多色彩高空间分辨率遥感影像矢量边缘信息提取算法与应用

相对单波段灰度影像而言,多波段高空间分辨率遥感影像中可用于边缘检测的光谱信息更加丰富。鉴于Canny算子在灰度图像边缘检测中的优越性能,本文利用输出融合策略对其适用于高空间分辨率遥感影像矢量边缘检测作了改进。基于可视化开发平台VC++.NET,编程实现了福州市航拍的高空间分辨率遥感影像红绿蓝三个标准波段在RGB、IHS、Y IQ、YUV、C IELUV色彩空间中对各种地物矢量边缘信息的有效提取。对高空间分辨率遥感影像矢量边缘各分量的分析认为,由于波谱范围差异的影响,在上述色彩空间中不同地物类型边缘检测时响应程度具有显著的不同。本文研究结果表明,该算法参数设置和色彩空间选择对高空间分辨率遥感影像矢量边缘信息提取有较大的影响。     

基于改进SVM分类法的SAR图像水体面积提取研究

在复杂地表环境下的多云多雨地区,基于合成孔径雷达（SAR）图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差。研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征（包括均匀性、角二阶矩和熵）,并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM 分类法的水体提取模型。在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06%,比SDWI法和传统的SVM法分别提高了23.24%和5.49%,有效提高了复杂环境下地表水体的提取精度。研究最后将所发展模型应用于2018年马哈韦利河流域逐月水体提取与变化分析,有效解决了山体阴影和水田误分问题。本文提出的改进SVM法可以实现复杂地表环境下大范围水体信息准确、完整提取。     

基于支持向量机的遥感图像建筑物识别与分类方法研究

摘 要:高分辨率遥感影像可以更精细地描述地物目标的几何特征、空间特征和纹理特征等信息,在各个领域中都得到广泛的应用。建筑物作为地物信息分类中的主要部分,是地形图成图的主要组成元素,对建筑物的识别与提取,直接影响到地物测绘的自动化水平,对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义。针对建筑物的遥感影像特征,研究了支持向量机分类器(SVM)在建筑物识别与分类中的应用,提出了一种交叉验证的方法对参数敏感度进行分析,通过使用GridSearch算法确定模型参数设置的最优方案,并对分类结果中建筑物进行轮廓提取。通过实验表明,优化后的SVM算法对建筑物的分类精度达到90％,对比随机森林算法、最近邻分类器优势非常明显。      

一种改进非极大值抑制的Canny边缘检测算法

在传统Canny算法的非极大值抑制过程中,由于对比点的选择存在随意性而导致边缘检测不准确。针对此问题,提出了一种改进非极大值抑制过程的Canny边缘检测算法,利用目标像素点梯度方向周围4个像素点和邻域相关系数,在梯度方向上进行插值,代替传统算法中直接以梯度方向周围的邻近像素点作为对比点,实现新的非极大值抑制过程。通过实验证明：改进的边缘检测算法在边缘检测及虚假边缘抑制的性能方面有所提升。     

基于数学形态学的高空间分辨率遥感影像几何特征提取

本文结合高空间分辨率遥感影像的特点,利用数学形态学方法,选取具有不同尺度和包含全部方向的结构元素,设计了全方位结构元素多级加权滤波去噪算法和多尺度全方位形态学边缘检测算法,用于高空间分辨率遥感影像的处理;并通过图像边界追踪生成栅格数据对象和矢量数据对象,据此建立了高空间分辨率遥感影像的几何特征提取模型。结果表明:全方位结构元素多级加权滤波去噪算法很好地抑制了图像中的噪声,并保留了图像细节;多尺度全方位形态学边缘检测算法很好地解决了噪声抑制和精细边缘提取的矛盾,检测出的图像边缘比基本的边缘检测算子清晰,而且抗噪性能强。提取的几何特征信息可以结合遥感图像的光谱、纹理、统计等特征用于遥感图像地物识别与分类,也可以在GIS、摄影测量、计算机视觉等领域和气象、农林、地理、海洋、水利、国土资源和环保等行业使用。     

