基于深度卷积神经网络的遥感图像船只识别

根据遥感图像的特点,针对海面目标难以准确识别的问题,提出了一种基于深度卷积神经网络的船只识别方法.首先利用分类网络进行图像的预分类,然后在分类结果的基础上,构成双通道的识别体制,识别网络采用Faster R-CNN.针对受云雾遮挡的船只识别问题,利用改进的深度卷积神经网络结构开展网络训练与调优,处理结果的F1-Scor...     

基于改进CycleMLP的高分遥感图像采石场识别

石矿区生态修复是改善区域生态系统功能的重要环节,识别采石场、确定采矿区边界是完成修复任务的前提。目前,基于深度学习的语义分割技术,能够精准识别高分遥感图像中的感兴趣地物,为采石场识别提供了有效途径。本文基于CycleMLP框架,利用金字塔结构,将多级特征输入到一个轻量级MLP解码器中,聚合来自不同层次的特征信息,同时获取局部和全局特征。在前馈网络中嵌入卷积层,避免位置编码插值导致的精度下降现象。引入福建省南安市石矿区语义分割数据集,以训练网络和验证算法精度。结果表明,改进后的CycleMLP能够从高分遥感图像中有效识别石矿区,与其他基于自注意力机制的方法相比,精度更高,且可以准确界定石矿区边界,能够为修复石矿区生态系统提供可靠支撑材料。     

基于过渡区特征的全色遥感图像冰雪识别

针对全色图像的冰雪识别问题,以过渡区理论为基础,提出基于过渡区特征的冰雪识别方法.首先利用K-均值聚类方法分离云、雪与其他地物,再通过SUSAN(smallest univalue segment assimilating nucleus)边缘检测提取过渡区图像;然后设立描述过渡区大小的特征量——厚度,并与过渡区的均值和方差特征量组合成特征向量,用以分析过渡区特征,识别具有冰雪过渡区特征的点,构成冰雪边界;最后经过边界生长和区域填充,实现冰雪识别.以“北京一号”小卫星全色图像为遥感数据源,应用该方法及过渡区阈值法、迭代自组织法和面向对象纹理分析法分别提取冰雪覆盖区.该方法的冰雪识别精度达到97.39％,明显高于其他识别方法,表明该方法能获得较高精度的冰雪识别结果和丰富的边缘信息,可为云雪分离及雪线提取等方法研究提供参考.     

基于注意力机制的高分遥感图像采石场识别

采石业对国民经济起到积极作用的同时,给生态、环境和人居安全带来了隐患。目前,石矿区生态修复成为重要的生态文明建设问题。解决该问题的前提是识别采石场且确定石矿区边界。高分遥感对地观测和深度学习技术为高精度识别采石场并确定矿区边界提供了有效的途径。本文基于残差网络,设计了注意力金字塔结构和细节增强模块,以少量参数和极低计算复杂度为代价,从无人机高分遥感图像中有效识别石矿区。试验采用福建省南安市高分遥感图像和人工实地考察获取的石矿区边界真值作为数据源,构建用于卷积神经网络训练的数据集,并对算法精度进行验证。试验结果表明,本文方法速度快、精度高,可为石矿区生态修复提供可靠的支撑材料。     

基于特征的模糊神经网络遥感图像目标分类识别

特征是图像处理中用于辨识目标的最基本属性.提出了利用模糊神经网络方法,针对舰船的几何特征、矩特征和纹理特征进行舰船目标识别处理.首先简单地描述了几何特征、矩特征尤其是Hu矩特征、一阶纹理特征和二阶纹理特征.然后分别对仿真数据、卫星观测数据中的舰船目标,以及自动检测处理获取的舰船目标的几何特征、Hu机特征和纹理特征进行了提取和分析.模糊神经网络方法可以综合模糊集理论和神经网络方法的优势,有效地实现基于特征的图像目标分类识别处理.文章首先描述了一种主从神经元结构的模糊神经网络分类识别方法,然后利用该方法对大型舰船进行分类识别,包括基于单类舰船特征的分类识别和基于多源(时相)数据融合的分类识别.实验结果表明,基于大型舰船的几何特征、矩特征和纹理特征,利用模糊神经网络方法可以实现对大型舰船目标的有效分类识别.通过多源数据融合处理,可以改善分类识别效果.     

