"3S"技术在土地资源调查与合理规划利用中的应用研究--以贵州省沿河县为例

随着卫星遥感数据精度的提高,利用它调查土地资源现状及动态变化成为当前常用手段。南方岩溶地区由于地形复杂、地块零碎,卫星遥感数据的解译工作比较困难。利用常规的监督分类方法分类,分类的结果精度比较低。但在此基础上采用分区分类法,基于GIS技术与专家知识的屏幕辅助分类方法可以提高分类精度,主要地类的分类精度可以达到90％以上。     

基于Gabor滤波方法的居民地识别分析

图像纹理对于高分辨率遥感图像的信息提取与目标识别具有重要意义。针对"北京一号"小卫星全色遥感图像非城市区域居民地块往往呈现出比较明显的方向性纹理的特点,扩充改进Gabor滤波方法进行提取。方法主要利用Gabor滤波器的多尺度、多方向滤波的性质,提取多尺度纹理特征集,并进行特征;而后利用多特征聚类实现图像的初步分割。由于分割是对特征进行聚类完成的,其结果可能存在一个居民地块由若干个相互间存在间隔的子区域组成、存在无用小斑块、居民地内部存在大量小孔洞等缺陷。针对上述不足,利用形态学尺度空间融合方法,对居民地块通过结构元素不断增大的闭运算进行迭代融合,并选择一个具备"最长生存期限"的类别个数作为最佳类数,选择首次出现该类别数的分割结果作为最后的识别结果。对延庆地区的小卫星影像进行了居民地提取,并与共生矩阵纹理分析方法进行了实验对比。结果表明方法是有效的,并在提取精度上具有优势。     

多核学习算法及其在高光谱图像分类中的应用研究进展

多核学习算法在高光谱图像分类领域占据着十分重要的地位。与灰度图像、全色图像和多光谱图像等相比,高光谱图像因具有很强的分类识别能力等多方面优势而被广泛应用。为进一步提高高光谱图像的分类精度,促进多核学习算法在高光谱图像分类中的应用,本文对多核学习算法及其在高光谱图像分类中的应用进行了总结。首先在回顾核方法的基础上阐述了多核学习框架,其次对多核学习核函数组合方法进行综述,随后根据求解多核学习组合系数方法的不同将多核学习分为两类：固定规则的多核学习算法和基于优化的多核学习算法,并对两类多核学习算法在高光谱图像分类中的应用进行综述,总结各类算法在高光谱图像分类的应用进展。同时,为了便于研究者对多核学习算法及其在高光谱图像分类问题中的应用研究,本文对常用核函数和高光谱图像数据集进行了整理归纳。最后,讨论了多核学习算法在高光谱图像分类研究方面的不足,并对未来研究方向进行了展望,以期为该领域的研究和应用提供参考。     

基于深度学习的遥感影像地类信息获取技术现状研究

基于图像特征的地类识别技术精度低且复杂度高,难以满足土地利用动态监测的实时性要求。而基于深度学习的遥感影像地类识别技术数据处理及特征提取能力较强,能够有效提升识别精度,使地类信息获取更加智能化,因而被广泛应用于遥感影像地类处理。根据地类识别技术不同,可以分为遥感影像分割、遥感影像分类以及目标监测三种方式。每类识别技术根据训练数据是否有标注可以分为有监督学习、半监督学习以及无监督学习三种类型。通过对相关技术和文献的调研和分析,介绍各种深度学习模型的理论基础与基本结构,总结国内外基于深度学习的遥感影像地类识别方法的优缺点,并指出未来的发展方向。     

