基于Wold特征的遥感图像的分割

马尔可夫随机场模型是一种较好的纹理模型，但由于它是一个低阶的纯随机模型，因此用于图像分割时，区分相近纹理的能力仍然有限。将结合2维Wold分解技术来对遥感图像进行分割，通过调整不同性质谱分量的比例关系，放大相近谱峰值之间的差别，从而有利于Harmonic滤波器的信号选取，改善低阶马尔可夫分割场模型不能刻画结构性纹理的缺点。实验方法对城区目标进行提取，结果表明该方法的有效性优于纯Markov随机场所采取的分割方法。     

基于DE-Segformer的无人机影像农业大棚信息提取方法

由于无人机影像具有空间分辨率高、机动性强、成本低等优点,在智慧农业中可以用来监测各种特征信息的变化。为了进一步提高农业大棚识别精度,提出基于Segformer解码器改进的DE-Segformer模型。其中,通过特征整合模块融合高层语义信息,实现对多尺度特征图隐式特征的深度挖掘;通过反卷积上采样模块实现对影像空间细节的准确还原表达。以潍坊-黄岛沿线为研究区开展实验,DE-Segformer的总体精度和交并比分别为0.979和0.957,与Segformer相比分别提高0.013和0.028,且锯齿问题得到明显缓解。消融实验证明设计的两个模块均起到积极作用,联合使用可达到最大精度。为实现无人机影像农业大棚的精细分割,以及基于Transformer的语义分割模型在遥感信息提取中的工程化应用提供参考。     

单张卫星影像的建筑自动化三维重建

针对基于卫星影像的三维建模在建筑产业、城市规划、文化遗产保护、工业制造等领域中的应用问题,提出了一种基于深度学习的解决方案,着重探讨如何通过高效、迅速的方式生成单张卫星影像中的建筑模型。运用深度卷积网络模型提取建筑足迹,同时,引入了改进的道格拉斯-普克算法对建筑足迹进行规则化,并通过推算建筑高程和屋顶样式识别填充,对建筑模型进行完善。最终,通过综合上述参数输出,成功实现了在单张卫星影像中对建筑进行高效批量重建。     

双线阵推扫成像光学遥感卫星在轨动目标检测方法

动目标检测是从时序图像中获取时间维度动态变化信息的有效手段,通过快速获取、分析和利用卫星遥感数据中的现势信息,将遥感数据中时空域运动和变化信息表征为对象和知识,可以有效提升卫星数据的利用效率,实现“现势数据、即时传输”的应用要求。现有的卫星视频和多光谱遥感图像用于动目标检测领域,无法满足大范围动目标发现、运动速度适应性以及硬件加速兼容性等应用需求。本文以利用光学遥感卫星实现大范围动目标快速感知为目标,通过双线阵推扫光学遥感相机采集包含时域动目标信息的双条带图像,以船舶目标为例,经过在轨处理形成动目标关键信息。相机原理样机已经搭载“泰景四号01星”于2022年2月27日成功发射,验证了大范围动目标检测的技术路线。本文在提出双线阵推扫成像方法以及动目标时空特性数学模型基础上,构建基于显著性区域建议的动目标检测方法,利用时空域变化信息表征和提取动目标显著性区域,基于深度学习目标检测技术实现动目标判别,获取动目标检测结果。利用在轨拍摄的双条带图像,验证了算法精度,对比传统算法,本文方法在单体目标分割方面提升明显,动目标分割结果较为完整、清晰,有效提升了动目标两个时刻间的匹配精度。结果表明,算法...     

高分辨率遥感影像特征分割及算法评价分析

图像分割一直是图像处理和计算机视觉领域中的一项关键技术。本文首先从遥感影像地学处理与应用的角度阐述了影像分割技术对于遥感信息提取和目标识别的重要性,然后提出了基于特征的高分辨率遥感影像信息提取技术框架,建立了一套基于特征的遥感影像分割方法及分类体系。同时,鉴于遥感影像分割方法评价的重要性, 阐述了一种高分辨率遥感影像分割方法评价的思路,并对几种典型的基于特征的遥感影像分割方法进行定性和定量的试验和评价,对其各自的性能和适用面进行对比分析。最后,指出了遥感影像特征分割方法所存在的问题及其发展趋势。     

