基于分水岭算法的高分遥感图像道路提取优化方法

针对高分辨率遥感图像城市道路提取中存在的问题,在面向对象方法和数学形态学等理论基础上,提出了一种基于改进的分水岭分割算法的道路提取方法.在图像预处理基础上,首先使用改进的分水岭算法分割影像,提取基本的道路信息;然后利用面向对象方法提取道路基元,完善道路信息;最后将道路信息二值化,并采用数学形态学等方法进行优化,去除和修补不完善的道路.结果表明,该方法能有效地提取出城市地区的道路信息,对较复杂的道路环境也有较好的效果.     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

Sentinel-2遥感图像的细小水体提取

基于卫星遥感的水体提取算法对面积较大的水体效果较好,应用于细小水体时受混合像元、异物同谱等因素影响,容易出现误判。Sentinel-2卫星多光谱遥感数据空间分辨率为10 m、20 m、60 m,双星时间分辨率5 d,时间和空间分辨率较高,因此本文采用了Sentinel-2绿光波段（560 nm）、红边波段（705 nm）、近红外波段（842 nm、865 nm）和短波红外波段（2190 nm）的遥感反射率,提出了一种植被红边水体指数算法RWI（Vegetation Red Edge based Water Index）。对比分析了植被、阴影、建筑物、混合像元、裸土、水体6种地物的归一化遥感反射率,从机理上解释了为什么RWI比其他水体指数具有更好的提取细小水体的效果。本文对比了常用的几种水体提取算法,包括改进的归一化差异水体指数MNDWI（Modified Normalized Difference Water Index）、多波段水体指数MBWI（Multi-Band Water Index）、自动水提取指数AWEI（Automated Water Extraction Index）,以人工目视解译的水体结果为准,对比以上几种算法得到的水体提取结果,得出RWI、MNDWI、MBWI、AWEI_sh、AWEI_nsh的面积提取差异分别为3.6%,4.2%,12.2%,8.8%,19.8%。从结果可以看出RWI算法精度最高。从影像提取结果来看,本文提出的RWI算法提取的水体边界效果更佳,而且能够一定程度上消除山体和建筑物阴影、云阴影以及混合像元的影响。同时,在2016-01—2018-12时间范围内筛选选取了共43景无云的Sentinel-2影像,利用本文提出的算法对雄安新区、神东矿区、永城矿区3个区域的细小水体分布开展了多时相分析。观察后发现每个时相的结果均十分良好,细小水体的边界区分度较高,基本没有错提、漏提,算法具有良好的适用性和稳定性。     

遥感影像水体提取研究综述

水体时空分布特征对于水资源监测与应用具有重要意义,为了快速、准确、高效地获取地表水体信息,借助于遥感影像进行水体提取的方法受到国内外学者关注。该文通过梳理相关研究成果,评述水体提取的3类方法:阈值法、分类器法和自动水体提取法在模型构建、分割机理和模型适用性3方面的差异。通过进一步分析现存的各类问题,指出水体物化特征与遥感光谱特征的关系研究是提高水体提取方法普适性的一条重要途径;同时,影像提取结果评价体系的标准化和规范化,将有助于推进遥感水体提取应用范围和力度。     

一种融合边缘信息的面向对象遥感图像分割方法

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

改进U-Net模型的遥感影像水体提取研究

针对传统遥感水体提取方法在大范围、高分辨率遥感影像水体提取任务中效率低等问题,该文提出了一种基于改进U-Net模型的遥感影像水体快速提取方法。通过减少以VGG16为特征提取网络的下采样层和相对应的上采样层来精简网络,提升模型运行效率。基于高分影像进行了沈阳市的水体提取研究,结果表明,改进U-Net模型各项精度指标均高于U-Net模型,交并比(IoU)和F₁分别达到了90.3%和94.9%。与此同时,模型的训练时长和预测时长分别缩短了25.8%和21.6%。该文为遥感影像中水体的高效提取和分类提供了参考,并可用于水资源调查、管理和规划。     

基于遥感的杭埠河流域水体的提取方法研究

通过遥感数据快速、精确的获取地物专题信息已经成为未来资源调查的发展趋势。在杭埠河流域水体变化研究中,由于杭埠河流域内地表湿润状况差异很大,以往的水体提取方法很难达到理想的效果,文章通过比较分析得出,在地表湿润状况差异较大的地区,非监督分类法,差值法、闽值法对水体的提取效果很不理想,而通过几种方法的结合并对谱间关系逐步分析来提取水体,则能够达到理想的效果。     

遥感影像水体提取研究综述

水是非常重要的资源,是一切人类与生物得以生存和发展的重要物质基础,水体提取便于了解现有的水资源概况,有助于对水资源合理的规划及治理,对人类的生活及社会活动具有重大影响.传统的人工方法费时费力,利用卫星遥感数据进行水体位置、面积、形状和河宽等水体参数的信息提取,已经成为一种快速获取水体参数的有效方法和手段.在广泛文献调研...     