基于深度学习的高分辨率遥感影像土地覆盖自动分类方法

土地覆盖变化是全球变化研究的核心,而精准分类是开展土地覆盖变化研究的基础。高分辨率遥感卫星技术的快速发展对地表分类的速度和精度提出了双重挑战,近年来人工智能等新技术的发展为图像自动分割提供了实现途径,而以卷积神经网络为代表的深度学习方法在遥感图像分类领域也具有独特的优势。为对比深度学习模型设计对高分辨率图像分类结果的影响,本文以郑州市2019年高分1号影像作为输入,对比研究了基于UNet模型改进的4种不同深度学习网络模型在高分辨率影像土地覆盖自动分类应用中的差异,探讨了残差网络、模型损失函数、跳层连接和注意力机制模块等编码和解码设定对于分类精度的影响机制。研究发现：同时加入多尺度损失函数、跳层连接和注意力机制模块的MS-EfficientUNet模型对郑州市土地覆盖分类结果最优,基于像元评价的整体分类精度可达0.7981。通过在解码器中引入多尺度损失函数可有效提高林地、水体和其他类别的分类精度;而对编码器进行改进,加入跳层连接和注意力机制可进一步提高草地、水体和其他类别地物的分类精度。研究结果表明,深度学习技术在高分辨率遥感影像自动分类中具有潜在应用价值,但分类结果精度的进一步提高和多级别大范围的精细分类方法仍是下一步研究的重点。     

卫星图像边缘与纹理特征提取

在卫星遥感图像的分析中,提取图像的边缘和纹理特征,对于识别图像的类型,从而完成对目标物体的分析十分重要.根据欧空局提供的Envisat 卫星的共享数据,通过C 程序设计转换成dat数据格式并在Matlab环境中显示.依据卫星遥感图像的特点,讨论了几种图像边缘检测和纹理特征提取的方法,如微分算子、模糊C均值聚类、灰度共生矩阵等,通过分析、比较、判断,应用图像实例验证说明了上述分析方法的有效性与特点.     

基于同质区和迁移学习的高光谱图像半监督分类

针对高光谱遥感图像分类中标记样本难获取的问题,提出了一种基于同质区和迁移学习的新型半监督分类方法。首先对高光谱图像进行分割得到高纯度的同质分割斑块,获取大量扩展训练样本。并在此基础上引入迁移学习,将扩展训练样本作为源域,剩余未标记样本作为目标域,实现多次迁移,从而减少同一幅图像上各地物的分布差异,并保留其各自的内部属性。实验结果表明,该方法是一种有效的高光谱图像半监督分类方法。     

基于加权指数函数模型的高光谱图像分类方法

高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型（Weighted Exponential Function, WEF））的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值（Fuzzy C-means, FCM）算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析（Principal Component Analysis, PCA）的分类方法、基于最小噪声分离（Minimum Noise Fraction, MNF）的分类方法和以光谱测度矢量为分类特征的FCM方法对Salinas和PaviaU图像进行分类实验,并据此对实验结果进行定性和定量评价。在Salinas图像中提出的分类方法比其它方法的分类精度从51%提高到了60%,在PaviaU图像中分类精度从43%提高到了51%。此外,提出的分类方法在降低了高光谱图像数据量的同时,保留了高光谱图像丰富的光谱信息。     

SPOT卫星数据图像处理方法及应用

使用ENVI图像处理软件进行SPOT卫星数据与TM数据进行复合制作卫星影像图技术研究 ,经反复试验 ,成功地研制成了既有明显色彩差异 ,又具有较高分辨率的假彩色遥感图像 ,为卫星遥感影像图开发利用提供方法技术。文章就有关的图像处理方法及其应用作简单介绍 ,仅供同行参考     

时空轨迹分类研究进展

时空轨迹分类旨在为一条轨迹预测类别。时空轨迹分类在城市规划、个性化用户推荐等方面具有重要应用价值,其过程主要包括轨迹数据预处理、特征提取、建立分类器3个阶段。本文综述了近年来时空轨迹分类的研究进展,首先对时空轨迹分类的过程进行概述;然后将时空轨迹分类算法按特征提取的方式分为基于运动特征的轨迹分类算法、基于分类规则的轨迹分类算法和基于图像信号分析的轨迹分类算法3类,分别论述了这些算法的基本思想和优缺点;之后对现有的轨迹分类算法从数据来源、分类器、特征提取方式等方面进行对比分析;最后讨论现有的时空轨迹分类算法面临的挑战。     

基于FbSP optimizer分割工具下的矿区土地利用分类研究—以济宁2号矿区为例

影像分割是分类的基础,分割结果的好坏直接影响分类结果的精度。该文基于一种通过训练过程和模糊逻辑分析,确定最优分割参数的分割工具——Fuzzy-based Segmentation Parameter optimizer(FbSP optimizer)来确定分割参数,并借助面向对象分类软件eCognition,以高分2号影像为基础,进行矿区土地利用的分类研究。结果表明,利用该工具不仅可以快速确定土地的最优分割尺度,同时结合eCognition,可较高精度地对土地利用进行分类。     

