遥感影像的海岸线自动提取方法研究进展

海岸带是人类活动集中且容易受到破坏的区域之一,快速而准确地实现海岸线的提取对海岸带管理及海岸带演化研究具有十分重要的意义。遥感技术因其大范围、高效率、低成本等突出优势逐渐成为一种实现海岸线提取及监测其动态变化的方式,克服了传统海岸线测绘方法的时间周期长、劳动强度大等缺点。本文综述了近些年提出的基于遥感影像的海岸线自动提取方法的研究进展。首先给出了海岸线的定义与分类,阐明了瞬时水边线及真实海岸线提取两个阶段及具体的提取流程,重点论述了通过提取瞬时水边线,进而获取真实海岸线的阈值分割方法、边缘检测算子方法、活动轮廓模型方法、数据挖掘方法、多分辨分析方法、面向对象方法、极化方法及其他方法,分析和比较了各种方法的优缺点,阐述了海岸线校正原理及精度评价方式,并对下一步的研究工作进行了展望。     

遥感自动提取海岸线方法

利用遥感技术确定海岸线位置的问题受到关注由来已久,就其在国内外的研究现状做了介绍,利用小波边缘检测算子提取出黄河三角洲河口区2004年Landsat TM图像的海岸线位置;在分析小波算子与传统边缘提取方法相比的优点的同时,并就其存在的不足提出了今后的研究重点。     

基于无人机遥感的海岸线提取与测量方法

面对复杂的海岸线地质结构,传统依靠卫星影像和人工施测的方法难以快速准确进行海岸线提取与监测。本文以无人机遥感的手段,高效获取分辨率较高的海岸线低空影像,生产DEM、DOM数据,结合当地潮位信息,快速准确地进行了海岸线范围提取与量测。针对砂质海岸线开展了航拍实验,经与痕迹线进行对比,得出本文的海岸线提取方法能较好地与实测结果相匹配,仅局部细微处出现差异,海岸线测量精度满足动态监测要求,可较好地应用于资源管理部门。     

不同类型海岸线遥感解译标志建立和提取方法研究

传统的海岸线现场测量方式费时费力,且个别地区难以到达,遥感技术的出现为海岸线的获取提供了重要手段,可弥补传统方式的不足.应用SPOT 5影像,通过野外实地踏勘获取的现场资料及经验,分析各种海岸类型在影像中的特征,从颜色、纹理、地物邻接关系等方面建立海岸类型的遥感解译标志,提出基岩岸线、砂质岸线、粉砂淤泥质岸线、生物岸线...     

海岸线遥感判绘与提取系统实现

本文基于Access构建了海岸线类型数据库和解译标志数据库,实现了现场照片、解译标志图片、文字等信息的统一存储;并充分顾及海岸线判绘与提取工作特点进行系统设计,开发了数据库管理、海岸线判绘、海岸线提取和制图表达等4个子系统,实现了海岸线的流程化提取与制图。该系统简单实用、针对性强,提高了作业效率和准确性,可服务于海岸线动态变化遥感监测和管理。     

基于形态重建的高分辨率遥感影像城市道路提取

根据城市道路在高分辨率遥感影像中的形态特性,提出一种基于形态重建的提取方法。试验结果表明,该方法能有效地从高分辨率遥感影像中提取出城市道路网。     

基于色差的遥感影像海岸线提取

分析了Canny算子边缘检测的基本原理和存在的问题,介绍了彩色空间及计算方法.根据海岸地带遥感影像特征,探讨了基于色差的Canny算子自适应边缘提取算法.实验表明,改进的算子具有较高信噪比,能达到比较理想的海岸线检测效果.     

