卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。     

集成空间变换结构与深度残差网络的遥感影像场景分类方法

针对传统高分辨率遥感影像的场景分类效率较低,以及卷积神经网络在遥感影像场景分类上由于空间不变性而导致的分类精度不高的问题,提出了一种结合空间变换网络和迁移学习的高分辨率遥感影像场景分类算法.首先,利用ImageNet数据集训练深度残差网络ResNet101得到预训练模型,通过知识迁移提高模型目标探测效率;之后在模型中嵌入空间变换结构,使模型能够主动在空间上变换特征映射,提高模型的鲁棒性;最后,在模型中添加Dropout层减小模型出现过拟合的概率.本方法在AID和NWPU-RESISC45两种不同规模的高分遥感影像数据集上进行了验证,在只有20%训练样本的情况下仍达到了94.30%和93.63%的分类精度.实验结果表明本次改进模型具有更好的特征提取能力,针对易误分类场景的分类结果更优.     

基于PCA+RBF的多光谱卫星遥感影像分类

多光谱卫星遥感影像具有波段多,信息量大的特点,传统的分类方法难以达到比较高的精度.这里首先采用主成份分析对多波段遥感图像进行降维,再采用训练后的RBF(radial basis function)神经网络做图像的监督分类.通过对ETM 的遥感数据进行实验,结果表明,这种分类方法的分类精度,明显优于最大似然法、最小距离法等传统的分类方法.同时,与基于像元的RBF神经网络法相比,也有一定的优势.     

基于遥感影像多尺度分割与地质因子评价的滑坡易发性区划

区域滑坡易发性的研究是滑坡空间预测的核心内容之一。从影像多尺度分割和面向对象的分类理论出发,以研究区遥感影像的熵、能量、相关性、对比度共4个参数作为影像纹理因子提取易发性特征,利用滑坡所处区域的库水影响等级、坡度、斜坡结构、工程岩组4类地质因子分析地质背景,搭建C5.0决策树的易发性分类模型,实现了对研究区内4类滑坡易发性单元的预测。结果表明：高易发性单元的工程岩组通常发育为软岩岩组和软硬相间岩组,且坡度在15°～30°之间;模型显示该区域训练样本和测试样本平均正确率达91.64%,Kappa系数分别为0.84,0.51,因此这种基于影像多尺度分割与地质因子分级的滑坡易发性分类研究具有一定的适用性。     

加入多尺度图像纹理的岩性分类

利用遥感图像进行岩性分类,是遥感地质应用的重要方面之一.本文运用地统计学中变差函数提取图像纹理,并与原始的光谱图像相结合用于遥感图像的岩性分类.文章分析了不同尺度的纹理信息对岩性分类的作用,并进一步分析和比较多尺度图像纹理对岩性分类的作用.结果表明,在岩性分类过程中加入不同尺度的纹理信息可不同程度地提高图像的岩性分类精度,而同时加入多尺度的纹理信息,可得到更高的分类精度.将多尺度的图像纹理信息和光谱信息综合,是一种有效的岩性分类方法.     

多源遥感影像融合方法研究

遥感影像融合处理能够综合利用来自同一场景的不同源的影像信息,获得更为准确、可靠的信息描述,是现代遥感技术的重要组成部分,是解决多源遥感数据综合、提高遥感影像空间分辨率和光谱信息以及挖掘遥感信息潜力的有效方法。针对多源遥感影像数据融合的技术原理及方法进行分析,比较其优缺点,同时给出影像融合的基本步骤以及评价准则。     

基于多尺度遥感数据估算地表通量的方法及其验证分析

地表水热通量(显热通量、潜热通量)的遥感估算在全球气候变化、水资源、生态环境等研究领域具有重要的应用价值.MODIS数据的空间分辨率较低(热红外波段星下点为1 km),而地球表面的几何物理属性又具有高度非均匀性,因而在实际应用中面临较严重的尺度问题.探讨了多源卫星数据(中高分辨率Landsat TM与中低分辨率MODIS)相结合佑算像元通量的2种方法,分别利用高分辫率的地表分类及植被指数信息在混合像元内部进行亚像元处理,以提高非均匀地表混合像元的通量估算精度.研究数据来自于2008年黑河流域综合实验获取的遥感数据和辅助数据,验证数据来自于实验期间获取的不同下垫面的地表通量数据,包括涡度相关(EC)数据,以及大孔径闪烁仪(LAS)数据.计算结果表明,2种方法皆可在下垫面不均匀或者地表类型较复杂的情况下得到比较明显的纠正效果,纠正后的通量与观测更加接近.相比之下,利用植被指数分解温度的方法适用性更广,纠正效果更好.在地面验证中,对比分析了EC和LAS数据在TM尺度和MO-DIS尺度通量验证的适用性.LAS数据测量尺度与MODIS卫星像元尺度相匹配,可以直接验证MODIS通量计算结果,EC数据虽然可以直接验证TM计算的通量,但与MODIS数据对比,还需要进行尺度转换,即先用EC验证TM通量,然后将TM通量降尺度,与MODIS进行对比.最后对利用LAS验证通量的不确定性进行了分析,发现图像中LAS测点的几何定位误差以及LAS测量路径中像元的选取都对验证结果有一定影响.     

