国产单极化SAR数据在锰渣尾矿库自动化识别中的应用

为了挖掘国产单极化SAR数据在自动化识别尾矿库中的作用,辅助光学数据以提高锰渣尾矿库的识别精度,针对锰渣尾矿库及其在光学遥感图像中容易混淆的目标,从定性的角度分析了二者的散射特性以及在SAR图像中的差异特点;并开展锰渣尾矿库自动化识别研究;利用面向对象的方法对光学遥感图像进行分割;选取典型锰渣尾矿库及其易混淆目标,进行纹理特性计算。实验结果表明:可以通过纹理特征有效地建立锰渣尾矿库在雷达图像中的识别规则,为实现光学遥感数据和雷达数据相结合的计算机自动识别锰渣尾矿库提供基础。     

多视觉特征与K-centroid聚类的高分辨率遥感图像检索

目前基于单一内容的高分辨率遥感图像检索具有描述片面、信息不精确的问题。针对此问题,充分利用遥感图像的颜色、形状和纹理特征,将三者综合起来,形成多视觉特征的遥感图像检索,并通过一系列的迭代运算,得到这三种特征对待不同类遥感图像时各占的最佳比例系数,从而得到较好的检索结果。并针对分别计算遥感图像的颜色、形状和纹理特征,再将其融合导致在大图像库中进行检索时检索速度较慢这个问题,引入改进的K-centroid聚类算法,先对遥感图像库中的图像进行聚类,大大缩小了检索的范围,提高了检索速度。实验结果表明,该方法具有较好的检索结果。     

基于纹理谱的遥感影像纹理分析方法

重点论述了如何运用纹理谱的方法对遥感图像进行纹理分析。通过对不同地物图像进行试验,借助计算机语言实现了各类地物图像的纹理谱特征图的计算显示,并对其进行分析比对,最终达到区分识别各类地物的目的。     

联合像元-深度-对象特征的遥感图像城市变化检测

特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。     

道路综合特征下高分辨率遥感影像的提取

针对在高分辨率遥感影像中如何提高道路信息提取的准确度和信息量这一问题,通过对影像光谱和纹理特征的分析,将影像特征按照2种光谱特征和3种纹理特征进行分类,进而改善传统的图像分割方法,选择灰度级数和像素对的相对方向、距离和窗口大小作为参数,再通过灰度共生矩阵运算获取影像的纹理信息,通过对这些纹理特征的综合比较分析,最后确定角二阶矩、熵和对比度作为道路纹理特征统计量;再通过对图像像元分析比较,将图像像元标准差和灰度均值作为道路信息提取的光谱特征;在对道路综合特征分析基础上,再通过对遥感图像几何特征分析,最后利用数学形态学的开运算、闭运算、腐蚀、细化等模型算法对遥感图像进行精细化处理,得到道路提取较好的结果。该方法可用于复杂路况的道路信息提取。     

高分辨率遥感图像频域特征提取与图像分割研究

遥感图像分割是面向对象识别的关键,论文基于频谱分析理论与频域滤波方法,对IKONOS卫星图像的特征提取与图像分割技术进行了研究,根据振幅和相位信息提取遥感图像的纹理和边缘特征,并提出多频段标记算法实现了结合纹理和边缘特征的图像分割.论文主要研究内容与结论包括:     

遥感影像解译标志库的建立和应用

在遥感影像解译标志库中,全面、综合地总结了各种解译要素和常见的各种典型地物及其解译标志。该库具有全面性、综合性、开放性和包容性的特点。同时,结合该遥感影像解译标志库,成功地实现了对研究区的遥感地质解译。根据所建立的解译标志库系统地总结了研究区各种岩性的遥感影像特征;解译结果与1:200000地质资料相对比,共发现18处影像特征与其不一致的地方。经野外验证,根据解译标志库所建立的不同岩性的解译标志及解译结果是准确可靠的。     

基于灰度共生矩阵提取纹理特征图像的研究

在遥感影像分类的过程中非光谱特征起着重要的辅助作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。本文主要研究了通过灰度共生矩阵提取纹理特征图像的方法,对该方法提取纹理特征图像进行了相关的实验分析。并将其在分类中的应用进行实验,证明了灰度共生矩阵提取的纹理特征对图像分类精度提高起到一定的作用。     

