基于空间遥感影像的居民地自动解译

针对当前地物要素信息采集劳动强度大、智能化程度不高、效率低等技术瓶颈,本文以深度学习理论为基础,在Caffe框架上依托Digits网络服务器构建居民地数据集进行分类识别训练,建立样本数据集并完成模型训练工作.整合居民地复杂数据信息,设计了针对遥感影像自动解译居民地的操作流程.通过对实验结果分析,利用深度学习获取的数据模...     

基于区间二型模糊理论的高分辨率遥感影像分割方法研究

影像分割是遥感影像处理(如特征提取、目标辨识、地物目标分类)的基础工作和重要任务。高分辨率遥感影像所具有的更加丰富的地表覆盖细节信息为精准地物目标分割提供了充分的依据。然而,更加精细的空间尺度、复杂多样的地物目标及真实地表覆盖信息的缺乏,增加了像素类属的不确定性和分割决策的不确定性,给高分辨率遥感影像分割带来了新问题,导致高分辨率遥感影像应用传统的影像分割方法得到的分割结果精度并没有随着分辨率的提高而得到显著提高。有鉴于此,本文以处理高分辨率遥感影像像素类属不确定性、分割决策不确定性及充分合理建模同质区域光谱测度分布模型为目标,提出基于区间二型模糊理论的影像建模与分割这一科学问题,并对其展开系统的理论与实践研究,以实现精度高、可靠性强的高分辨率遥感影像分割。     

基于监督与非监督分割评价方法提取高分辨率遥感影像特定目标地物的对比研究

基于地理对象的影像分析方法已成为高分辨率遥感影像分析的重要手段。影像分割作为其关键步骤,如何设置合适的分割算法参数对后续分割和分类结果有重要的影响。目前分割参数优选方法的探讨分别从非监督与监督分割质量评价2个方面展开,而何者更适合高分辨率遥感影像特定目标地物分析仍缺乏对比研究。本文以城镇和乡村为例,选取多源遥感数据Quickbird、WorldView-2和ALOS影像中共有的3种典型土地覆被为研究对象,基于2种具有代表性的非监督与监督方法ESP2 (Estimation of Scale Parameter 2)与ED2 (Euclidean distance 2) 进行实验,对最优分割和分类的结果进行全面的对比分析。结果表明：① 相同实验参数下,监督方法均能以较少的分割数据集获得目标地物的最优分割结果,且与真实地理对象吻合度更高;② 非监督方法依靠影像自身特征分析进行分割参数优选,无法克服不同景观格局和影像分辨率的影响,而监督方法可通过改变参考数据集的面积和空间分布模式等来降低其影响;③ 非监督方法往往因为欠分割而漏分小目标地物,这样会严重影响局部分类结果。虽然本文中非监督与监督方法的整体分类精度均可达90.08%以上,但非监督方法的漏分率却是监督方法的1.43~4.65倍。因此,本研究认为监督方法更适合分析高分辨率遥感影像特定小目标地物。     

倾斜摄影实景模型悬空地物处理方法

为更好解决传统倾斜摄影实景模型悬空地物处理过程中对三维采编环境的过度依赖,本文提出了一种基于倾斜摄影三角网络分析的实景模型悬空地物处理技术方法。该技术方法将三维三角网进行降维处理,通过分析降维后二维三角网节点上边线的辐射特性,快速定位地物边缘点,同时结合聚类分析算法、最小凸边提取等技术方式,实现对悬空地物边界的快速定位、消除。试验选取植被这类悬空地物作为研究对象,验证了文中的技术方法对倾斜摄影实景模型悬空地物处理具有较好的适用性,能极大降低倾斜摄影实景模型数据处理中对三维环境的要求,降低数据处理的难度。     

“三调”中线状地物图斑化流程优化

第三次全国国土调查("三调")与第二次全国土地调查相比,需要将符合上图精度的线状图层地物全部进行图斑化表示,以图斑的形式存储在数据库中。实际作业过程中,为便于后续的数据统计分析,图斑化的单线要素需要在对应的线状地物图层的特定字段中标记"3",表示该线物要素已进行图斑化处理。上述过程在实际生产中工作量大、易误操作。针对所述问题,在对数据进行对比分析后,提出了程序化解决方案,能够大幅度提高处理效率和数据质量。     

遥感技术的线状地物宽度估算方法

以华北某省的小麦产区为例,通过像元数来确定主要线状地物的解译标准,将地物按照像元数解译成面状和线状,同时建立线状解译的置信区间,实现不同情况下线状地物的面积统计。     

土地调查线状地物与图斑逻辑一致性缺陷修正方法

土地调查数据中部分线状地物与图斑存在逻辑一致性缺陷,造成图斑地类面积计算错误。为解决上述问题,本文对土地调查数据线/面逻辑关系进行研究,归纳了线状地物跨越图斑的缺陷类型;并对其成因和影响进行分析,设计了一种通过增量更新进行缺陷修正的方法。该方法不影响地类流量分析,能够较好地维护年度间统计结果的一致性,易于实现缺陷修正的自动化处理,并利于数据回溯。通过土地变更调查国家级数据库质量检查工作实践表明,本文提出的方法有助于提升数据检查的效率,具有较好的实用价值。