基于不透水面的城市景观格局时空特征研究

土地利用/覆被变化是人类影响全球环境变化最直接的过程,城市作为人类文明的产物是该过程发生最剧烈的区域.客观、准确、及时的开展动态评估,有助于更好地认识城市的发展现状以及存在的问题.以哨兵影像为数据源,以西咸新区为研究区,通过转移矩阵和土地利用动态度等量化分析,研究了2016-2019年研究区景观格局的动态时空特征.主要...     

基于语义分割网络的高分遥感影像城市建成区提取方法研究与对比分析

城市建成区的提取对城市发展规划有着重要的作用.为了找出能兼顾效率和识别准确率的基于卷积神经网络的遥感影像城市建成区提取方法,从神经网络结构的原理出发,对多种语义分割网络的内部结构进行对比分析,并针对语义分割网络分别进行训练及结果比较.实验结果表明,ShelfNet-50网络能够在训练速度最快的同时保证很高的识别准确率,...     

基于TM影像的西伯利亚北方森林覆盖度近30a空间变化研究

在全球变暖的背景下,研究西伯利亚北方森林覆盖的长时间尺度空间变化特征不仅对全球气候变化研究和可持续发展有着重要意义,也为进一步研究北方森林变化对气候变化的响应提供支撑.以1985年和2015年2期Landsat TM/OLI为数据源,选取俄罗斯克拉斯诺亚尔斯克边疆区为西伯利亚北方森林典型研究区,采用决策树分类法得到研究...     

基于特征的无人机载视频运动目标快速检测方法

针对无人机载视频序列影像动态背景以及常用检测方法处理效率不高等问题,提出了一种基于特征的无人机载视频运动目标快速检测方法.该方法主要包括预处理、ORB特征提取(oriented fast and rotated BRIEF,ORB)、渐进一致采样(progressive sample consensus,PROSAC)...     

基于多层次感知网络的GF-2遥感影像建筑物提取

高分辨率遥感影像建筑物提取任务在城市规划、城镇化进程等领域发挥着重要作用.针对现有的深度学习提取方法存在浅层特征未得到有效利用、小目标信息容易丢失等问题,提出了一种多层次感知网络.该网络利用密集连接机制充分提取特征信息,并构建平行结构保留不同特征分辨率的空间信息,增强不同深度、尺度特征信息,减少细节特征的丢失;同时利用...     

联合显著性和多方法差异影像融合的遥感影像变化检测

针对高空间分辨率遥感影像地物复杂、传统变化检测方法漏检率高的问题,提出了一种联合显著性和多方法差异影像融合的多时相遥感影像变化检测方法.选取3组双时相高空间分辨率遥感影像作为实验数据,首先分别采用变化矢量分析(change vector analysis,CVA)和光谱斜率差异(spectral gradient di...     

融合空间和时序遥感信息的深度学习水稻提取

为了得到更加精细的水稻提取结果,提出一种结合高分辨率和多时序遥感影像的深度学习水稻提取方法.构建全卷积网络(FCN)对BJ-2高分辨率遥感影像进行分类,并利用长短期记忆网络(LSTM)和随机森林(RF)分类器对Sentinel-2多时序遥感影像进行分类,再通过面向对象的分割和投票对3种方法的分类结果进行融合,得到最终提...     

基于特征指数合成影像的不透水面提取和分析

不透水面作为表征一个地区城市化水平的关键性指标,其时空变化特征与城市建设密切相关.以济南市重要的泉水补给区南部山区为研究对象,根据植被-不透水面-土壤(V-I-S)城市地表组分模型选取了NDVI、BCI、SBAI、MNDWI和NDUI 5种遥感特征指数构成合成影像,利用最大似然法对特征指数合成影像进行分类获取不透水面信...     

基于孪生注意力网络的高分辨率遥感影像变化检测

随着遥感影像空间分辨率的提升,地物成像特征愈加复杂,基于纹理表达和局部语义等技术的变化检测方法已很难满足需求.为提升高分辨率遥感影像的变化检测精度,构建了一套较大规模的0.8～2 m高分辨率遥感人类活动变化检测数据集(HRHCD-1.0);同时将空间注意力和通道注意力机制引入孪生变化检测网络中,设计了具有更强上下文变化...     

月度亚米级卫星影像在"两违"监测中的应用

严厉打击违法用地和违法建设行为,能保护国土资源不受侵害、提升城市形象、维护社会公平和国家法律法规.利用卫星影像监测"两违"行为,具有覆盖范围广、监测频率高、成本低、受限制条件少等优势,随着卫星影像空间、时间分辨率的逐渐提高,使月度亚米级卫星影像在"两违"监测中的应用成为可能.研究利用月度亚米级卫星影像开展"两违"监测应用的方法,以北京市为例介绍了具体应用情况,并总结了技术关键点.利用高空间分辨率、高频次卫星影像可以有效提高"两违"监测的准确性和时效性,内业变化检测和外业核查相结合的方式可为"两违"执法提供更为客观准确的数据基础和决策依据.