基于深度学习AlexNet的遥感影像地表覆盖分类评价研究

地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费时,其自动化评价长期以来存在许多技术难点。本文基于面向对象的图斑分类体系,引入深度卷积神经网络对现有地理国情普查-地表覆盖分类数据进行分类评价,并通过试验利用AlexNet模型实现地表覆盖分类评价验证。试验结果表明,该方法可有效判读耕地、房屋2类图斑,正确分类隶属度优于99%,而由于数据较少、训练不充分,林地、水体图斑正确分类隶属度不高,分别为62.73%和43.59%。使用本文方法,经过大量数据充分微调的深度学习AlexNet可有效地计算图斑的地类隶属度,并实现自动地表覆盖分类图斑量化评价。     

土地利用变更的遥感应用分析

发现变化区域和变更类型是土地利用变更信息提取的主要任务,随着遥感技术的发展,土地利用变化信息提取的方法趋向于结合高分辨率的卫星影像和现有的影像处理方法来产生变化信息模板。本文全面总结分析了土地利用变更信息获取的技术和方法,并在此基础上进一步研究了基于RS和GIS技术的土地利用变更信息获取技术方法,以及高分辨率遥感影像在土地利用变更信息提取中的应用分析。     

基于沙地指数模型的沙地监测方法

沙漠化是干旱、半干旱地区的重要生态环境问题,我国西北地区沙漠化土地分布广泛,加剧的沙漠化问题影响着区域经济和社会的发展,遥感技术的进步为沙漠化评估与制图提供了重要手段.本文以内蒙古自治区浑善达克沙地为研究区,基于面向对象方法,对研究区Landsat8 OLI影像进行沙地最优尺度分割.以分割对象为基础,实验在冬夏季影像上...     

基于三指数合成影像的西北地区城市建筑用地 遥感信息提取研究

随着西部大开发战略的实施以及“一带一路”战略的影响,西北地区的城市发展也发生着巨大变化,利用遥感影像更加准确地提取西北地区城市建筑用地信息对分析城市扩张趋势、规划城市建设具有重要意义。本文以2000年兰州市主城区和2003年西宁市主城区的Landsat 7 ETM ⁺影像为数据源,结合压缩数据维的方法,通过构建三指数合成影像并利用该影像来提取城市建筑用地信息。实验首先根据兰州市主城区的影像光谱特征,创建了归一化差值裸地指数（NDBLI）。然后将该指数与比值居民地指数（RRI）、修正型归一化水体指数（MNDWI）合成为一个包含3个波段的新型三指数合成影像NRM（NDBLI、RRI、MNDWI）;同时,根据集成学习思想,为增强城市建筑用地信息,将主成分分析的第一波段（PC1）、归一化差值建筑用地指数（NDBI）和比值居民地指数（RRI）合成为一个包含3个波段的新型三指数合成影像PNR（PC1、NDBI、RRI）;最后分别将三指数合成影像NRM和三指数合成影像PNR作最大似然分类提取城市建筑用地信息,将其提取结果与由归一化差值建筑用地指数（NDBI）、修正型归一化水体指数（MNDWI）和土壤调节植被指数（SAVI）所创建的NMS（NDBI、MNDWI 、SAVI）影像得到的最大似然分类结果作精度比较,并利用西宁市主城区影像对本文方法进行了相应验证。结果表明,利用三指数合成影像PNR提取城市建筑用地的总精度和Kappa系数最高,其总精度达到了90%以上,适合于提取西北地区含裸地较多的城市建筑用地。     