基于纹理特征的陇西黄土高原地表覆盖信息提取

在遥感影像分类的过程中非光谱特征起着重要的作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。以陇西黄土高原为实验区,Landsat TM5为数据源,利用灰度共生矩阵建立纹理特征统计量,通过实验分析不同地物提取过程中最有效的纹理特征量,并运用面向对象分类方法对其分类。结果表明,灰度共生矩阵提取的纹理特征对图像分类精度提高可起到一定的作用。     

黑龙江省矿集区尾矿库遥感监测与分析

尾矿库是一个具有高势能的人造泥石流危险源,存在溃坝危险,一旦失事,容易造成重大或特大事故。尾矿库不仅占据了大量的土地资源、破坏土地植被,给环境安全带来隐患,同时尾矿中含有的各种重金属矿物和毒性物质经过淋滤和渗透,会严重污染尾矿库周边和下游的生态环境。为实现对尾矿库的遥感监测与分析,以黑龙江省重点矿集区尾矿库为研究对象,利用高分辨率遥感图像建立准确的遥感解译标志,对尾矿库进行遥感解译;利用GIS软件提取尾矿库的相关信息,摸清现有尾矿的基本类型、堆存数量、地理位置和有害因素等;同时了解和掌握尾矿堆放区的环境地质情况和生态状况,以期为尾矿库的监督和管理提供科学依据。     

基于目标毁伤评估的几种构想

综合利用国内外典型的航空航天遥感图像,并结合辅助地理信息数据,从理论上对目标进行快速识别,进而对其变化进行分析和评估研究。旨在建立以主动识别为主、人机交互为辅的具有较高智能的图像特征识别系统,使系统可完成面向多区域和集群目标的综合实时评估任务。     

我国光伏用地遥感监测分类体系和解译标志建立方法研究

本文论述了我国光伏用地遥感监测分类体系和解译标志的建立情况.结合影像上表现的土地利用地类特征和光伏用地特征,建立了光伏用地遥感监测分类体系包括戈壁光伏用地、草地光伏用地、耕地光伏用地、大棚光伏用地、水面光伏用地、屋顶、厂房光伏用地、非典型光伏用地,其解译标志多数分布规则、纹理特征明显,其占用的土地利用类型多样,依据其类型不同光谱、色调、纹理特征不同.最后对目前所建立的光伏用地遥感监测分类体系和解译标志存在的问题进行了讨论.     

纹理特征辅助遥感影像分类技术的探讨

随着卫星遥感影像分辨率的不断提高,人们希望从遥感图像中获得更多有用的数据和信息,所以遥感影像的分类变得尤为重要.但是基于光谱特征的影像分类精度过低,不能满足生产的需要,所以研究利用其他辅助手段来提高遥感影像的分类成为未来发展的一个重要方向.本文研究了利用灰度共生矩阵提取纹理特征的方法并对利用纹理特征影像辅助光谱特征分类的方法进行了研究.实验结果表明,纹理特征辅助光谱特征分类能够提高遥感影像分类的准确性和精度.     

傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类

以高空间分辨率遥感影像为研究对象,将纹理特征与影像的光谱特征结合起来,用于地表覆盖类型分类。设计了一种基于傅里叶谱纹理的分类策略,对主成分分析后的第1、2主分量特征影像,利用径向谱（r-spectrum）提取纹理特征,并将纹理与光谱特征结合起来,构建了不同的分类特征用于支持向量机分类模型。以Salinas数据集和QuickBird影像为例,验证该算法。结果表明,纹理与光谱信息的结合可以明显提高高分辨率遥感影像的分类精度;由傅里叶径向谱提取的纹理特征可以很好的应用到高分辨率遥感影像的分类问题中,分类精度高于基于傅里叶总能量谱和灰度共生矩阵的分类精度;利用该算法对PCA变换后的第1和第2分量提取的纹理特征具有一定的互补性,并且结合多特征图像的纹理特征提取优于单特征图像的纹理特征提取。     

遥感图像自动解译面临的问题与解决的途径

遥感图像自动解译的目的是为了满足人们从海量遥感数据中快速识别与获取不同专题信息的需要。目前图像自动解译主要依赖地物光谱特征 ,其解译精度不高。解决这一问题的主要途径包括 :抽取遥感图像多种特征并综合利用这些特征 ,利用遥感图像解译背景数据库 ,在地理信息系统支持下实现背景数据与遥感信息覆合 ,采用专家系统完成遥感图像自动解译。     

