eCognition影像自动解译及精度评价

利用甘肃省白银市WorldView-2多光谱波段遥感影像,经预处理后采用eCognition软件通过影像筛选、多尺度分割、解译规则集建立、成员函数运算,自动解译了9种不同的地物类别,分别为旱地、无轨道路路面、水面、低矮房屋建筑区、硬化地表、天然草地、乔木林、工业设施及温室大棚。通过目视解译及野外实地验证对自动解译结果进行了精度评价,并与传统分类方法进行了比较。结果表明,基于eCognition的影像自动解译效果较为理想,解译总体精度达到了79.88%,Kappa系数为0.747,与人工目视解译相比大幅提高了解译效率,相对于传统分类方法大幅提高了解译精度。本研究在进一步改进地理国情普查及国情要素动态更新的方法上具有指导意义。     

面向对象的无人机遥感影像烟草种植面提取和监测

无人机遥感影像技术用于农业种植面积、长势、轮作的监测和管理,取得了非常喜人的效果。文章应用无人机遥感影像和遥感图像处理软件eCognition,以面向对象的遥感影像分析方法提取临沂市沂水万亩示范园区2012年烟草种植面积及其分布信息。分类结果表明,利用面向对象的分类方法解译无人机获取的高分辨率遥感影像可以获得精确的烟草种植信息,为大区域烟草种植面积的自动监测提供了广阔的前景。     

基于eCognition的遥感图像面向对象分类方法研究

随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。     

一种改进的基于最小生成树的遥感影像多尺度分割方法

影像分割是遥感影像面向对象信息提取的基础步骤。基于多特征、多尺度及考虑空间关系的遥感图像分割是主流研究方向。本文基于eCognition软件的多尺度分割思想,引入基于图论的最优化理论,提出了基于最小生成树分割和最小异质性准则的多尺度分割方法。该方法采用相干增强各向异性扩散滤波和最小生成树分割得到初始分割结果,通过最小异质性合并准则同时考虑多波段光谱特性区域形状参数进行区域合并,实现多尺度的影像分割。本次研究选取两景试验影像,对本文方法和eCognition软件的多尺度分割方法开展了目视比较和定量指标评价,结果表明,本文提出的方法是一种有效的影像分割方法,在光谱差异较小区域的细分方面优于eCognition方法。     

基于Gabor纹理描述的遥感影像分割

本文引入了在不同影像层次上的Gabor纹理特征,采用分裂-合并加智能像素精致的方法,实现遥感影像的非监督分割。实验结果表明采用Gabor滤波器为基础的多分辨率分析来描述高分辨率遥感影像的纹理特征,可以明显地描述影像的高、低频特征,并且基于Gabor纹理特征进行遥感影像的分割是有效的;将本文方法的分割结果与经典的eCognition分割结果进行了对比试验,表明本文方法的分割结果较好。     

高分辨率遥感影像的全变分分割模型

由于全变分(Total Variation,TV)模型具有较好的去噪、增强和扩散等功能,在过去的几十年中,TV模型在图像去噪、增强和超分辨率重建等方面得到了深入研究与广泛应用。鉴于TV模型的理论与分割理论具有一致性,因此本文主要研究TV模型用于高分辨率遥感影像的分割,并针对地物多尺度特征,提出了自适应的TV(ATV)模型;且与目前流行的面向对象的影像分析软件eCognition中的FNEA分割方法进行了比较。实验采用2幅高分辨率遥感影像,同时采用了面向对象的分割和分类评价,得出各方法各具优缺点的结论。     

一种基于最优邻接链的高分辨率遥感影像分割方法

基于区域合并分割方法的性能很大程度上取决于区域模型、合并准则和合并顺序。依据遥感影像的目视解译原理,分析高分辨率遥感影像的特点,设计一种新的融合光谱、形状和空间位置的合并代价函数进行区域相似性度量。同时加入面积控制参数,使得区域在光谱值相同的情况下优先合并小区域。在合并顺序的改进中,以最优邻接链的形式来表达和获取局部范围的最小合并代价区域对,确保每次相互合并的区域都为局部最优。对QuickBird多光谱影像进行分割实验并与eCognition的分割结果比较,结果证明本文方法在分割精度上有优势,更符合人的视觉感知。     

面向对象的高分辨率影像的道路提取

基于eCognition软件采用面向对象的分类方法来提取道路,实验过程中选用多尺度分割以及光谱优化分割作为分割方法.选取worldview-2高分影像作为实验数据,试验区域选用连云港一处村镇道路,并根据实验区和实验对象选取特征进而分类,针对提取结果进行数学形态学计算得到大致的道路骨架,继而对道路进行追踪和细化操作.结果表明在高分辨率的遥感影像中的城乡主要道路可以利用多尺度分割和隶属度函数比较清晰地提取出来,经过细化后道路形态更加规整.     