利用小波变换的高分辨率多光谱遥感图像多尺度分水岭分割

为了减少仅用分水岭变换而导致的过分割问题,本文提出利用小波变换的多尺度处理方式用于融合后多光谱QuickBird图像的分割。整个分割过程包括多尺度图像表示、图像分割、区域合并和结果映射等过程。首先,依据原始图像的大小确定分解尺度并用小波变换产生各波段的低尺度图像。采用相位一致模型提取各近似系数的梯度,并逐尺度地融合各梯度图。分析不同尺度下的不同地物的局部梯度方差,以选择最佳的小波分解尺度。然后,通过移动阈值与扩展最小变换,利用多层次标记提取方法标记均质区域。进而,在梯度重建的基础上利用标记分水岭变换得到分割图像。其次,采取空间相邻关系、面积、光谱与纹理等多约束策略,以搜索最小合并代价的方式合并最初分割区域中的邻接区域对。最后,修改细节子图并进行小波逆变换将最初分割结果投影到更高尺度图像,同时处理边界上的像元以保持区域边界直至原始图像。实验结果表明本文方法不仅能够用于高分辨率多光谱遥感图像的分割,而且缓解了过分割问题且取得了较准确的分割效果。     

基于LBV变换的GF-2影像水体提取方法

针对GF-2影像波段较少、不利于构建水体指数的问题,提出了基于LBV变换的水体提取方法。通过GF-2影像的LBV变换及其归一化,得到了物理意义明确的L、B、V变换分量;利用这三个分量计算特征分量BL、BV,构建完整水体提取方案,对阿克塞县的小苏干湖和石嘴山市某一段黄河进行水体提取。实验结果表明,相比于NIR、NDWI算法,本文算法能够更好地将水体与土壤、植被、建筑物等地物区分开来,在正确率、误提率、漏提率方面总体优于NIR、NDWI算法,提取过程简单,具有较好的应用价值。     

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。     

基于LBV变换的TM数据水体提取新方法

TM数据经典水体提取方法存在对细小水体的漏判和对山体阴影的误判两方面缺陷。本文基于LBV变换提出了B分量阈值法和LBV关系法两种新的水体提取方法。实验结果表明:两种新方法的漏分精度分别为2.54%、2.73%,误分精度分别为15.71%、13.39%,整体提取效果优于经典方法。     

利用BP神经网络提取TM影像水体

常用的水体提取方法需要设定阈值,而阈值的选择通常需要反复实验才能确定。为克服这一不足,本文提出了一种基于BP神经网络和光谱特征的水体自动提取方法。首先在TM影像中提取水体样本光谱信息、谱间关系、归一化差异水体指数以及缨帽变换(K-T变换)的第三分量(TC3)特征,然后将这4个特征作为BP神经网络的训练输入参数,最后利用训练好的网络对水体进行提取。对长沙市区TM影像进行水体提取,发现该方法组合了其他方法的优点,在不设置阈值的情况下,得到了更好的水体提取效果。     

改进型混合水体指数的城市水体信息提取——以宿州市为例

针对混合水体指数不易区分水体与建筑用地问题,该文对混合水体指数进行了改进。在混合水体指数中加入两个短波红外波段与其平均值的比值,构建了改进型混合水体指数。以2013年4月28日Landsat 8卫星影像为数据源,以宿州市主城区、朱仙庄与芦岭矿区为研究区,并且利用改进型混合水体指数对研究区水体信息进行提取和分析。结果表明:改进型混合水体指数能够快速、准确、有效地提取城市和矿区水体信息,其水体识别能力和识别效果比混合水体指数强;改进型混合水体指数一定程度上提高了湖泊、河流等水体信息与建设用地、植被等地物的区分度。     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。     

空-谱角匹配与多指数法相结合的OLI遥感影像水体提取

针对复杂环境条件下水体遥感提取结果不连续且易与植被、建筑物、阴影相混淆的难题,基于Landsat 8 OLI影像,以石家庄市平山县岗南水库和宿迁市骆马湖附近河流为研究区,提出了一种空-谱角匹配与多指数法相结合的水体信息提取方法;并与单波段阈值法、归一化差分水体指数法（NDWI）、光谱角匹配法（SAM）、自动水体提取指数法（AWEI）和一类支持向量机法（OC-SVM）的水体提取结果进行对比分析和精度评定。试验结果表明,本文提出的方法兼顾了多特征之间的互补性优势,引入的空间信息有效地抑制了噪声的干扰,且以像素为基元的提取策略较好地保持了水体的边缘信息,避免了出现平滑掉细节信息的情况;与传统方法相比,本文方法受植被、建筑和阴影的干扰最小,对细小水体也具备较好的识别能力。     

基于新型水体指数(NWI)进行水体信息提取的实验研究

基于遥感数据构建的水体指数模型可用于水体信息的提取。本文在对水体及其背景地物进行光谱特征分析的基础上,结合水体在近红外和中红外波段(相当于Landsat TM/ETM+影像的Band 4,Band 5和Band 7)同时具有强吸收这一典型特征,提出了一种新型的水体指数NW I(New W ater Index)。将该指数在含不同水体类型的遥感影像上进行实验,均获得了较好的提取效果。利用文献样本数据所作的实验表明,NW I具有很强的普适性,可用于水体信息的快速提取,且具有较高的精度。     

基于 SPOT-5影像的吴哥地区水体提取方法研究

对于一个较小研究区提取地物信息,需要更高的空间分辨率和适合的光谱信息。以柬埔寨吴哥窟西北部为研究对象,开展基于SPOT-5影像的水体信息提取方法研究。通过分析研究区内的地物光谱特征信息,发现各地物在绿色波段和短波红外波段虽然都有下降趋势,但是水体的变化程度最大。利用这个信息建立决策树的一种水体提取模型:Band3/Band41.73并且Band1Band4。通过与NDWI法、决策树模型提取精度进行对比,证明该模型提取精度有较大提高,可有效地消除水田对提取精度的影响。