无人机遥感数据处理与滑坡信息提取

高分辨率的DEM和DOM数据是对地形地貌信息的准确描述,也是滑坡信息提取的重要数据源。首先,针对滑坡信息提取的要求,本文采用无人搭载微型单反相机的影像获取平台,结合野外测量的GPS数据,弥补了无人机POS信息精度低的劣势;针对无人机影像的特点,运用摄影测量基本原理与计算机视觉算法,获取高精度、高分辨率的DEM与DOM影像,保留了丰富的光谱与纹理信息。其次,借助ESP辅助工具获取了DOM影像的最佳分割尺度,并结合研究区地物特征构建了基于模糊分类与SVM算法相结合的决策树,运用面向对象的分类方法实现了对研究区内植被、道路、疑似滑坡区域的信息提取。最后,依照研究区地物分布的空间特征确定了高风险等级区域,并对该区域进行滑坡的形态与纹理分析以及精度评价,其中提取的疑似滑坡区域用户精度为91.44%、生产者精度为84.65%,结果表明无人机遥感在滑坡信息提取领域具有较高的应用价值。     

基于阈值分割与边缘检测的对象轮廓提取方法研究

为了提高智能视频监控系统中对象检测算法的检测准确性,实现对检测对象轮廓的准确提取,在分析目前常用于获取对象轮廓形态的对象检测方法不足的基础上,提出了基于阈值分割与边缘检测的对象轮廓提取方法。该方法需要阈值而又不依赖于阈值,选取任一阈值对检测对象进行阈值分割,再结合Sobel边缘检测以及经过定制的边界跟踪算法,实现对检测对象轮廓的提取。经实验得出的轮廓检测结果在不同阈值的条件下都呈现出较好的完整性与一致性。因此,方法具有较好的鲁棒性,实现了对检测对象轮廓的完整提取,提高了对象检测算法的检测准确性。     

基于阈值分割与边缘检测的对象轮廓提取方法研究

为了提高智能视频监控系统中对象检测算法的检测准确性,实现对检测对象轮廓的准确提取,在分析目前常用于获取对象轮廓形态的对象检测方法不足的基础上,提出了基于阈值分割与边缘检测的对象轮廓提取方法。该方法需要阈值而又不依赖于阈值,选取任一阈值对检测对象进行阈值分割,再结合Sobel边缘检测以及经过定制的边界跟踪算法,实现对检测对象轮廓的提取。经实验得出的轮廓检测结果在不同阈值的条件下都呈现出较好的完整性与一致性。因此,方法具有较好的鲁棒性,实现了对检测对象轮廓的完整提取,提高了对象检测算法的检测准确性。     

基于面向对象与深度学习的榆树疏林识别方法研究

榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示：① 通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为 90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%, RF与DNN总体精度为97.42%。② 深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。     

古遗址区形迹特征的影像融合信息识别分析——以陕西省五陵原遗址为例

本研究以陕西省汉五陵原为研究区域,基于高分辨率影像(DOM航片)、多光谱影像(ALOS多光谱影像)和Quickbird融合影像数据,对五陵原遗址区结构性线状特征信息进行了提取。结果表明:融合后使影像隐含的空间纹理得到明显增强。用Gram-Schmidt方法的DOM和ALOS多光谱+NDVI融合影像,清晰地反映了遗址区的结构性线状特征;而Canny算法的边缘检测,能很好地提取遗址区显性和大量隐性的线状特征,对古遗迹的解译具有重要指示意义。     

基于线段检测算法的倾斜摄影直角像控点目标检测方法

针对航空摄影测量中空三加密时数据内业精校正的人工刺点效率低下,误差较大等问题,本文提出了一种基于线段检测（Line Segment Detector,LSD）算法的直角像控点目标检测方法。该方法首先通过Retinex算法增强影像彩色信息;再对影像进行双边滤波,在去除噪声的同时能很好的保留边缘信息;然后使用LSD算法提取线段,并结合最小二乘拟合将线段进行合并;经角度、距离和长度信息筛选出最外沿直角边,最后相交得到直角像控点。采用大疆无人机拍摄的“L”形像控点80景影像,“X”形像控点69景影像进行实验,结果表明,本文算法在复杂背景下的直角像控点检测中具有较高的准确率和精度,整体像控点提取准确率达到93.75%,像控点定位精度可以到2.37个像素,在复杂背景和目标失真的情况下依然能保持很高的准确率,定位精度明显优于人工刺点,相对于Radon和PPHT算法,本文算法的像控点组检测准确率明显提高,表明其检测精度受拍摄角度的影响较小。     

