变分法遥感影像人工地物自动检测

人工地物（建筑物、道路、桥梁等）检测是目标识别的一个重要组成部分。本文将人工地物检测转换为能量泛函数最优化问题。首先对遥感影像进行超像素分割,综合图像的颜色、纹理、梯度等信息,以超像素为单元计算图像的显著度信息,然后构建一个包含显著性约束、面积和边界约束、纹理约束及灰度方差约束的能量泛函数,通过变分法迭代求解能量泛函最小值,获取目标前景部分即为人工地物区域。本文以重庆和广东某地的遥感影像数据为例对算法进行验证,将其与常见的人工地物目标提取算法,如C-V模型、MRF模型,以及当下研究较为热门的深度学习算法进行对比。试验结果表明,该算法能有效地检测出遥感影像中的人工地物区域,并保证较低的误检率及漏检率。论文对该方法与深度学习方法进行了一定的分析对比。     

顾及地物要素特征的电子地图POI分类抽稀方法

探讨影响POI分类抽稀结果的因素,提出顾及地物要素特征的POI数据分类抽稀方法。通过不同比例尺下POI分类抽稀试验分析,验证所提方法的可行性和有效性,提高电子地图中POI数据在不同比例尺下抽稀显示的合理性,从而满足用户专业需求。     

基于多特征信息的城市核心地物要素提取方法研究：以深圳市为例

为了解决由于空间分辨率低导致城市核心地物要素提取精度低的问题,笔者构建了适用于城市核心地物要素提取的卷积神经网络模型(convolutional neural network, CNNs),同时利用基于遥感影像提取的颜色、纹理和形状等多特征信息辅助城市地物要素提取。颜色、纹理和形状等多特征信息与CNNs模型提取的深层信息相结合,融合浅层与深层特征信息,充分挖掘影像数据中的高级语义信息,能够有效地提高结果精度。实验结果表明,CNNs模型减少了模型参数量与复杂度,模型收敛速度快,具有较高的提取精度、泛化能力和鲁棒性,总体精度为97.49%,Kappa系数为0.957 5。该研究可以为城市发展与规划提供技术支持。     

遥感技术在地质找矿中的应用

遥感地质找矿方法随着遥感成像技术的发展而发展,传感器的发展使得探测波段不断细分,光谱分辨率不断提高,从而提高了遥感地质找矿的精度,使地质找矿从定性化到定量化转变。总结近几十年来多光谱与高光谱遥感成像技术的发展过程,并概括在此发展过程中相关找矿方法的发展,从多光谱成像与高光谱成像的发展2个方面介绍了相应的找矿方法与找矿应用,论述遥感技术在地质找矿中的应用趋势,并对目前遥感找矿领域中的相关难点进行了总结。     

一种城市高大地物阴影检测方法

针对水体、偏蓝色地物会影响阴影检测精度这一问题,该文提出了一种基于WorldView-2影像的城市高大地物阴影检测方法。首先,在统计分析阴影及典型地物光谱值的基础上,对C1C2C3色彩不变空间中的C3分量利用直方图阈值法分割阴影区域和非阴影区域,分离后的阴影区域中包含了绿色植被信息;然后,利用多波段运算提取植被信息;其次,对最初的阴影植被混合区域和植被区域做逻辑差运算,得到目标阴影区域;最后,对阴影提取结果进行小区域去除和形态学滤波等后处理。实验结果表明,该方法针对WorldView-2影像具有普适性,能够有效避免水体、偏蓝色地物的影响,能够精确、快速地检测阴影区域。     

基于语义特征的堤防外坡激光脚点分割

在缺乏影像等辅助数据的情况下,本文直接利用激光雷达LiDAR点云数据,提取水系边缘,并在此基础上实现基于语义分割的堤防外坡激光点云提取方法。分两步进行边坡的提取:首先获取LiDAR数据中水体边缘轮廓线,进一步获取堤防边坡的下缘线;然后以下缘线为增长基线,通过最小二乘平面拟合,利用区域增长的方法,将边坡平面提取出来,从而获取边坡脚点。     

川西甲基卡锂矿基地典型岩石及矿物反射波谱特征研究

四川甲基卡矿田是中国乃至于世界上锂矿资源最集中的地区之一,目前对甲基卡锂矿床的光谱学认识还很欠缺。本文运用地物波谱仪对甲基卡地区野外采集的典型岩石及矿物开展波谱测试,建立了研究区样品的波谱数据库,总结了黑云母片岩、十字石片岩、十字石堇青石片岩、角岩、二云母花岗岩、含锂辉石伟晶岩、不含锂辉石伟晶岩、石英脉、长石斑晶、锂辉石、云母、绿柱石的波谱特征。研究结果表明:围岩与岩体波谱特征差异较大,围岩反射率一般在0. 2以下,吸收特征不明显,岩体反射率一般在0. 5以下,具有1413 nm、1911 nm、2197 nm三处不同程度的吸收特征;其中含矿伟晶岩、不含矿伟晶岩及花岗岩可以通过1413 nm及2197 nm等处的吸收特征进行区分;锂辉石及绿柱石具有独特的波谱特征,可以直接用于找矿。本文开展的甲基卡型锂矿地面波谱研究,对其高光谱遥感填图及地质找矿具有重要的指导意义。     

一种面向对象的像元级遥感图像分类方法

本文提出一种面向对象的像元级分类方法(混合模型),并将其与单纯的以像元和面向对象的两种方法同时应用于分辨率分别为30m和0.5m的环境星CCD数据和航空影像进行对比分析。分类结果中不同地物类别之间光谱可分性的大小,很大程度上可反映分类结果的可靠性。若地物类型之间的光谱差异大,说明分类方法能将光谱差异大的地物很好地划分,显示出较可靠的分类结果;相反,如果分类结果中地物类型光谱差异小,则反映分类方法不够可靠。鉴此,本文通过计算分类结果中不同类别所对应的原始遥感影像像元之间的J-M(Jeffries-Matusita Distance)距离来度量分类结果中地物之间的光谱可分性,并用J-M距离比较分析了3种图像分类方法对2种不同分辨率影像的分类结果中各个类别之间的光谱可分性的变化。分析结果表明,混合模型不但能够得到较连续的分类结果,同时能够保持分类结果中类别之间的可分性。本文对分类结果进行了精度验证,结果发现混合模型的分类精度较其他2种方法要高。2种不同分辨率的遥感影像分析结果得到相同的结论,表明该模型适用于中分辨率和高分辨率影像。     

利用特征地物计算HJ-1卫星CCD波段间配准精度

自HJ-1双星成功发射后,两台设计原理完全相同的CCD相机分别搭载在HJ-1A、HJ-1B星上,其覆盖范围广、回访周期短,具有较高的空间分辨率和光谱分辨率。波段间的配准误差是评价影像质量的重要指标之一,也是传感器研发的一项重要参数。因此,对遥感多光谱影像进行波段间配准误差评价是十分必要的。本文以山东省东营市辛安水库库区为对象,提出了一种基于特征地物计算HJ-1卫星CCD波段间配准精度的算法。辛安水库形状独特,有多条条状水体和拦水坝且相互交叉排列。基于HJ-1 卫星CCD相机4个波段的水库影像,分别提取出水库在沿轨和跨轨方向的像元响应与像元位置的关系,利用响应曲线中的峰、谷位置,计算出同名特征点在不同波段图像中的位置。根据位置的差异,计算出HJ-1卫星CCD相机波段间配准在沿轨方向和跨轨方向的实际偏移量。从而实现对影像波段间配准精度的评价。