基于多时相遥感影像的海岸线变化监测研究

随着社会经济的高速发展,沿海经济带正发生着日新月异的变化,海岸线环境发生了巨大改变。利用遥感技术不受时间、空间限制的特点,研究海岸线变化监测,有利于掌握海岸线分布情况,监测海岸线沿线生态环境。本文是基于多时相遥感影像,开展辽宁省大陆海岸线变化监测研究。     

面向对象的形态学建筑物指数及其高分辨率遥感影像建筑物提取应用

高分辨率遥感影像建筑物提取是摄影测量与遥感领域的一个热门研究主题。本文综合利用影像分割、基于图的数学形态学top-hat重建技术,提出了面向对象的形态学建筑物指数OBMBI,并将其应用于高分辨率遥感影像建筑物提取。首先,建立像素-对象-图节点的双向映射关系;然后,基于图的白top-hat重建和上述映射关系来构建OBMBI图像;接着,对该OBMBI图像二值化、矢量化以获取建筑物多边形;最后,对结果进行后处理优化。使用一景航空、一景卫星全色影像对本文方法和PanTex方法进行性能测试。试验表明,本文方法的建筑物提取精度显著的优于PanTex方法。其中,本文方法平均比PanTex方法的正确率高9.49%、完整率高11.26%、质量高14.11%。     

形态学边缘检测和区域生长相结合的遥感图像水体分割

遥感图像水体区域中因水体自身流动和波动等因素造成图像噪声,利用传统方法直接分割水体容易导致分割精度较低。为此,利用遥感图像中水体区域具有连通性强以及像素灰度值相近等特点,提出了一种利用多结构元素形态学重构边缘检测结合区域生长实现遥感图像水体分割的方法。首先将遥感图像转化为灰度图像,运用多结构元素形态学重构边缘检测,在去除噪声的同时增强水体边缘,保持水体区域边缘的较准确定位;然后利用灰度直方图自动选取种子点,确定水体区域灰度范围,利用该灰度范围内像素的均值和方差、种子点及已生长区域灰度特性作为生长准则,实现对水体区域的分割。实验结果表明,该方法能够对因水体扰动等因素导致的噪声图像进行有效分割,且水体区域分割精度较高。     

结合LOG算子和大津法的遥感影像边缘检测方法

针对遥感影像具有丰富的细节和混合噪声,采用传统高斯拉普拉斯(LOG)算子难以有效地提取遥感影像地物边缘信息,文章提出一种结合LOG算子和大津法(Otsu法)的遥感影像地物边缘信息提取算法。此算法采用中值滤波对原始影像进行消噪,利用Otsu算法对滤波后影像进行自适应阈值分割得到目标影像,采用LOG算子对目标影像进行边缘信息提取。以安宁某区域的遥感影像为例,实验结果表明,提出的算法与传统LOG算子相比,具有更高的提取精度,能有效地提取出遥感影像的真实边缘、减少伪边缘。     

高分辨率遥感影像建筑物提取多路径RSU网络法

针对卷积神经网络在提取建筑物的过程中,存在建筑物边界不准确和建筑物内部空洞等问题,提出以RSU模块（residual U-block）为核心的MPRSU-Net （multi-path residual U-block network）。该模块利用编码器-解码器结构和残差连接,实现了局部特征和多尺度特征的融合。由于一个RSU模块提取的信息有限,MPRSU-Net进一步通过多路径结构并行了不同尺度的RSU模块,并在这些模块之间进行信息交换,提高了特征聚集效率。在分辨率为0.3 m的WHU和Inria建筑物数据集上进行试验,精度分别达95.65%和88.63%,IoU分别达91.17%和79.31%,验证了本文方法的有效性。此外,本文方法相较于U²Net,计算量明显降低,模型参数量减少68.63%,表明本文方法具有一定的应用价值。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