基于Sentinel-1影像的2019~2020年河北隆尧地裂缝及周边形变监测与分析

为了解隆尧地裂缝目前的发育状况及其对周边地区的影响,采用2019-01~2020-12共31景Sentinel-1影像,基于SBAS-InSAR和Stacking InSAR技术获取隆尧地裂缝及其周边区域的形变时间序列及形变速率分布,进一步采用均质弹性空间模型研究隆尧地裂缝现今滑移状况。结果表明：1）隆尧地裂缝2019~2020年南北两侧的形变速率梯度差达4 cm/a,较2007~2011年5 cm/a的形变速率梯度差有所下降;2）固城店镇、魏家庄镇、官庄镇存在明显的周期性地表形变,但总体趋势仍为沉降;3）建模结果表明,隆尧地裂缝现阶段几乎破裂至地表,滑移速率为27 mm/a,与2007~2011年结果相比深度及滑移速率有所降低,说明现阶段隆尧地裂缝虽仍处于活跃状态,但活跃程度有所减缓。     

基于PRCUnet的高分遥感影像建筑物提取

基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑物提取方法进行改进。本文主要改进内容为：① 基于Unet网络结构,利用金字塔池化模块 (Pyramid Pooling Module, PPM )的多尺度场景解析特点,残差模块(Residual Block, RB)的特征提取能力以及卷积块注意力模块(Convolutional Block Attention Module, CBAM)对空间信息和通道信息的平衡能力。将金字塔池化、残差结构以及卷积块注意力模块引入到Unet模型中,建立PRCUnet模型。PRCUnet模型更关注语义信息和细节信息,弥补Unet对小目标检测的欠缺;② 基于最小外接矩形与Hausdorff距离,改进建筑物轮廓优化算法,提高模型的泛化能力。实验表明,本文的建筑物提取方法在测试集上准确率、IoU、召回率均达到0.85以上,精度显著优于Unet模型,提取出的建筑物精度更高,对小尺度及不规则的建筑物有较好的提取效果,优化后的建筑物轮廓更接近真实的建筑物边界。     

面向对象高分遥感影像典型自然地物半自动提取

针对目前高空间分辨率遥感影像(简称高分遥感影像)地物全自动提取无法完全实现的现实,本文结合自然地物的光谱和纹理特征,提出一种面向对象的高分遥感影像典型自然地物半自动提取方法.首先构建最小生成树(Minimum Spanning Tree,MST)进行影像初始分割,根据影像灰度平均归一化值和标准差统计对象的光谱、纹理等特...     

融合网格注意力阀门和特征金字塔结构的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中提取建筑物轮廓是地区基础建设信息统计的一项重要任务。适应性较强的深度学习方法已在建筑物提取研究中取得较大进展,受网络模型对影像特征表达的局限性,存在局部建筑轮廓边缘模糊的问题。本研究提出一种基于注意力的U型特征金字塔网络（AFP-Net）可以聚焦高分遥感影像中不同形态的建筑物结构,实现建筑物轮廓的高效提取。AFP-Net模型通过基于网格的注意力阀门Attention Gates模块抑制输入影像中的无关区域,凸出影像中建筑物的显性特征;通过特征金字塔注意力Feature Pyramid Attention模块增加高维特征图的感受野,减少采样中的细节损失。基于WHU建筑物数据集训练优化AFP-Net模型,测试结果表明AFP-Net模型能够较清晰地识别出建筑物轮廓,在预测性能上有更好的目视效果,在测试结果的总体精度和交并比上较U-Net模型分别提高0.67%和1.34%。结果表明,AFP-Net模型实现了高分遥感影像中建筑物提取的结果精度及预测性能的有效提升。