利用eCognition软件多期遥感影像分割对象技术对新增建设用地进行检测

正本文旨在通过使用两期遥感影像进行直接变化检测,通过基于影像分割图斑进行变化检测,实现两个时期内的新增建设用地的自动提取,并分析这种方法的结果精度和有效性,从而为实际生产中利用遥感影像进行新增建设用地的监测提供依据。一、研究区域及数据源概况研究区域位于安徽省徐州市定远县。定远县地处安徽省东部,位于北纬32°13'—32°42'与东经117°13'—118°15'之间,定远古有"境连八邑,衢通     

eCognition技术在高分辨率遥感影像信息提取中的应用

本文提出了面向对象的多尺度分割策略,针对不同尺度的地物信息采用不同的分割尺度,在此基础上构建多尺度分割等级网,实现了地物信息的分层提取。以北京怀柔区QuickBird遥感影像为试验区进行信息提取,给出了多尺度分割参数的设置规律,获得了较好的效果,总体精度为84．82%。     

面向对象的eCognition遥感影像分类识别技术应用

以位于印度尼西亚Kalimantan热带雨林地区的1幅具有3个通道的雷达图像为研究对象,利用面向对象方法对高分辨率遥感影像的水体进行提取,在分割的基础上,经过分层分类,充分利用影像的光谱信息、拓扑信息、形状特征等构建知识库进行分类,实验结果理想,相对传统基于像素的图像分类分析方法结果图斑完整,提高了分类精度。     

利用改进的FCM方法分割高分辨率遥感影像

传统的模糊C均值聚类算法进行图像分割时只考虑了图像的灰度特征,而忽略了图像中丰富的空间邻域信息,从而导致该算法对噪声很敏感,并得到错误的分割结果。提出两种利用空间信息改进的模糊C均值聚类算法分割高分辨率遥感影像,并通过大量试验验证其有效性,该算法可减少错误分类像素的数目,降低噪声的影响,提高分割结果的精度。     

多尺度对象高空间分辨率遥感影像谱聚类分割

针对基于像素模型的单尺度或多尺度谱聚类影像分割方法在相似矩阵存储、特征分解效率及分割精度方面存在的不足。该文首先通过给定多组空间及光谱带宽参数,利用mean-shift初分割生成不同尺度的超像素对象层;然后联合像素与超像素对高空间分辨率影像中的不同类别地物进行的多尺度建模表达其空间拓扑关系,即在图割理论框架下建立"像素-超像素"联合的多尺度无向权图模型G(V,E,W),同时根据遥感影像纹理特征丰富的特点,在顶点相似性计算过程中融合纹理特征;最后使用基于normalized cut准则的谱聚类算法,对图模型划分得到最终分割结果。该方法较好地降低了基于像素的谱聚类分割方法的计算复杂度,同时提高分割结果准确率。标准测试数据集和"高分2号"遥感影像分割结果表明了该方法的有效性。     

利用结构面对象的高分遥感影像建筑物变化检测

根据建筑物具有丰富的角点和规则的外观形状的特点,本文提出了依据线段信息生成建筑物变化检测基本单元——结构面对象的建筑物变化检测方法.从高分遥感影像中提取出建筑物的边缘线及屋顶外形线条,生成结构面对象并提取其在两时相影像中相应的特征信息,通过监督分类获取变化建筑区域.试验结果表明,利用结构面对象进行建筑物变化检测能较完整...     

利用分层聚合进行高分辨率遥感影像多尺度分割

针对高分辨率遥感影像的特点,提出了一种基于分层聚合的多尺度分割算法。该算法首先对遥感影像进行分水岭变换,然后对初始分割区域构建底层加权无向图,利用代数多重网格解法(AMG)在尺度空间求解最优的图割测度,整个分割过程自动得到了多尺度的分割结果。实验表明,该方法能够得到满意的分割结果,并具有较高的自动化程度。     

高分辨率遥感影像分割方法研究

在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。     

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。     

交互式遥感影像分割算法研究

目的 针对传统算法过于强调机器推理等弱点,将基于元胞自动机分割图像的思想移植到GIS平台上,作为解决遥感影像分割问题的一种新思路,实现了基于元胞自动机的遥感影像分割算法。这一分割方法将人的判断融入分割过程中,有着很强的灵活性。     