基于多源遥感与航空物探数据的岩性分类方法

遥感影像可以获取地表岩性的光谱、色调、纹理等信息,但其所提取的信息局限于地表,对深层地质问题解释并无明显优势;航空物探数据则对地下深部异常体信息的提取更具优势。单一某类数据难以满足基础地质、资源勘查等方面复杂应用的需求。因此,提出一种遥感与航空物探信息联合分析方法,以新疆某地为研究区,结合遥感与航空物探多源数据特征,基于随机森林方法对研究区岩性进行分类。结果表明,与使用单一某类数据相比,遥感与航空物探信息联合分析方法能提高岩性分类精度。该方法对于推动遥感与航空物探技术在地质填图中的精细化应用,具有一定实用价值与指导意义。     

基于多源遥感与航空物探数据的岩性分类方法

遥感影像可以获取地表岩性的光谱、色调、纹理等信息,但其所提取的信息局限于地表,对深层地质问题解释并无明显优势;航空物探数据则对地下深部异常体信息的提取更具优势.单一某类数据难以满足基础地质、资源勘查等方面复杂应用的需求.因此,提出一种遥感与航空物探信息联合分析方法,以新疆某地为研究区,结合遥感与航空物探多源数据特征,基...     

基于各类特征对齐迁移网络的多时相遥感图像分类

为了在目标域遥感图像不存在标记数据的情况下实现自动分类,论文提出一种基于特征对齐的迁移网络.网络以各类类心对齐和协方差对齐作为迁移策略,全面描述域间各类别之间的对应关系,实现知识迁移.另外,网络采用线性修正单元作为激活函数,能够产生稀疏特征,提高分类效果.该迁移网络能够同时获得对齐的特征和自适应分类器,不需要目标域的标记数据,实现无监督迁移学习.在多时相的Hyperion高光谱遥感图像和WorldView-2多光谱遥感图像上的实验结果证明了该迁移网络的有效性.      

面向对象的遥感图像分类方法研究

影响遥感图像分类效果的主要因素之一是空间分辨率。通过融合多分辨率遥感图像,引入面向对象的思想,有效地克服了多光谱图像空间分辨率低的问题。该方法由图像分割和分类等一系列技术组成,首先用基于区域分割法则对正射校正SPOT图像进行分割,然后把它作为参考用最大似然法分类器和其他一些经验规则对TM图像进行分类。对土地覆盖图分类进行精度测试,取得了良好的应用效果。     

基于遥感图像的海岸线提取方法研究

海岸线是划分海洋与陆地管理区域的基准线,不同地貌的海岸线划分依据不尽相同,在卫星图像上的解译标志与提取方法也存在差异。根据我国东南沿海海岸地貌特征,研究其海岸线在ETM+、ALOS及SAR卫星图像中的解译特征标志,借助数字卫星图像处理技术,对试验区范围内不同类型海岸线图像进行提取。     

基于面向对象分类法的川藏铁路沿线大型滑坡遥感解译

川藏铁路位于青藏高原中东部,其地形地貌和地质构造复杂,是我国大型滑坡发育最为密集的地区,严重影响了我国西南地区的人类生命财产安全和重大工程建设。在面上资料分析的基础上,重点以川藏铁路沿线茶树山滑坡、川藏公路102道班滑坡、八宿怒江滑坡、理塘乱石包高速远程滑坡为例,在ENVI51和eCognition软件平台上,利用高分辨率WorldView 2以及Landsat遥感卫星数据,结合野外实地调查,采用基于面向对象分类法对滑坡的遥感信息进行分析研究。结果表明,采用面向对象分类法可以提取出关键信息和目标区域,再结合目视解译,能够得到滑坡的细部信息,提高遥感影像滑坡解译的成功率,特别是对川藏铁路沿线等地质条件复杂区域的滑坡调查工作有重要意义。最后,结合灰度共生矩阵(GLCM)和归一化植被指数(NDVI)对古滑坡和新生滑坡的识别进行探讨。基于灰度共生矩阵和植被指数提出了滑坡遥感信息量判别(GVI)模型,并构建模型的质量函数IGVI;统计样本的结果显示古滑坡的IGVI值明显低于新生滑坡,表明本研究提出的GVI模型可以为识别古滑坡和新生滑坡提供依据。     

基于灰度共生矩阵的图像纹理特征地物分类应用

针对传统遥感影像分类方法的分类精度不高,在分析图像的光谱信息的基础上,对基于灰度共生矩阵的纹理特征在地物分类中的应用进行了研究.本研究利用原始图像进行主成分分析后的前两个主成分,经过编程运算,提取了基于灰度共生矩阵方法的不同测度的纹理特征,将提取的纹理特征作为新的波段,与原始波段进行组合,再对组合图像进行监督分类,探索...     