融合数字表面模型的无人机遥感影像城市土地利用分类

城市土地利用是城市生态学中的关键问题,深入了解城市的土地利用对合理规划城市功能分区、提升用地效益、促进区域经济与环境发展具有重要意义。因此,城市土地利用类型分类研究一直是城市规划学和城市地理学研究的核心内容之一。快速发展的无人机技术为城市土地利用分类提供了丰富的数据支撑,基于无人机遥感影像建立的数字表面模型（DSM）和数字正射影像（DOM）可以有效提高城市土地利用分类的精度。为了充分利用无人机遥感影像的丰富信息,本文提出了一种融合高分辨率DOM和DSM的城市土地利用分类方法。本文融合了DOM和DSM作为数据源。在面向对象分类方法的基础上,DSM分别被用于多尺度分割过程中像元融合的最终阈值和地物分类过程中的地物高度特征。该方法在天津市宝坻区的京津新城进行了验证,结果表明,相对于最初的多尺度分割方法,融合DSM后的多尺度分割方法的分割质量指数（QR）、过分割指数（OR）、欠分割指数（UR）和综合指数（CR）都有所降低,分割效果明显提高。优化后的面向对象分类方法,在分类精度上有所提高,尤其是道路、建筑物和其他建设用地。总体精度由85%提高到了87.25%,Kappa系数由0.79提高到0.82。由此可看出,优化后的面向对象分类方法可以更有效地进行城市土地利用分类。     

倾斜影像区块化自动整理方法研究与实现

高精度倾斜摄影实景三维重建,基于区块化数据规范管理、像控制点选片、倾斜影像姿态信息整理等需求,在数据导入建模软件之前,需要对海量倾斜影像数据进行人工整理。传统倾斜摄影后续数据整理,涉及影像分类、按规范重命名、影像按航向旋转、倾斜影像信息表录入等繁杂的工序,通常需要人工进行操作,劳动强度大,特别是针对多视角海量数据,错误率较高。该文旨在研究一种基于消费级无人机的高精度倾斜摄影区块化倾斜影像快速自动整理方法,通过程序替代人工批量实现倾斜影像视角分类、多视角影像重命名、Exif-GPS信息提取、曝光点轨迹及区块化倾斜影像信息表制作等工作,并以山东省滕州市前杨岗村高精度实景三维重建为实例,验证该方法能够极大降低人工劳动强度、缩短数据整理周期、保障数据精度,对提高基于消费级无人机倾斜摄影的实景三维建模效率具有较大的借鉴及实用价值。     

高分辨率遥感土地覆盖分类技术的应用研究——以重庆市黔江贫困区为例

针对贫困区生态环境与资源的地表覆盖精细化调查需求,本文利用高分辨率遥感影像开展了土地覆盖信息提取的方法和应用研究.重点分析了高分辨率影像均值漂移分割,多特征提取与分析,对象级样本采集以及监督分类等技术,并综合实现了流程化的对象级土地覆盖分类.结果表明,本文串联的高分辨率影像分类技术能生成较精细的土地覆盖专题图,可及时为贫困区生态资源环境评价,碳核算等应用提供较可靠的地表覆盖数据.     

“四同”条件下周口城区高分一号遥感影像分类对比研究

目前大多数面向像元、面向对象遥感影像分类对比研究算法、软件、样本均不同,引入多方面系统误差导致结果一定程度上不严谨。为更准确比较2种分类方法,本文采用面向像元、面向对象2种分类方式,在同软件平台、同分类器、同训练样本、同验证样本,即“四同”条件下对2018年4月17日高分一号周口城区融合影像进行分类对比研究,并完成主、客观评价精度评价。结果表明：① “四同”条件下2种分类方式、CART（Classification and Regression Tree）、SVM（Support Vector Machine）、RF（Random Forests）3种机器学习算法均能识别周口城区主要地物类型,而面向对象的分类效果明显优于面向像元分类,与前人研究结论一致。其中面向像元分类效果最好的是RF算法,总体分类精度为78.02%,Kappa系数为0.72;面向对象分类效果最好的是RF算法,总体分类精度为93.40%,Kappa系数为0.92;② 尽管由于光谱特征相似、分布交叉,单类别建筑用地、交通用地用户精度与生产者精度较低,但面向对象分类较面向像元分类效果明显提升,以RF分类为例,建筑用地生产者精度由56.18%提高至92.13%,用户精度由69.44%提高至87.23%;交通用地生产者精度由72.15%提高至89.87%,用户精度由72.15%提高至92.20%;③ 与前人研究成果比较,本文在“四同”条件下实现了更科学、更严谨的面向像元、面向对象遥感分类方法对比,对后续高分辨率遥感影像分类具有一定参考意义。