遥感影像变化图斑智能化提取平台研发与应用

遥感影像变化图斑智能化提取是自然资源动态监测工作的基础。本文简述了遥感影像变化检测技术演进历程及特点,提出同时使用ResNet、U-Net和孪生神经网络3种深度学习算法,设计了集“影像预处理、智能提取、协同筛查”于一体的遥感影像变化图斑智能化提取平台,并详细阐述了各功能模块设计思路。实践表明,融合3种深度学习算法有利于解决单一深度学习网络模型改造难度较大、适用范围有限等难题,有效提升了遥感影像变化检测的查全率,工作效率比目视解译提升超过3倍。研究成果已在湖南省自然资源“1+N”卫星监测工作中广泛应用。     

基于高分辨率遥感影像提取地理变化信息的辅助生产方法研究

以高分辨率遥感影像为主要数据源,通过地理信息变化识别、提取方法和流程进行梳理,并对地理空间信息半自动提取辅助生产模块系统加以设计,形成一套实用化的变化信息提取的技术方法和工艺流程,为提高地理信息变化检测与更新自动化水平提供技术支持。     

一种遥感影像核变化检测方法

提出了一种新的遥感影像核变化检测方法。该方法是将原始空间不同时相的输入矢量通过核函数非线性映射到高维特征空间,然后在高维特征空间中通过传统变化检测方法处理得到新的输入矢量,最后通过半监督的单类支持向量机算法对新的输入矢量构造变化区域与非变化区域的最优分割超平面。试验证实,本文的核变化检测方法具有较高的检测精度和效率。     

基于深度学习的乱占耕地建房疑似图斑自动提取方法研究

为实现农村乱占耕地建房问题“早发现、早制止、早查处”,本文提出一种基于深度学习的乱占耕地建房疑似图斑自动提取方法,利用高分辨率遥感影像解译模型,结合第三次国土调查成果耕地数据,快速识别乱占耕地建房疑似图斑。最后以江苏省某县级市为例开展实验,实验表明：该方法提取结果准确率高、用时少,可为耕地保护、督察执法提供重要支撑。     

一种改进U-Net的遥感影像建筑物提取方法

针对高分辨率遥感影像信息复杂浅层网络难以对其目标物特征信息充分学习,图像因裁剪导致边缘信息损失使得模型对图像边缘预测效果较差的问题,该文将U-Net收缩路径加深以增强网络对特征信息的学习能力,并加入随机失活函数(Dropout)层抑制过拟合现象的发生,扩张路径中加入批量归一化层以提高网络训练速度,并将忽略边缘交叉熵函数与骰子函数结合构建联合损失函数作为本文模型的损失函数以提高模型对图像边缘的预测效果。实验结果表明：该文方法对建筑物边缘能够进行有效预测;对建筑物轮廓以及较小建筑物的提取较之SVM、主干网络为VGG的U-Net提取效果有所提高;并在应用扩展研究数据集中有着较好的表现。     

基于改进U-Net网络的多源遥感影像洪涝灾害信息提取与变化分析

基于遥感影像的信息提取与变化分析是检测地球表面变化的重要方法,在城市规划、环境监测、灾害评估等方面应用广泛。合成孔径雷达（SAR）可以穿透云层,实现洪水期的对地观测,但侧视成像会随地形起伏产生叠掩、阴影等现象。DEM可以提供地面点的高程信息,反映地形的起伏变化,但无法提供地物信息。因此,本文提出了一种融合多源遥感影像、基于改进U-Net网络的变化检测方法;并通过试验证明了该方法可以实现高精度、高效的洪涝灾害信息提取。     

一种基于遥感影像疑似违法用地图斑提取方法的研究

土地执法监察是国土资源管理的一项重要职能,高分辨率卫星遥感影像数据在执法监察中的应用,加大了违法用地执法监察的力度,缩短了执法周期,为城市执法监察人员对城市违法用地情况进行调查、执法并监督提供数据保障。本文主要是介绍通过对两时相遥感影像数据进行分析比对,按照一定规则提取变化图斑,再结合土地利用现状和土里利用规划等现势数据,及时确定疑似违法用地图斑的方法。     