模糊理论在遥感图像分类中的应用

利用2000年假彩色遥感图像,采用模糊C-均值法中的欧氏距离和马氏距离法对崇明东滩的遥感图像进行了处理。通过对白色覆盖物、未耕种土地、一号水稻田、水体和二号水稻田的分类结果表明,欧氏距离的聚类结果优于马氏距离。     

基于随机补片和DeepLabV3+的建筑物遥感图像变化检测

为有效解决传统遥感图像变化检测预处理复杂的问题,提出一种基于随机补片和DeepLabV3+的建筑物遥感图像变化检测方法。以ResNet50特征提取网络为基础,创建DeepLabV3+语义分割网络,并在图像和标签中创建大小为224像素×224像素的随机补片作为网络输入,训练建筑物提取网络;修改建筑物提取网络输入层为6通道,通过矩阵运算将两期遥感图像转换为一幅6通道非RGB图像,利用转换后的非RGB图像进行网络训练并验证变化检测精度。实验1利用ENVI5.3软件,采用马氏距离法进行变化检测;实验2采用改进的U-Net网络和随机补片,完成网络训练和精度验证;实验3使用实验2的训练数据和验证数据,采用随机补片和DeepLabV3+网络进行变化检测网络训练及精度验证。实验结果表明,该方法实验1、实验2、实验3建筑物变化检测平均交并比分别为24.43%、83.14%、89.90%,边界轮廓匹配分数分别为61.47%,80.24%、96.51%。     

基于光谱指数的遥感影像岩性分类

由于传统的岩性分类方法受岩石辐射干扰因素大, 存在"同物异谱"以及"同谱异物"现象, 岩性分类精度低, 所以在深入分析岩石矿物光谱特征基础上, 以西昆仑成矿带地区的二长花岗岩、石英正长岩以及正长岩为研究对象, 基于这3种岩性的实测光谱数据以及先进星载热发射和反射辐射仪(advanced spaceborne theemal emission and reflection radiometer, ASTER)影像数据的波段设置特征, 建立了RI和SI两种光谱指数.利用所建立的RI以及SI光谱指数对ASTER遥感数据进行岩性分类.结果显示, RI和SI两种光谱指数法在提取二长花岗岩时精度达到70%以上, 石英正长岩精度为80%左右, 与最大似然法得到的分类结果相比, 这两种岩性的分类精度明显提高了.      

利用粗糙集理论进行遥感分类信息提取

以辽宁省双台子河口湿地为研究对象,以Landsat 8和HJ-1-A/HJ-1-B的多时相遥感影像为数据源,根据研究区现状,将研究区分为旱地、芦苇、水田、碱蓬、混合植被、水面、滩涂、居民点、养殖塘九个类型.利用时间序列的归一化植被指数提取植被与非植被的分类阈值,采用粗糙集理论和多时相遥感影像,对植被和非植被分别进行分类规则的获取,建立了研究区决策树分类模型.为了进行精度评价,利用相同的训练点又进行了同样基于像元的最大似然法分类.最后利用混淆矩阵对上述两种方法进行了精度评估,基于粗糙集的决策树分类法与最大似然法总体分类精度分别为93.70%和91.62%,Kappa系数分别为0.92和0.90,两项指标值基于粗糙集理论法均比最大似然法有所提高.这为构建决策树分类模型进行湿地地表分类信息提取提供了一条新的研究思路.     

基于混合滤波的遥感图像去噪

遥感图像在生成、传输和转化过程中往往受到各种噪声的干扰,影响了图像本身的清晰度,降低了视觉效果,不利于真实信息的提取.研究目的是对高分辨率遥感图像进行预处理,以提高信息识别精度.研究方法是噪声检测结合混合滤波的方法,该方法基于均值滤波和中值滤波的互补性,首先对图像每一个像素点进行噪声检测,把受高斯噪声污染和受椒盐噪声污染的像素点区分开,然后分别对受高斯噪声污染和受椒盐噪声污染的像素点进行处理.与其他滤波算法进行比较的结果表明,噪声检测结合混合滤波方法能够有效去除椒盐噪声和高斯噪声,保留图像的纹理信息,提高图像的清晰度.