太原市黑臭水体遥感识别与地面验证

城市黑臭水体整治是城市水环境治理的一项重要工作。本文通过构建黑臭水体遥感识别模型,解决城市黑臭水体整治过程中黑臭水体的识别问题,实现城市黑臭水体空间分布快速定位与排查。通过分析黑臭水体形成机理和试验数据,从光谱特征上构建反映水体清洁程度的光谱指数（WCI）,从图像特征上构建水体颜色、次生环境、河道淤塞、岸边带垃圾堆放等解译标志,综合光谱指数和解译标志共同进行黑臭水体遥感识别。利用该方法对太原市建成区内黑臭水体空间分布进行排查识别,共得到疑似黑臭河段14条,长度为52.530 km。经验证,除去断流影响外,遥感识别黑臭水体点位精度为92.86%,遥感识别黑臭河段长度精度为78.19%。在精度验证基础之上,进一步分析了黑臭水体遥感识别光谱指数和各项解译标志在黑臭识别中所占的权重,其中光谱指数和水体颜色二者权重最大,分别占29.60%和27.10%,是构成遥感识别黑臭水体的主要特征标志。通过两时相影像识别结果比对表明,WCI指数能够明显反应黑臭水体变化特征。因此,利用本文方法进行城市黑臭水体遥感识别具有很高的精度,在城市水环境整治过程中具有重要的应用价值。     

MRELBP特征、Franklin矩和SVM相结合的遥感图像建筑物识别方法

为了进一步提高遥感图像建筑物区域的识别精度,提出了一种基于中值稳健扩展局部二值模式(median robust extended local binary pattern,MRELBP)、Franklin矩和布谷鸟优化支持向量机(support vector machine,SVM)的分类方法。首先,通过MRELBP特征算子计算图像块的纹理特征向量,并根据Franklin矩得到形状特征向量,组合图像块的纹理特征向量和形状特征向量得到综合特征向量;然后,利用训练样本对SVM进行训练,同时由布谷鸟搜索算法对SVM的核函数参数和惩罚因子进行优化;最后,通过训练好的SVM得到建筑物区域识别结果。通过30组试验的结果表明,与基于三原色(red green blue,RGB)和SVM的分类方法、基于LBP和SVM的分类方法、基于Zernike矩和SVM的分类方法相比,本文提出的方法所识别的遥感图像建筑物区域准确度更高。     

遥感图像纹理分析方法

本文针对遥感图像纹理特征,定义纹理是“图像像元亮度值空间变化率的一种量度”.据此定义,提出纹理强度和纹理密度两个新参量,定量地描述遥感图像的纹理特性。这两个参量反映了图像中相邻象元亮度值的差别及图象中象元亮度值变化的频数。所设计的相应提取方法包括:强度和法、绝对差法与最大、最小值法等三种纹理强度提取方法,以及两种纹理密度提取方法:一阶纹理密度法与二阶纹理密度法。同时,讨论了局部移动窗口大小的选择原则。本文不仅设计了从遥感图像亮度值的绝对变化提取纹理特征的方法,并进而提出相对梯度概念,从象元亮度值的相对变化描述图象的纹理特征;由相对梯度法生成的纹理图像,不仅可突出遥感图像的空间信息特征,并保留了原图像的部份波谱信息,原图像中的甚亮区和暗区、甚暗区（如山地背阴坡）的纹理结构得以清晰地显现,效果独特。     

基于纹理特征融合与核模糊聚类的道路提取

根据高分辨率遥感影像中道路方向上的纹理一致性,提出了一种基于纹理特征融合与核模糊C均值聚类的高分辨率遥感影像道路提取新算法。该算法改进了角度纹理特征的计算方式,首先与Gabor纹理特征进行融合;再利用结合空间信息的核模糊C均值聚类算法对融合特征进行聚类,从而提取高分辨率遥感影像中的道路。实验结果表明,该算法可较高精度地从高分辨率遥感影像中提取具有一定纹理的道路。     

遥感图像中建筑物震害信息统计特征研究

讨论了建筑物震害遥感信息的形成机制,从遥感图像灰度特征和纹理特征两方面,提出了反映建筑物震害信息的特征参数。不同类型训练区的统计分析结果表明,灰度平均值、灰度标准差和灰度方差3种特征参数是建筑物震害识别和分级的良好指标,纹理逆差矩和纹理相关性可作为辅助参数.