基于穷举法的高光谱遥感图像地物识别研究

介绍了一种基于穷举法的高光谱遥感图像地物识别方法。该方法从所有与研究区有关的可能参考光谱中识别出图像上每个像元的最佳匹配光谱,绘制识别结果图,并由图中信息可对参考光谱进行更换,以求得最佳识别结果。并以云南省中甸普朗斑岩铜矿区外围的高光谱遥感图像为例,得到了该区的地物识别图,经实地检验,证实了该方法的有效性。     

遥感图像中港口目标识别技术

港口的检测与识别是合成孔径雷达（synthetic aperture radar,SAR）遥感海洋应用领域的重要内容。分析港口目标结构及其微波散射特性,提出了一种基于先验约束的SAR遥感图像港口检测与鉴别方法。首先利用港内水域半封闭性的特点,定义水域被陆地包围的封闭性测度提取港内水域,使用多向扫描法检测突堤,结合两者结果实现港口粗提取。然后依据港口的最小外接矩形,判定口门方向和突堤代表点,最后根据突堤代表点间海岸线的封闭性测度完成港口鉴别。实验结果表明,本文提出算法能够准确检测港口及口门方向,完整提取突堤结构。     

GIS辅助下的遥感图像分类与识别

RS与GIS有着紧密的关系和很强的互支持性,RS为GIS提供了最好的一种数据获取手段,而GIS则可以用来辅助进行遥感图像分析,提高分析的精度和可靠性,因此两者的集成是十分必要的。     

基于GPS的遥感图像纠正

介绍了运用GPS控制点纠正遥感影像的全过程,在ERDAS平台对传统的窗口对窗口的视图式纠正方法和基于文件的GPS纠正方法作了比较,就其存在的优缺点进行了分析.对运用GPS进行遥感影像纠正的可行性进行了分析,对这种方法运用于西部地区或沙漠地区的遥感影像纠正的可行性作了初步的设想.     

基于MATLAB的遥感图像变化检测

主要讨论了遥感图像变化检测的图像几何配准和阈值选取理论,利用MATLAB强大的数值计算功能实现了遥感图像变化检测.在拓展数学符号计算软件包MATLAB应用领域的同时,探索了一种遥感图像处理软件的快速开发方式.     

利用频谱能量进行高分辨率遥感图像地物识别

提出了一种基于频谱能量的高分辨率遥感图像地物识别方法。首先将预处理后的典型地物的遥感图像通过傅立叶变换从空间域转变到频率域,然后用位于频谱中心的一个矩形窗口提取频谱图上对能量贡献起主导作用的低阶频谱能量系数作为目标识别的主要特征值,并利用该特征值结合SVM分类方法对目标地物样本进行识别和分类。研究结果表明,每种地物样本均获得了较高的识别结果,总体精度达到了88.96%。     

遥感图像面状目标识别的智能可视化模型

建立实用的遥感图像分析系统涉及诸多因素，其中，形成有效的目标提取算法体系和设立适于目前人工智能水平的基于知识的框架是两个核心问题。本文提出了一种利用对光谱特征空间分布进行可视化图形处理的新的分类方案，继而以光谱、纹理和空间知识对分类结果进行优化。这种集可视化分析、栅格ＧＩＳ处理功能和人类判读专家知识于一体的系统为解决遥感图像地物识别这一复杂问题提供了有效途径。     

面向城市道路目视识别的遥感图像滤波增强方法

归纳与总结了遥感图像增强中的几种常用滤波方法。以广州城区作为试验区,Landsat TM影像作为数据源,分别运用纹理分析和卷积滤波对研究区域的遥感影像行增强处理,并对这些方法的影像增强效果进行质量评价。结果表明,高通滤波最适合于城市道路等线状地物的遥感图像增强。     

