迁移学习支持下的遥感影像对象级分类样本自动选择方法

面向遥感大范围应用的目标,自动化程度仍是遥感影像分类面临的重要问题,样本的人工选择难以适应当前土地覆盖信息自动化提取的实际应用需求。为了构建一套基于先验知识的遥感影像全自动分类流程,本文将空间信息挖掘技术引入到遥感信息提取过程中,提出了一种面向遥感影像对象级分类的样本自动选择方法。该方法通过变化检测将不变地物标示在新的目标影像上,并将过去解译的地物类别知识迁移至新的影像上,建立新的特征与地物关系,从而完成历史专题数据辅助下目标影像的自动化的对象级分类。实验结果表明,在已有历史专题层的图斑知识指导下,该方法能有效地自动选择适用于新影像分类的可靠样本,获得较好的信息提取效果,提高了对象级分类的效率。     

一种仿射不变量支持的准稠密控制点匹配算法

待配准的两景影像之间存在非均匀形变时,需要采用非刚性模型进行校正,而密集的、均匀分布的控制点是构建非刚性模型的基础,对此提出一种仿射不变量支持的准稠密控制点匹配算法。首先从两景影像提取特征点并进行稀疏匹配,根据稀疏匹配点消除两景影像间的整体偏移;然后以稀疏匹配点作为三角形的顶点,迭代构建特征点间的近邻三角形,并以面积之比作为仿射不变量,据此判断三角形顶点之间是否满足匹配关系,实现匹配点传播,从而获得准稠密的匹配点集;最后采用HJ-Landsat数据与南极地区Landsat 7 ETM+数据进行实验,结果表明,本文方法能够提取均匀分布的准稠密控制点,在提取率等指标方面优于对比方法。     

高分遥感驱动的精准土地利用与土地覆盖变化信息智能计算模型与方法研究

通过对地观测可在影像空间上全面反映地表地理现象、格局及演化过程,基于遥感数据提取的土地利用与覆盖变化(LUCC)产品为分析地理要素空间分布规律及其变化机制提供全覆盖、定量化和快速更新的本底信息.本文以高分辨率遥感视觉特征(图)与多源多模态观测机理特征(谱)相互耦合的图谱认知理论研究为基础,提出了精细地理图斑空间结构(精...     

土地执法监察中的高分辨率遥感及变化检测技术

土地执法监察是国土资源管理业务体系的重要内容之一。当前土地执法监察工作多以传统手工作业为主,工作效率需要提升。随着高空间分辨率遥感技术的发展,借助高分辨率遥感影像实施准确、快速的土地执法监察成为可能。本文在分析实际应用需求和最新技术发展的基础上,以国产高分辨率影像提取违法建设用地为出发点,选取浙江省台州市黄岩区为研究区,开展县区级土地执法监察应用研究。借助面向对象变化检测与建设用地提取等技术获取了疑似的违法新增建设用地,取得了较好的应用效果,为挖掘国产高分辨率卫星影像在土地执法监察应用方面的潜力提供了参考。     

基于不确定性迭代优化的山地植被遥感制图

山地因其较高的异质性和特殊的环境特征给遥感科学及其应用带来了诸多问题和挑战。为实现山地植被信息的精准提取,本研究选择部分滇西北山地区域作为研究区开展方法实验,利用高分辨率遥感影像数据和数字高程模型,结合分区分层感知思想,提出一种基于不确定性理论的山地植被型组分类制图方法。首先结合地形对研究区影像进行多尺度分割制作图斑;然后根据图斑特征使用随机森林方法进行分类,将分类结果与对应类别样本间的相似性作为优化目标,并构建混合熵模型定量计算图斑推测类型的不确定性,据此进行针对性的样本补充和分类模型的迭代优化。实验总体分类精度达90.8%,较迭代前提升了29.4%,Kappa系数达到0.875。在高不确定性区域,该方法相比使用一次性补样和随机补样方法的分类结果,精度分别提高了17%和13%。研究结果表明,通过人机交互的方式,基于不确定性理论为样本库融入增量信息的迭代优化方法能够有效提高植被型组分类的精度,相较于传统的样本选择方法具有更高的效率和更低的不确定性。