基于GF-2卫星数据的国情普查地表覆盖解译研究

以广东某地地理国情普查地表覆盖解译为例,阐述了利用eCognition(易康)软件对高分二号卫星遥感影像进行分类解译,并结合ArcGIS软件作对比分析,对地表覆盖解译的数据进行精度评定。结果表明,利用eCognition(易康)软件对地表覆盖解译的数据精度准、效率高,适合大规模的高分卫星数据的地表覆盖数据解译。     

基于卫星遥感的输油管廊沿线的地物识别研究

基于eCognition软件进行研究区域面向对象的信息提取,对研究区进行多尺度影像分割的实验,找到适合影像地物信息提取的尺度及参数、分类规则,并对研究区的影像数据进行验证,通过eCognition分类结果与传统分类和基于GBDT分类算法结果的对比,说明面向对象的特征提取算法更适用于几何信息和结构信息丰富的高分辨率图像.     

纹理特征遥感影像分割研究

影像分割是面向对象的分类思想应用于遥感影像信息自动提取的基础,纹理是影像的基本特征,是影像分析、理解和识别的重要信息,纹理特性的有效表达和抽取,是基于纹理影像分割的前提。本文系统概述了近年来各类文献中使用频率较高的基于纹理的遥感影像分割方法,并以基于统计的方法、基于纹理结构的方法、基于模型的方法和基于空间/频率的方法四种基本类型为主线,对每一类分割方法的特点进行了分析和总结,在此基础上指出了基于纹理特征遥感影像分割的研究趋势。     

基于复杂地貌下的土地利用信息提取技术

选取复杂地貌下的西安市临潼区为例,对其高分辨率遥感影像展开信息搜集与提取,采用eCognition自带分类构建规则集,对于土地利用信息进行重点关注.围绕对象分层网络方法展开研究,进一步提升信息提取的精准度,避免过分割以及欠分割情况造成的负面作用,同时有效解决了传统提取中较为困难的阴影信息提取.研究结果表明eCognition在复杂地貌特征下具有良好的适用性,对于国内外其他类似复杂地貌下的研究具有重要的依据和借鉴意义.     

基于空间推理的专题影像解译

遥感影像的计算机解译已广泛地应用于许多领域，但要达到完全自动地解译的目标仍然存在不少问题。本文研究的问题是，在统计分类的基础上，引入空间推理方法，对遥感影像进行专题解译，直至最后自动地输出专题图。据此，文中提出了按专题影像分析需要所形成的由原始影像、分割影像、等质区影像、分类解译影像和功能区影像等构成的表达法层次。在低层次影像分析中，影像按照统计属性被分割；在中间层次和高层次的影像分析中，与地物和专题有关的结构和空间知识被利用。本文说明了四叉树生成、复合形标记、复合形归并和匹配等在沟通不同的表达法中的作用。设计了应用于专题影像解译的差别图。介绍了与差别图和空间分析有关的规则。最后，上述技术已被有效地应用于中国吉林省双阳县的植被调查。     

顾及多尺度分割参数的FNEA面向对象分类

首先对分形网络演化（FNEA）算法做了介绍,通过试验对比4种分割方法棋盘分割、四叉树分割、多尺度分割、光谱差异分割的效果。此外,通过eCognition Developer 8.7分析软件对影像进行多尺度分割预处理,从5开始,以5为单位向上递增,共选取12组参数进行分割试验,采用面向对象CART分类器对分割后影像分类。对比分类效果图可知,小尺度分割参数对分类效果能有较好的提升;对比总体精度及Kappa系数可知,小尺度分割参数分类精度优于大尺度分割参数,且当分割参数Scale为10时,分类精度达到最好的级别。     

面向对象的高分辨率遥感影像道路损毁识别研究

道路损毁信息的在灾后高效救援中发挥着重要作用。本文针对高分辨率遥感影像空间特征丰富、光谱分辨率低的特点,基于面向对象遥感影像分类方法,采用eCognition软件对芦山震后0.2m航空遥感影像进行道路损毁信息的提取实验。实验中结合GIS信息,首先将基于现有的道路矢量线文件生成道路矢量面文件参与分割,生成单独的道路区域对象以用于进一步处理。分割采用棋盘分割和多尺度分割,根据损毁道路影像特征创建波段比值,使用Assign算法和模糊分类算法提取出道路线、植被、损毁区和未损毁区,并将结果输出为矢量文件。根据损毁区损毁对象的周长、面积与道路宽度的关系,建立判定条件来初步判定损毁类型。最终将损毁粗判定结果与损毁路段的目视解译结果对比分析,检验该方法的准确率及可行性。结果分析表明上述方法能有效地识别出高分辨率遥感影像损毁道路信息。     

