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.     

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。     

面向单波段高分辨率遥感影像的人工目标变化检测技术研究

针对利用遥感影像进行目标变化检测的特点,设计了一套面向单波段高分辨率遥感影像的人工目标的变化检测处理流程,集成运用人工变化检测的影像分析工具,最大限度地发挥自动和人工两种变化检测方式的优点,特别是提出了基于变化目标相似度验证的检测算法,提高了影像变化检测的效率并有效地保证了检测的可靠性。     

遥感技术在卫片执法工作中的应用研究

综合利用两米级与亚米级的国产高分辨率卫星影像优势,开展变化图斑综合提取,以此探讨多源卫星影像在卫片执法工作中的适用性。通过研究得到以下结论：相较于传统分类算法,TabNet网络深度学习算法可以较完整地提取地物边界,并且地物混淆程度较低。采用GF2影像进行地物分割优化,居民地与硬化道路的分割效果与实际情况完全符合,且边界严格按照实际走向。结合GF1与GF2影像的变化图斑提取精度整体较高,新增道路与厂房完整识别出来,并且通过剔除农作物等影响因素,避免了裸露土地对变化图斑提取的影响。     

遥感影像云及云影多特征协同检测方法

遥感影像中云及云影不同程度地影响着地物信息的有效获取。随着多源遥感数据的日益丰富,交叉应用多源、多时相遥感影像复原云及云影区的影像,以有效地获取地类演变过程是遥感大数据应用研究的重要内容。高精度的云及云影检测是遥感影像云及云影区修复的前提和保障。复杂多变的光谱特征以及难以有效表达的空间形态特征,使云及云影一直存在检测过程复杂、适用性差和精度不高的问题,难以形成稳定有效的检测方法。在对厚云、薄云、冰雪及其他地类多光谱特性分析的基础上,本文提出了一种云及云影的多特征协同检测方法。首先,对冰雪、云及其他地物类型可分性较好的红、短波红外、热红外波段,利用SAM方法匹配云光谱特征曲线,并进一步结合短波红外波段像元绝对值区分云与冰雪,以及热红外波段像元绝对值区分云及其他地物类型;其次,通过组合云影定向移动模型与近红外波段亮度阈值检测出云影像元。对具备这些光谱波段的Landsat-8进行实验,结果表明多光谱曲线、“诊断性”波段及空间关系多特征耦合能有效地检测出影像中的薄云、厚云及云影,整体精度优于95%。     

洪涝监测与灾情评估

运用遥感技术和地理信息系统完成了对江西鄱阳湖地区、湖南洞庭湖地区洪涝灾害的遥感监测和灾情评估,绘制出详细反映受灾面积、居民地个数、人口、耕地等受灾情况的卫星影像图,为指挥抢险和抗洪救灾提供了翔实准确的参考资料。     

土地利用/覆被变化遥感检测方法与应用分析

随着我国经济建设的飞速发展,土地利用/覆被变化(LUCC)日新月异,如何快速、高效地获取变化信息已经成为LUCC研究的核心技术之一。本文以SPOT(Pan波段)影像和TM影像为例,对LUCC自动检测方法进行了探讨,并对光谱特征变异法、假彩色合成法、主成分分析法、图像代数法和波段替代法等方法进行了系统分析与比较。实践证明,在科学的图像处理的基础上,综合应用上述方法,能够高效、准确地自动检测出LUCC信息,具有传统的人工目视解译方法无法比拟的优势。     

基于知识的遥感影像居民地信息提取——以山东省蓬莱市为例

如何自动获得居民地信息是遥感专题信息提取研究的热点问题,该文以山东省蓬莱市为研究区,基于对2004年TM影像光谱特征的分析,建立了基于知识的居民地信息自动提取模型,并对提取结果进行了精度评价。结果表明,利用该模型可以很好地将蓬莱地区的城镇居民地自动提取出来,其提取精度与传统的监督分类方法相比有了很大提高。     

基于Adaboost的高分遥感影像自动变化检测方法

基于监督分类的高分辨率遥感影像变化检测需要大量人工标注,且单个监督分类器难以适应高分影像中复杂多样的地表变化信息提取,检测结果中“椒盐噪声”严重、变化图斑破碎。因此,本文提出一种基于Adaboost集成算法、自动标注训练样本的变化检测方法。首先利用非监督分类方法完成变化初检,接着在初检结果中进行“非等距”区间采样自动获取均匀分布的训练样本;然后以Adaboost算法为集成框架,选择决策树桩、Logistic回归和kNN作为弱分类器,构建一种混合分类器集成系统,充分挖掘和利用高分影像中的空间信息以提升分类精度和分类器泛化能力,最后利用SLIC分割算法和空间邻域信息对像元级检测结果进行空间约束滤波,进一步提升变化检测精度。为验证本文方法的有效性,选取SPOT-5和WorldView-2影像为实验数据,结果表明本文方法能有效降低训练样本人工标注成本、提高变化检测精度。     

小波变换和数学形态学的高分辨率图像居民地识别

利用小波变换和数学形态学的方法对高分辨率遥感影像的面状地物居民地进行识别提取。经实验结果得出, 利用小波变换对图像进行纹理分割,而后再用数学形态学的基本运算组合成的各种算子,选择合适的结构元素,可以完成图像居民地的提取,并进行了矢量跟踪,得出的结果可以直接应用于GIS。