亚米级遥感影像的建筑物高度反演方法及其验证北大核心CSCD

建筑物高度是现代化都市监测、规划、管理及各城市经济活动中的基础性数据,为实现建筑物高度信息的提取,本文提出了一种基于玻尔兹曼曲线的建筑物高度反演方法。首先,利用建筑物影像的光谱特性,采用多尺度分割和遥感指数分类的办法获取建筑物阴影感兴趣区域,根据玻尔兹曼曲线函数拟合获取阴影的亚像素位置,线性拟合得到阴影边界;然后,根据太阳、卫星、建筑物和其阴影的几何关系,构建高度反演模型,估算建筑物高度;最后,选择宁海为研究区,选取在轨的主流亚米级高分二号、高景一号、北京二号、WorldView-2卫星遥感数据进行精度验证。试验结果表明,计算的建筑物高度中误差优于2.5 m,可用于一般的城市卫星遥感监测。     

基于AdaBoost算法的遥感影像水体信息提取

AdaBoost算法利用每个特征构造一个简单分类器,然后将简单分类器进行训练组合成一个强分类器。算法能够充分利用每个分类器的优势并避免其劣势,得到一个最佳判别,达到提高分类精度的目的。本文利用TM影像,将影像各波段灰度、水体指数和谱间关系特征相结合,构成提取水体的强分类器,实现水体提取。实验结果表明,算法能够非常有效地、高精度地提取水体信息。     

融合可变形卷积与条件随机场的遥感影像语义分割方法

当前,深度卷积神经网络在遥感影像语义分割领域取得了长足的发展.标准的卷积神经网络由于卷积核的几何形状是固定的,导致对几何变换的模拟能力受到限制.本文引入一种可变形卷积来增强卷积网络对空间变换的适应能力.由于神经网络架构中使用了池化层操作,这会导致在输出层未能充分地对局部对象进行准确的分割.为了克服这种特性,本文将神经网络输出层的粗糙预测分割结果通过全连接的条件随机场来进行处理,以此来提高对影像细节的分割能力.本文方法易于采用标准的反向传播算法进行端到端的方式训练.ISPRS数据集上的测试试验结果表明本文方法可以有效地克服遥感影像中分割对象的复杂结构对分割结果的影响,并在该数据集上获得了当前最好的语义分割结果.     

遥感影像面向对象信息提取技术在GIS土地管理中的应用

本文主要研究通过高分辨率遥感影像和eCognition软件,利用面向对象信息提取技术来获取村庄尺度土地利用类型空间数据的技术方法。本项研究中的实验区主要地物包括麦田、旱作物、荒地、苗圃、道路、水体、建设用地和树木等类型。通过设置不同的分割参数并目视判定待识别地类的轮廓分割效果,获取适用于村庄尺度土地利用类型分类的最优分割参数,并通过分类精度对比说明面向对象信息提取相对于传统分类方法的巨大优势。     

基于高分辨率城区遥感影像的道路半自动提取方法研究

遥感影像上人工地物的自动化和智能化采集一直是摄影测量与遥感技术长期探索的一个主要课题。道路是重要的基础地理信息,随着遥感影像分辨率的提高,道路特征的复杂化对道路提取方法形成了挑战。针对高分辨率城区遥感影像道路提取中存在的问题,结合多分辨率分析思想、模板匹配原理和LSB-Snake模型,综合提出了一种适用于城区高分辨率遥感影像的道路半自动提取方法。实验表明该方法可以在很大程度上弥补LSB-Snake模型的不足,同时具有良好的抗噪声能力,可作为一种有效手段应用在城区高分辨率遥感影像的道路提取中,具有很好的交互性、可靠性和高效性。     

一种顾及上下文的高光谱遥感图像端元提取方法

端元提取技术是混合像元分解中重要的步骤之一,传统的端元提取方法仅考虑了像元的光谱信息.本文将数学形态学算子扩展到高光谱空间,并应用到端元提取技术中,可以顾及像元的上下文信息.利用AVIRIS高光谱仿真数据对算法进行了实验验证,结果表明本文算法具有较强的抗噪能力和较高的可靠性.在此基础上,结合徐州地区的EO-1 Hyperion高光谱遥感图像,使用本文算法进行了端元提取应用研究,将实验结果与纯净像元指数、顶点成分分析方法做了对比分析和精度评价,证明本文算法是一种可靠的高光谱遥感图像端元提取技术.