利用流水线技术的遥感影像并行处理

针对现有的OpenMP和直接的线程并行法难以对遥感影像处理链进行加速的问题,引入流水线概念对复杂的功能链进行并行加速,提出了基于流水线技术的遥感影像并行处理方法。影像处理实验验证了流水线在遥感影像多级连续处理方面的优势。     

遥感影像地理本体建模驱动的对象分类技术

正遥感影像分类一直是国际遥感领域研究的热点和难点问题,经历了从人工目视分类到半自动分类,正在向自动化、智能化方向发展,长期以来一直存在着"重视技术、忽视知识、缺乏本体认识"的问题。本研究以解决该问题为突破口,以主流的面向地理对象影像分析技术     

基于对象特征的遥感影像分类

为了有效地实现分类识别,采用多尺度分割后影像为数据源,通过计算影像对象特征,实现特征集构建,并对特征集进行特征提取,辅助决策树的特征选择方法,达到特征优选的目的,针对影像对象的特征实现对TM影像的分类,实验表明该方法较一般的特征提取方法精度大幅提高,且完成可视化特征提取的重要任务。     

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。     

成都平原高分辨率遥感影像分割尺度研究

对高分辨率遥感影像进行分类,面向对象的影像分析技术优于传统的面向像元的影像分析技术。要使用面向对象的影像分析技术,关键是分割遥感影像,以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。针对成都平原高分辨率卫星影像,采用不同尺度对试验区影像进行分割,并比较分割结果,确定成都平原高分辨率遥感影像数据分割最佳尺度为30,该尺度分割的影像对象亮度均值标准差最大。     

矢量图约束的遥感影像分割算法

为了解决矢量图约束下的遥感影像分割问题,提出了一种基于标记分水岭的带约束的影像分割方法。该方法首先将约束矢量图映射为影像中的边缘,在带边缘的影像上提取标记区域;然后采用面积约束法剔除伪标记区域,并利用优先级队列对未标记点进行泛洪;最后依据相似性测度对影像中的边缘点进行标号,将标号图矢量化获取影像分割结果。采用Quick Bird影像进行了实验,结果表明:该方法能够实现矢量图约束下的影像分割,当影像数据量较大时,比e Cognition软件中多尺度分割方法的运行效率高。     

利用对象光谱与纹理实现高分辨率遥感影像云检测方法

针对高分辨率遥感影像云检测过程中合适的云检测光谱阈值难以确定及影像中类云地物对云检测精度影响的问题,提出一种基于对象光谱与纹理的高分辨率遥感影像云检测方法。首先,对影像进行直方图均衡化处理,根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次,用简单线性迭代聚类算法对影像进行分割生成分割对象,以对象为处理单元,根据云检测光谱阈值和对象光谱属性对对象进行云检测过滤,获得初始云检结果。然后,求得直方图均衡化影像的纹理图,根据对象的纹理均值及角二阶矩对初始云检测结果提纯,消除类云地物对云检测精度的影响。最后对提纯云区域进行区域增长及膨胀处理,获得最终的影像云检测结果。定性对比试验和定量评价结果表明,本文方法可以获得良好的影像云检测结果。     

利用遥感影像进行变化检测

首先分析了利用影像进行变化检测的紧迫要求和存在的困难 ,接着对变化检测的方法进行分类 ,提出将影像配准与变化检测整体同步解求的思想和在此基础上进行三维变化检测的可能性 ,并在文中概要介绍和比较了各种变化检测的 7种方法 ,最后展望了下一步应继续研究的方向。     

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。     

基于并行预分割的高分辨率遥感影像多尺度分割

分析高分辨率影像多尺度并行分割过程中数据分块间会产生“分隔线”的问题,发展了一种基于并行预分割的多尺度分割方法避免了“分割线”的产生,消除了其所带来的种种问题。实验结果表明：通过合理的阈值设置,并行预分割所得到的影像对象基本准确,最终分割也取得了较为理想的结果;且对于多种尺寸的遥感影像,基于并行预分割的影像分割过程相对于并行算法实施之前,效率都有了显著提升。