基于MS-DeepLabV3+的街景语义分割及城市多维特征识别

传统城市特征识别采用空间和统计方法提取分析指标,特征评价指标主观性较大。街景影像包含城市视觉信息,可以进行城市特征识别。以中国青岛市为例,构建面向街景的多尺度语义分割模型MS-DeepLabV3+。在编码区增加全特征提取通道聚合多尺度特征;在解码区增加多尺度特征提取通道,有效捕捉低层次特征;引入注意力机制模块和通道注意力,聚焦关键特征,提高街景语义分割的准确性,模型平均交并比、精确率和召回率分别提高了3.47%、2.37%和3.96%。在地块尺度上,从6个维度建立了城市多维特征向量,即环境维度、设施便利维度、经济富裕度、交通维度、城市安全维度和城市综合度,结合兴趣点数据和居住用地数据,以表征青岛市各城区的城市特征。使用Grad-CAM方法对语义分割模型进行可解释分析,采用特征归因SHAP方法挖掘了城市多维特征的内在驱动因素。结果发现,不同城区具有不同的特征向量,不同城区的特征向量具有在特定维度上的优势。研究结果有助于优化城市空间中多维度特征,为城市的规划建设提供参考。     

多级融合的珠海一号高光谱影像冬小麦分类

研究基于珠海一号高光谱影像的冬小麦识别提取技术,提出基于多级融合的多时相高分辨率高光谱冬小麦提取方法。本文从珠海一号高光谱影像入手,利用高分辨率影像改善高光谱影像空间分辨率,通过主成分分析降维、多种特征提取技术,大幅减少计算量的同时提高分类精度,Kappa系数提升0.05。针对融合影像是否有效、高程特征如何正确使用、U型语义分割网络（U-Net）和深度卷积语义分割网络（DeepLab）如何选择等问题,文中以4个实验对比说明,验证了该方法可以有效改善分类结果。     

新型语义分割D-UNet的建筑物提取

高分辨率遥感图像语义分割在航空图像分析领域中具有重要的理论价值和应用价值。但由于高分辨率遥感图像中建筑物语义的丰富性和图像背景的复杂性,以往的分割方法往往容易产生边缘模糊、细节信息丢失和分辨率低等缺点。为了解决高分辨率卫星图像语义分割边界模糊和信息丢失的问题,本文提出一种端到端的卷积神经网络Dilated-UNet (D-UNet)。首先,通过改进U-Net网络结构,采用Dilation技术拓展四通道的多尺度空洞卷积模块,每个通道采用不同的卷积扩张率来识别多尺度语义信息,从而提取更丰富的细节信息。其次,设计了一种交叉熵和Dice系数的联合损失函数,更好的训练模型以达到预期分割效果。最后,在Inria航空图像数据集上进行综合评估与检验。实验结果表明,本文提出的遥感图像分割方法能够有效地从高分辨率遥感图像中进行像素级城市建筑物的分割,与其他方法相比,分割精度更高,具有较高的实际应用价值。     

融入空间关系的二型模糊模型高分辨率遥感影像分割

为解决高分辨率遥感影像分割中,由光谱测度的空间复杂性、相同类型地物目标异质性增大带来的类属不确定性以及分割决策不确定性等引起的分割精度下降问题,提出一种融入空间关系的区间二型模糊模型高分辨率遥感影像监督分割方法。(1)建立高斯函数模型作为一型模糊模型,用来刻画像素类属的不确定性;(2)模糊化一型模糊模型中的均值或标准差,建立区间二型模糊模型,以强化类属的不确定表达和增加分割决策信息;(3)综合一型模糊模型及区间二型模糊模型的上、下隶属函数建模模糊决策模型;(4)融入邻域像素关系,使用待分像素及其邻域像素在模糊决策模型中的隶属度共同决定像素的类属。采用本文算法分别对真实高分辨遥感影像及合成影像进行分割,并对测试结果进行定性和定量分析。结果表明,本文算法可以得到更高的分割精度。     

基于模糊聚类的声呐图像多区域分割

图像分割是图像识别中的主要问题,同时它又是一个经典难题;声呐图像恶劣的品质使图像的分割变得更为困难。文章将模糊聚类应用于声呐图像的多区域分割,实验证明这种方法简便而有效。