基于IR-MAD的高分辨率遥感影像交叉融合变化检测方法

高分辨率遥感影像数据在带来丰富地物信息的同时,也对变化检测提出了新的问题和挑战。本文从高分辨率遥感影像数据的空间结构特征和光谱分布信息入手,针对多光谱数据交叉融合的变化检测方法展开研究。采用基于GSA(Gram-Schmidt Adaptive Pansharpening Algorithm)法对全色和多光谱影像数据处理,生成四幅交叉融合影像;将迭代加权多元变化检测(Iteratively Regularized Multivariate Alteration Detection,IR-MAD)算法应用于高分辨率融合影像,提取变化信息。结果表明,本研究方法能够有效提取变化信息,并降低数据配准不一致所造成的误检测。     

无证矿山图斑信息的自动提取方法研究

为了自动快速提取无证矿山图斑信息,首先利用面向对象的技术对遥感影像进行分类,获取包括植被、水体、道路、居民地及裸地等分类成果图;然后通过图像差值变化检测方法对变化图斑进行提取,得到面向对象分类的二值图。在此基础上,叠加已有的矿权资料,获得疑似无证矿山图斑信息。最后通过目视判读和野外验证的方法对提取的疑似无证矿山图斑进行筛选,最终确认无证矿山图斑。从本文的研究结果来看,结合变化检测的面向对象分类方法对目标图斑的提取具有一定的可行性.     

人机融合智能的遥感解译生产新方法

以深度学习与测绘生产技术深度融合为基本理念,本文阐述了测绘地理信息技术跨界融合发展给现有遥感解译生产流程带来的变革,分析了现有软硬件环境下智能化生产面临的关键问题,提出了一种人机融合智能的遥感解译生产新方法。该方法突破了多GPU并行训练、滚动反馈训练和分布式微服务应用等多项关键技术,研发出了自然资源深度学习遥感智能解译平台和自然资源深度学习动态解译插件,并在全球地理信息资源建设与维护更新等测绘工程项目中的关键生产环节,进行了规模化的生产应用。经过多个项目实践验证,机器智能与人类智能在遥感解译生产中,通过渐进式人机交互操作进行高效融合,不仅大幅减轻了生产人员工作量,还提升了遥感解译的科学性和时效性,为测绘生产和自然资源调查监测工作提供了强有力的技术支撑。     

高分遥感影像的围填海变化图斑自动提取方法

针对已有的围填海图斑提取方法精度不高、普适性不强、自动提取结果不理想等问题,该文提出了通过构建归一化差异水体指数(NDWI)进行围填海变化图斑自动提取的方法。以高分辨率QuickBird影像和HJ-1卫星影像为数据源,首先,根据研究区的用海类型进行5种易混淆地物的波谱特征分析;然后,根据水体与非水体的光谱特征差异,构建2009、2011年两个时相的NDWI指数;最后,将两时相NDWI指数影像进行空间相减,设置判断阈值,识别围填海变化图斑,并以目视提取结果作为依据验证其自动提取效果。对比分析结果表明:利用该文构建的两期NDWI指数可以将大部分围填海区域准确、自动地探测出来,可以将该方法纳入到沿海地区围填海变化监测的业务中。     

高分辨率彩色遥感影像变化检测方法研究

目前已有的对象级变化检测方法中的像斑对象特征提取算法大多只提取单波段的特征,无法对彩色影像有直观整体的描述,针对这一问题,本文提出了一种高分辨率彩色遥感影像变化检测方法。首先对分割后得到的像斑统计颜色直方图,计算其推土机距离作为光谱特征差异量,另外通过像斑的彩色图像灰度共生矩阵计算熵统计量,对应像斑间熵差值作为纹理特征差异量;最后结合在彩色空间计算的两种差异量构造差异影像,通过支持向量机（SVM）将差异影像中的像斑分为变化与不变化两类别。选择江苏省苏州地区资源三号影像进行了试验,结果表明该方法可以很好地实现高分辨率彩色遥感影像的变化检测。     

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。     

基于图斑的高分辨率遥感影像变化检测

高分辨率影像具有空间分辨率高、光谱分辨率相对不足的特点,传统基于像元的变化检测方法在高分辨率遥感变化检测中显示出不足。研究一种基于图斑的多时相高分辨率影像变化检测方法,以光谱特征为依据,对影像进行分割,然后以图斑为基本分析单元进行变化检测研究。引入概率统计学中的t检验方法,并与相关系数法相结合,采用区域内的光谱、纹理特征进行变化检测。选取城市区域的高分辨率影像进行试验,结果表明该方法可以很好地实现高分辨率影像的变化检测,具有一定的理论研究和实际应用价值。     