车辆轨迹与遥感影像多层次融合的道路交叉口识别

交叉口是构成道路网络的基础与核心要素,起到了连接道路和承载转向的重要作用.在城市路网中,交叉口不仅数量众多、形态多样,而且结构复杂、大小不一.单一数据源对于道路交叉口的描述能力有限,难以做到道路交叉口的全面、精确识别.为此,本文设计了一种从车辆轨迹与遥感影像中识别道路交叉口的多元集成方法.首先,集成形态学处理、密度峰值聚类与张量投票提取种子交叉口,将其作为小样本集;然后,据此采用协同训练机制,分别构建基于深度卷积网络,面向车辆轨迹与遥感影像的交叉口分类器;最后,综合两模型优点,形成道路交叉口的集成分类模型.本文方法在多个层次上融合车辆轨迹与遥感影像关于交叉口的互补性描述特征,提出半监督式交叉口提取技术,无须人工标注即可有效识别复杂多样的道路交叉口.基于武汉市出租车轨迹和遥感影像的试验表明,本文方法在无人工标注样本的前提下,道路交叉口提取的准确率超过93％,召回率达到87％.     

基于人工免疫系统的遥感图像检索

为了提高遥感图像检索的准确性,提出了一种基于人工免疫系统(artificial immune system)的遥感图像检索算法。该算法根据相关反馈技术及免疫机理,利用克隆选择算法对用户反馈的图像特征进行泛化学习,从而提高了系统对用户语义的理解能力。实验结果表明,该算法能有效理解用户的反馈信息,能提高检索的准确性。     

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%。     

基于卷积神经网络的遥感图像变化检测

主要研究了针对目标区域的基于卷积神经网络的变化检测方法,对比了两种卷积神经网络的方法,包括使用以VGG16为网络结构,将图像裁剪为16×16的图块,以这些图块为单元,为每个图块做变化或不变化的标签,最终生成基于图块的变化图像。基于这种方法适合用于大面积变化明显的区域,对于变化范围较小的图像则不能很好地判断是否变化,其次是由于设置的图像块比较大,因此在提高训练速度的同时,难以保证良好的视觉效果。第二种是以Siamese Network为网络框架,基于编码解码的网络结构对其进行改进,通过两个通道分别输入前后时相的图像,每一次卷积后相减并利用跳跃连接与解码端的图像叠加提取特征,获得了良好的测试结果。     

基于人工免疫系统的遥感图像分类

提出了一种基于人工免疫系统(ArtificialImmuneSystem)的分类方法。该方法首先应用人工免疫系统的克隆选择算法对样本进行自学习,得到全局最优的聚类中心,然后利用学习得到的聚类中心对整幅影像进行分类。由于人工免疫系统继承了生物免疫系统的自组织、自学习、自识别、自记忆的能力,从而使得人工免疫系统具有非线性的分类能力,并能够快速准确地得到全局最优解,克服了传统分类方法约束条件多,容易陷入局部最优的缺点。实验结果证明,该算法分类精度上优于传统的分类方法,总精度和Kappa系数分别达到了89.80%和0.8725,因而具有实用价值。     

基于ENVI的遥感图像决策树分类

传统遥感图像分类方法一般是基于概率统计,然而人们一直致力于提高分类精度的研究。本文利用ENVI5.0对研究区分别进行了最大似然法、ISODATA法、决策树三种遥感图像分类;首先对三种分类方法进行简单阐述,然后图像预处理,选取训练样本,最后进行分类。通过数据比较和图表分析,可以看出这三种分类方法中,决策树分类精度最高,最大似然分类次之,ISODATA分类精度最低。决策树分类法可以有效地提高图像分类的精度。     

基于MATLAB算法的遥感图像融合

遥感影像像素级融合是遥感信息分析与处理过程中非常有效的方法。文章通过分析3种主要的多源遥感影像融合方法特征和不足,运用MATLAB算法实现影像融合,并对融合成果结合主观目视和客观指标进行综合评价。经过实验表明,利用MATLAB影像融合算法融合取得了较好效果,且提高了影像处理效率。