,同类地物目标形状具有多样性,单一尺度或单一形状模版不足以描述同类目标的形状。本文利用小波变换和Fourier描述子构建了一种目标形状的多尺度描述模型,并基于该模型给出了一种新的面向对象的高分遥感影像目标识别方法。从上到下,该模型采用尺度依次减小的小波近似系数对原始形状进行近似表示,并利用Fourier描述子对其进行定量描述。利用语义规则综合考虑多个尺度下的识别结果,得到最终识别结果,减小小尺度下分割目标破碎和大尺度下小目标无法识别造成的影响,提高识别精度。基于本文方法分别对高分遥感影像中的飞机和建筑物进行识别,对比实验表明,该方法具有较高识别精度。     

基于SVM的多源遥感影像分类研究

本文通过分析单源遥感影像分类的现状和困难,以SAR和SPOT-5影像为实验数据,提出了基于支持向量机(Support Vector Machine,SVM)理论的多源遥感影像分类方法。研究结果表明,本文的方法能够有效地解决单源影像信息分类效果破碎的问题,正确识别地物,对高维输入向量具有高的推广能力,正确率达到94.97%,比多源影像的最大似然分类(Maximum Likelihood Classification,MLC)方法正确率更高。     

基于决策树分类的雾霾遥感识别

以河北省省域为研究区,以MODIS遥感影像为数据源,选取AQUA卫星2013-2014年两年的遥感影像为实验数据,运用影像的光谱特征,辅助地面观测数据,统计确定雾霾判识阈值,以此为基础构建决策树分类模型,利用决策树分类法对实验影像样本进行了雾霾分类识别。研究表明,所构建的决策树能够将雾霾与背景进行分类并识别,雾霾识别有效率为84.71%。     

复杂环境下地基SAR粗差探测及应用

雷达视线受施工机械等的间断遮挡导致部分影像产生相位奇异值,从而造成解缠错误及误差传递,简单的相关影像处理难以识别受遮挡影像。本文提出了改进的基于小波变换的信号奇异性检测方法,通过对地基SAR PS点时序相位特征进行分析,将遮挡影像识别转化为粗差探测问题;由PS点相位序列与影像位置关系,根据测区PS点相位序列的奇异点集合得到受遮挡影像集;最后将受遮挡影像剔除后得到的地基SAR监测结果与精密全站仪、水准与游标卡尺数据进行对比分析。结果表明：本文提出的方法用于受遮挡影像的识别是可行的,解决了地基SAR在实际工程应用中可能存在的影像遮挡带来的测量数据含有粗差的问题,提高了监测区域伪影像检测的效率与准确性。     

基于深度学习的卫星影像自动数字化技术

传统的遥感数据数字化方法效率低、容易出错,已经越来越不适应快速增长的地理信息数据需求。为了解决上述问题,提出一种基于深度学习的卫星影像自动数字化技术。利用Mask R-CNN算法技术对遥感图像的对象进行识别,对经过数据处理后的卫星影像进行训练,并提取其几何特征。能够对影像的重要对象特征进行识别,全部图像分类的结果准确率总体达到80%以上。其中识别率最高的是道路、水系、绿地,准确率可达到85%,可以作为卫星影像自动数字化工具。     

遥感影像目标的尺度特征卷积神经网络识别法

高分辨率遥感影像的目标检测与识别,是高分对地观测系统中影像信息自动提取及分析理解的重要内容。针对传统影像目标检测与识别算法中人工设计特征稳健性与普适性差的问题,本文提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别方法。首先通过统计遥感影像目标的尺度范围,获得卷积神经网络训练与测试过程中目标感兴趣区域合适的尺度大小。然后根据目标感兴趣区域合适的尺度,提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别架构。通过WHU-RSone数据集对本文卷积神经网络架构与Faster-RCNN架构对比测试验证。试验结果表明,本文架构ZF模型和本文架构VGG-16模型的mean average precision(mAP)分别比Faster-RCNNZF模型和Faster-RCNNVGG-16模型提高8.17%和8.31%,本文卷积神经网络架构可获得良好的影像目标检测与识别效果。     

利用灰度共生矩阵纹理特征识别空心村损毁建筑物的方法

从无人机影像上快速识别空心村损毁建筑物,不仅能精确掌握损毁建筑物的位置分布,还能为实地调研提供指导材料。本文首先在试验区范围内获取建筑物影像,并对这些建筑物逐一标记。然后以单个建筑物为对象,计算纹理特征参数和光谱特征参数,选取与损毁程度正相关的参数标准化后组成特征参数向量,根据向量的可视化结果获取损毁建筑物的分布、损毁程度等信息。试验结果表明,该方法能实现从无人机影像上识别出损毁建筑物,并能对建筑物的损毁程度得到初步认识,可以有效实现高分辨率影像中空心村损毁建筑物的识别。     

无人机影像识别白喉乌头的相对高程阈值法适用性分析

本文以新疆伊犁州新源县那拉提草原的典型毒害草白喉乌头为研究对象,通过PhotoScan软件对无人机航拍影像进行数据处理并获取研究区DSM数据,在此基础上,运用相对高程阈值法识别提取白喉乌头的最佳阈值范围,并验证其有效性。试验结果表明：①在无人机影像中,相对高程阈值法能够清晰准确地体现地物分布特征,适用于提取与普通牧草高度误差明显的地物;②当10 cm≤T<20 cm时,白喉乌头能够被准确识别,且与实际白喉乌头分布点基本一致,分类精度达91%;③相对高程阈值法能够较好地分离出白喉乌头,既提升了分类依据的可靠性,又实现了白喉乌头高精度识别。该方法可应用于实际的草原监测工作。     

面向土地利用分类的HJ-1 CCD影像最佳分形波段选择

环境一号卫星（HJ-1）CCD影像光谱波段较少,地物之间的准确分类识别有一定困难。采用分形纹理辅助地物分类识别是一种有效方法,而波段选择是提高分类识别精度的关键。本文以江西赣州定南县土地利用分类为例,采用双毯覆盖模型对HJ卫星CCD影像6类典型地物的波谱分形特征进行了分析,利用不同地物在不同波段上的分形区分度差异构建了最佳分形波段选择模型,并利用该模型挑选出最佳分形波段来辅助土地利用分类,最后对分类结果进行检验。结果表明：最佳分形波段选择模型能够综合权衡不同地物在不同波段上的分形区分度差异,利用挑选出来的最佳分形波段来辅助分类,其分类总体精度相对于原始影像分类提高了11.77%,相对于第1主成分分形辅助下的分类提高了1.56%。