基于遥感+AI技术的沈阳市违法图斑的确定

研究了基于深度学习的自动变化检测等技术,并在沈阳市违法图斑确定项目中进行了深度应用。通过实际的成果分析,确定了该方法可以全方位提升遥感数据的自动化处理、分析能力,实现了影像变化信息的高精度、高效率提取,使目前的土地违法变化高效精准、常态化、低成本监测成为可能。     

基于U-Net3+的高分遥感影像建筑物提取

针对传统的高分影像建筑物提取方法存在分割精度低和分割边界模糊等问题,本文提出了一种基于U-Net3+模型的建筑地物语义分割方法。该模型以U-Net网络结构为基础,首先使用全尺度的跳跃连接将不同尺度的特征图相融合;然后通过深度监督从多尺度聚合的特征图中学习特征表达,并使用交叉熵损失函数进行训练;最后根据数据集特征,调试出不同的模型参数并以此模型进行测试,以达最佳的分割效果。试验结果表明,与U-Net和U-Net++模型相比,基于该方法的影像分割精度及地物边缘分割完整度均得到了显著提升,且当设置历元为15时,精度最高。使用该方法对高分辨率遥感影像中建筑物进行的分割试验,精度达96.62%,平均交并比(mIoU)达0.902 7,并减少了错分、漏分,同时也减少了模型参数,模型损失收敛速率快且缩短了训练周期,显著提升了建筑物提取精度。     

基于混淆矩阵的遥感影像变化检测方法研究

本文对采用分类后比较法进行土地覆盖遥感影像变化检测的过程作了探讨．重点阐述了基于混淆矩阵的变化检测精度估算,提升了遥感影像变化检测的自动化程度。     

基于高分辨率遥感影像的林地变化检测方法研究

本文采用2013年QuickBird和2017年GF-1卫星遥感影像,以黑龙江省五常市为研究区,利用遥感影像的光谱特征提取纯净森林像元,构建整合森林指数(Integrated Forest Z-Score,IFZ)对影像的森林和非森林区域进行区分,叠加对比分析两期影像提取结果,得到研究区内林地的变化区域.再将自动提取结果与人工判读图斑进行精度验证,面积误差为4.2％,图斑重叠率为85％.从精度结果可知,高分辨遥感影像可以准确地监测林地变化,对研究环境变化和森林经营管理具有决策性作用.     

遥感影像提取图斑中狭长结构的探测与融解方法

遥感影像提取的地物图斑数据需要进行结构优化,从而满足数据建库与制图表达的质量要求。其中,地物图斑分布上存在的大量狭长结构需要进行一致性融解操作。该项工作目前仍由人机交互方式完成,亟须发展专门的自动探测与一致性融解模型。为解决该问题,本文首先对遥感影像提取图斑中狭长结构产生的缘由和表现形式进行深入分析。在此基础上,分别针对控制图层图斑边界产生的狭长结构和人工地物图斑的局部狭长结构设计专门的探测与一致性融解方法,从而丰富现有的图斑狭长结构处理技术体系。试验表明本文提出的两种算法对狭长结构探测与一致性融解的正确率均超过90%,具有较好的可操作性与实用价值。     

基于改进决策树算法的山区遥感影像变化检测方法

为了能够精准检测山区遥感影像变化,提出一种基于改进决策树算法的山区遥感影像变化检测方法。利用K-SVD算法始化处理过完备字典,采用带有噪声的山区遥感影像训练字典,通过学习获取的字典稀疏表示含噪山区遥感影像,得到每个小块影像的稀疏表示系数,平均处理小块影像,获得去噪后的山区遥感影像。采用邻域相关分析技术获取描述上下文信息的邻域相关影响,通过邻域像素间的相关性展开模板匹配得到匹配误差。同时根据方向梯度信息提取山区遥感影像的结构特征,将邻域相关影像、匹配误差和结构特征输入改进后的决策树算法,将其作为分类属性,检测出山区遥感影像变化,实现山区遥感影像变化检测。实验结果表明,所提方法可有效检测出山区遥感图像的变化,并且检测500个样本图像的时间仅为335.4 s,因此,该方法可以获取准确率更高且检测时间更短的山区遥感影像变化检测结果。