基于GF-1的坑塘信息精确提取方法研究

以国产高分一号2 m全色、8 m多光谱遥感影像作为数据源,选择廊坊市文安县作为研究区域,针对坑塘信息精确提取问题,采用单波段阈值法、监督分类法、面向对象方法等进行实验研究,重点研究了面向对象方法,结合运用遥感影像光谱、纹理、形状等特征,分析坑塘与其他地物之间的差异,最终实现坑塘信息的精确提取。     

地勘工程3维空间数据模型及其数据结构设计

3维现象随着研究领域的不同，描述空间实体的方法存在较大差异，不可能设计一种数据模型来适合所有的应用领域，应根据研究领域空间实体分布特征，设计出专用的3维空间数据模型。本文对传统的3维数据模型进行了分析，以地质勘探工程的各种3维空间对象为研究背景，提出了适合地质勘探工程的矢量与栅格集成的面向对象混合数据模型，以复杂体－体－面－线－点对象之间的逻辑关系来建立对象之间的拓扑关系，设计了部分对象的数据结构，并以一玢岩型铁矿床为例，对数据结构进行了描述。     

面向对象的卫星影像积雪信息提取

针对传统基于像元的积雪提取方法的不足,该文以HJ-1B/CCD、IRS遥感影像作为数据源,通过分析HJ-1B影像上的地物特征,提出了先对影像特征合并后进行多尺度分割的积雪提取方法。多尺度分割时,首先将影像分割成多边形对象,然后建立起积雪提取的规则集,进而对积雪信息进行提取。为了验证提取精度,该文对比分析了NDSI方法和本文方法提取积雪的结果,并利用目视解译积雪提取结果定量地进行了精度评价。结果表明:采用本文方法提取积雪具有较高的可靠性和准确性。     

Evaluation of LiDAR and image segmentation based classification techniques for automatic building footprint extraction for a segment of Atlantic County,New Jersey

Extracting high-quality building footprints is a basic requirement in multiple sectors of town planning, disaster management, 3D visualization, etc. In the current study, we compare three different techniques for acquiring building footprints using (i) LiDAR, (ii) object-oriented classification (OOC) applied on high-resolution aerial photographs and (iii) digital surface models generated from interpolated LiDAR point cloud data. The three outputs were compared with a digitized sample of building polygons quantitatively by computing the errors of commission and omission, and qualitatively using statistical operations. These findings showed that building footprints derived from OOC gave highest regression and correlation values with least commission error. The R² and R values (0.86 and 0.92, respectively) imply that the footprint areas derived by OOC matched more closely with the actual area of buildings, while a low commission error of 24.7% represented a higher number of footprints as correctly classified.     

基于面向对象算法的道路信息提取研究

道路作为重要的基础设施,其信息的快速提取对于地面空间数据库的更新具有重要的理论与现实意义。本文将面向对象的思想引入影像道路分析提取中,按照局部区域与相邻区域的"异质"特征对高分辨率影像进行多尺度分割,产生"同质"像素集,得到最优尺度参数;然后通过探究最优特征组合及最邻近分类提取,面向对象道路提取用户精度可以达到96.5%。通过多次实验对比分析,旨在探索基于面向对象算法道路信息提取的最佳方法。     

HSV变换和多尺度分割相结合的高分辨率遥感影像阴影检测

针对阴影在高分辨率遥感影像的特性,提出了一种色彩空间变换和多尺度分割相结合的阴影检测方法。该方法首先对原始影像进行连续两次HSV变换,并分别提取前后两次变换的亮度分量和色度分量;然后引入面向对象思想,进行多个尺度的影像分割并依次实现每一尺度下的阴影检测;最后将多个尺度的检测结果进行决策级融合获取最终检测结果。利用高分二号和Google Earth影像分别进行实验,实验结果表明,该方法有效结合了粗细尺度优势,阴影检测误检率和漏检率较低,同时对较亮阴影和较暗地物均具备较好的识别效果。     

一种基于对象和快照的混合地表覆盖时空数据存储模型

时空数据模型是数据库和时空数据分析研究热点之一。由于时空数据变化类型多、分析计算复杂及应用范围广,一种观点认为建立通用的时空数据模型具有高度复杂性。本文针对地表覆盖变化时空数据建库和时空分析应用需求,提出了基于对象和快照的混合时空数据模型。该模型用面向对象描述地表覆盖的斑块对象时空过程,组织管理斑块对象时空事件和空间、属性信息,同时用快照描述地表覆盖整体时空分布,组织管理栅格快照,两者通过基于时间和空间位置的逻辑关联关系形成混合模型。模型在表达对象自身变化的时空事件类型基础上,增加了不同分类对象之间互相转变的时空事件表达。该模型既可以用于对地表覆盖历史观测数据组织存储建库,又可以用于支持时空统计分析、时空演变模拟和时空数据挖掘。通过对黑龙江地区地表覆盖时空数据建库、查询检索、整体格局演变分析和斑块变化时空过程检索与表达的试验,验证了模型的有效性。     

应用面向对象的决策树模型提取橡胶林信息

橡胶林的无序和不合理种植引发了一系列的生态问题,快速监测橡胶林空间分布及动态变化,对橡胶的合理种植、区域生态环境保护以及有关部门的规划决策有重要的指导意义。以MODIS归一化植被指数NDVI时间序列数据和多时相的Landsat TM数据为基础分析橡胶林的季相和光谱特征,确定橡胶识别的关键时期和特征参数,构建面向对象的决策树分类模型,开展橡胶信息提取研究。结果表明,多时相的遥感数据可反映橡胶的季相特征,以TM数据为基础计算得到的陆表水分指数LSWI和归一化植被指数NDVI可作为橡胶识别的光谱特征参数,橡胶休眠期是利用遥感方法进行橡胶提取的最佳时期。相比于单时相数据,利用包含橡胶关键物候期的多时相遥感数据能得到更高的橡胶林提取精度。     

面向对象最优分割尺度的选择及评价

针对当前面向对象多尺度分割方法存在处理的过程会产生不确定性误差,或分割效果依赖矢量边界线与真实边界的吻合程度等不足,该文以IKONOS、QuickBird高分辨率遥感影像为例,基于Definens平台面向对象多尺度分割算法,依据"种内一致性最大、类间异质性最大"原则,利用标准差及分割斑块对象与领域均值差分绝对值构建了与领域绝对均值差分方差比指数指标来定量选择最优分割尺度,并提出依据不同波段对分割斑块的贡献值不同,赋予不同权重,构建加权对象匹配度指数指标的方法,对分割结果进行评价与验证,最后对最优分割尺度选择及评价方法的可行性进行了探讨。     

多尺度边缘动态规划立体匹配算法

目前大多数立体匹配方法都是基于像素处理,而以面向对象的方式进行立体匹配则更加符合人类视觉习惯。该文提出一种面向对象的多尺度递进的立体匹配算法,实现由粗到细的快速立体匹配。首先对参考图进行粗分割获取目标对象,然后针对目标区域采用边缘线动态规划的方法获取视差,再根据精度需求进一步判断该目标是否需要细分以获取更加精细的视差,最后得到有效的视差图。实验证明,这种方法以目标区域为对象避免了从像素级逐一运算,不仅使处理速度加快,而且还能保持有效精度。