耦合知识图谱和深度学习的新一代遥感影像解译范式

在遥感大数据时代,遥感影像智能解译是挖掘遥感大数据价值并推动若干重大应用的关键技术,如何将知识推理和数据学习两类解译方法有机联合已成为遥感大数据智能处理的重要研究趋势。由此提出了面向遥感影像解译的遥感领域知识图谱构建与进化方法,建立了顾及遥感成像机理和地理学知识的遥感领域知识图谱。在遥感领域知识图谱支撑下,以零样本遥感影像场景分类、可解释遥感影像语义分割以及大幅面遥感影像场景图生成3个典型的遥感影像解译任务为例,研究了耦合知识图谱和深度学习的新一代遥感影像解译范式。在零样本遥感影像场景分类实验中,所提方法在不同的可见类/不可见类比例和不同的语义表示下,都明显优于其他方法;在可解释遥感影像语义分割实验中,知识推理与深度学习的联合方法取得了最好的分类结果;在大幅面遥感影像场景图生成实验中,知识图谱引导的方法精度明显高于基准的频率统计方法。遥感知识图谱推理与深度数据学习的融合可以有效提升遥感影像的解译性能。     

地理国情普查中地表覆盖自动解译问题研究

针对地表覆盖自动解译时经常遇到的分割尺度设置、影像噪声、判读差异、DLG数据与影像不一致等问题,在实际应用中,根据影像分辨率与测区地类设定合适的分割尺度,采用合理的解译顺序、调整分割尺度和采样率来降低噪声影响,用人机交互解译来解决判读差异问题,人工解译与现场核实相结合判断DLG数据与影像不一致区域。以上措施较好地解决了自动解译遇到的问题。     

FeatureStation和eCognition在地理国情普查项目中的应用对比研究

FeatureStation和eCognition都是用来对卫星影像进行自动解译分析处理的软件,在地理国情普查项目中得到了广泛的应用,但是二者的解译思路不尽相同。众所周知,自动解译的目的是为了降低人工解译的工作量,因此,自动解译软件的选择是否恰当,应用场合是否合适是地理国情普查项目管理者应该思考的问题。本文旨在分析FeatureStation和eCognition的利弊,用实验数据说明二者的优点与不足。     

面向对象的成都平原多源遥感影像分割尺度研究

要对高分辨率遥感影像进行分类,采用面向对象的遥感影像分析技术比传统的面向像元的遥感影像分析技术优越。要使用面向对象的遥感影像分析技术,关键的第一步是要对遥感影像进行分割,以便得到一系列与地物有密切联系的影像对象。分割的准确性与分割的尺度选择有关。本文针对成都平原高分辨率卫星影像分割尺度选择进行试验和研究,采用不同尺度对试验区不同分辨率遥感影像进行影像分割,并比较分割结果,得出成都平原高分辨率遥感影像数据分割最佳尺度与影像对象亮度均值标准差最大值所对应的分割尺度一致;并且遥感影像空间分辨率越高,最佳分割尺度越大,反之亦然。     

面向对象和规则的高分辨率影像分类研究

随着航天遥感技术的发展,遥感数据的空间分辨率、光谱分辨率和时间分辨率极大提高,高效解译并处理海量的、具有空间几何信息和纹理信息的地物高分辨率遥感影像数据已成为遥感领域研究的重点与难点。对此,本文提出一种面向对象和规则的遥感影像数据的分类提取方法,即通过发现和挖掘高分辨率影像丰富的光谱和空间特征知识,建立影像对象多层次网络分割分类结构,实现对遥感影像准确快速的地物分类和精度评价。以藏南地区WorldView-2影像数据为试验研究对象,采用面向对象和规则的影像分类方法进行验证试验,即综合采用均值方差法、最大面积法、精度比较法进行分析,选择3种最佳分割尺度建立多层次影像对象网络层次结构进行影像分类试验。结果表明,采用面向对象规则分类方法对高分辨率影像进行分类,能使高分辨率影像分类结果近似于目视判读的结果,分类精度更高。面向对象规则分类法的综合精度和Kappa系数分别为97.38%、0.967 3;与面向对象SVM法相比,分别高出6.23%、0.078;与面向对象KNN法相比,分别高出7.96%、0.099 6。建筑物的提取精度、用户精度分别比面向对象SVM法高出18.39%、3.98%,比面向对象KNN法高出21.27%、14.97%。