高分辨率光学遥感场景分类的深度度量学习方法

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题,本文提出了一种深度度量学习方法。首先在深度学习模型的特征输出层上为每类预设聚类中心,其次基于欧氏距离方法设计均值中心度量损失项,最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数。该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率。试验结果表明,本文方法有效地提升了分类准确率。在RSSCN7、UC Merced和NWPU-RESISC45数据集上,与现有方法相比,分类准确率分别提高了1.46%、1.09%和2.51%。     

面向城区宽基线立体像对视角变化的结构自适应特征点匹配

提出一种基于结构自适应特征的城区宽基线影像特征点匹配方法。首先,对影像提取点特征和直线特征,挖掘点特征与其邻域内直线特征之间的几何关系,构建结构自适应的特征区域和特征描述符,并通过双向匹配策略获得初始匹配结果。然后,基于初匹配结果估计影像基础矩阵,构建核线约束的结构自适应特征匹配算法进行二次匹配。最后,将已匹配特征作为控制基础设计匹配扩展算法,进一步增加匹配点数量。本文方法以特征点邻域几何结构为出发点,构建自适应的特征区域,能够在显著的影像视角变化下,为同名特征点提取影像内容一致的特征区域,进而获得相似的特征描述符。试验结果证明,与传统算法相比,本文方法在城区宽基线影像上能够同时获得更多的正确匹配特征和更高的匹配正确率。     

低空摄影测量立体影像匹配的现状与展望

影像匹配是在两幅或多幅具有重叠度的影像中通过特定的算法提取影像间同名点的过程,是低空摄影测量数据处理中最为关键的步骤,匹配质量与效率直接影响到后续数据处理的成功与否,关系到测绘产品生成质量。本文系统阐述了低空摄影测量影像匹配的研究现状与展望。对影像匹配的分类进行总结和归纳,大体上,影像匹配可划分为两大类,即基于灰度和基于特征的匹配。重点针对基于特征的影像匹配,从点、线、面等特征提取算法及特征描述符和相似性测度与策略等方面进行了详细阐述。此外,列举最新的基于深度学习的影像匹配算法,对低空平台搭载的多样化传感器数据融合可能涉及的影像匹配方法进行了展望。     

一种正样本单分类框架下的高分辨率遥感影像建筑物变化检测算法

高分辨率遥感影像建筑物变化检测对于城市规划、城市执法等方面具有非常重要的意义。文中提出一种基于正样本单分类器学习框架下的建筑物变化检测算法。首先提取影像形态学建筑物指数特征(MBI),通过卡方变换将其与光谱特征进行融合;然后利用一种单分类器完成建筑物变化初始判定;最后利用改进的长宽比形状特征完成最终建筑物变化判定。通过与现有建筑物变化检测算法、传统的多分类器算法对比,本文算法精度有一定提升并具有更强的鲁棒性。     

基于MTFC的图像复原结果对比分析

地物在成像过程中,由于受到光学成像系统作用、地物周边环境等影响,会使得到的地物影像存在噪声、模糊等各种影像质量下降的问题,这种现象就是图像退化。根据影像退化机制,利用调制传递函数补偿(Modulation Transfer Function Compensation,MTFC)原理复原图像,提高航空面阵成像系统的成像质量,使航空面阵影像更便于判读解译。采用调制传递函数补偿(MTFC)原理进行图像复原。复原图像与原始影像相比在一定程度上边缘更加清晰,更利于判读解译,但在复原过程中也不可避免的添加了噪声。通过复原图像评价指标对比发现,利用航线方向MTF得到的复原图像效果较差,这与成像系统航线方向成像性能偏低有关。     

基于倾斜影像的三维城市建模影像筛选方法研究

倾斜影像技术是当前测绘领域的一项高新技术,突破了传统航摄测量技术的局限性。相对于传统的垂直航空摄影,倾斜影像技术具备有效地获取地物侧面纹理、可对同一地区进行多视角重复观测,在保证三维模型定位精度高、纹理细节好的同时,实现了获取城市实景三维模型的高度自动化,因而在三维城市建模中得到广泛的应用。本文介绍了一种基于倾斜影像技术的三维城市建模影像筛选方法,并通过实验,验证了该方法具有较高的可行性。     

SAR影像中叠掩与阴影区域的识别 ——以湖北巴东为例

SAR影像中叠掩和阴影区域的识别是滑坡监测中的首要工作,本文针对这一工作利用雷达卫星成像时的几何模型与图像处理中形态学方法综合识别叠掩与阴影区域,以ALOS-2数据为例,对比该地区雷达强度图像,验证了本文试验方法的可靠性。     

结合主动学习和词袋模型的高分二号遥感影像自动化分类

高分卫星遥感影像空间分辨率的提高,使得地物的光谱和纹理变得更加丰富和复杂,这给遥感影像的自动化分类带来严重挑战。因此,本文提出了一种结合主动学习和词袋模型的高分二号遥感影像分类方法。首先,对研究区域进行多尺度分割,建立影像分割对象集;然后,采用词袋模型构建影像对象的语义特征向量;最后,充分考虑位于分类边界的不确定性样本分布,迭代选择最优样本用于训练支持向量机,用于分类遥感影像。为了验证本文方法的有效性和稳健性,以山东省某市的高分二号遥感影像为试验数据进行了试验分析。结果表明,本文提出的方法可以有效地将研究区域分为水体、地面、植被和建筑物四类,正确率达到90.6%以上。