综合多特征的Landsat 8时序遥感图像棉花分类方法

传统的多时相遥感图像分类大多拘泥于单一特征,本文基于多时相的Landsat 8遥感数据,开展了综合多特征的特征提取与特征选择方法研究。综合了NDVI时间序列、最佳时相反射率光谱特征以及纹理特征作为初始分类特征,并采用基于属性重要度的粗糙集特征选择算法对其进行特征约简。分类结果表明:(1)利用初始分类特征,分类的总体精度达到92.81%,棉花提取精度达87.4%,与仅利用NDVI时间序列相比,精度分别提高5.53%和5.05%;(2)利用粗糙集选择后的特征分类,分类总体精度可达93.66%,棉花分类精度达92.73%,与初始分类特征提取结果相比,棉花分类精度提高5.33%。基于属性重要度的粗糙集特征选择不仅提高了分类精度,同时有效降低了分类器的计算复杂度。     

一种用于篡改定位及近似恢复的水印算法

针对遥感影像易被非法篡改的问题,提出了一种用于篡改定位及近似恢复的遥感影像半脆弱水印方案。首先将二值伪随机矩阵作为认证水印,通过量化Contourlet变换各方向子带中绝对值最大的系数将其嵌入,然后采用影像4×4分块后的灰度平均值作为恢复水印,将其嵌入到最低有效位。水印检测不需要原始遥感影像参与,实现了盲提取。实验结果表明,算法对于噪声、JPEG压缩等合理性失真具有一定的鲁棒性,而对于恶意篡改等攻击具有脆弱性,能够实现篡改区域的精确定位和近似恢复,使恢复后的遥感影像满足基本的视觉要求,可有效保护遥感影像的安全。     

基于天绘卫星影像的困难地区地形图测制方法

介绍了基于天绘影像的困难地区地形图测制技术,针对困难地区地形图的特点,分析影响地形图测制的因素,总结了提高困难地区地形图成果质量的方法。     

基于HSI色彩空间的资源三号影像阴影检测

由于遥感影像上某些区域的光照辐射不足,不可避免地会产生阴影,阴影意味着图像信息的损失,而遥感影像的阴影检测在地物的识别和影像匹配方面具有重要意义。本文主要介绍的是基于HIS色彩空间的阴影检测方法,在检测过程中,根据阴影高色调低亮度的特性,结合大津法计算比值图像最佳阈值进行遥感影像阴影检测,并且在RGB色彩空间计算G分量的最佳阈值来排除树木植被和一些非阴影区域对阴影检测的影响。同时采用国产高分辨遥感卫星——资源三号的同一地区不同季节和不同太阳高度角的遥感数据进行阴影的对比检测。实验结果表明:本文基于HIS色彩空间的阴影检测方法可以快速有效地检测出影像上的阴影,并且能区分树木、河流等暗色物体。     

土地管理三维思维与土地空间资源认知

基于城市发展的三维理念轨迹及土地立体化利用趋势,采用文献检索与综合分析法,剖析土地管理重视三维思维的原因,辨析土地的空间特质,提出土地空间资源的概念内涵,初探土地空间资源管理制度和技术,以促进土地领域实践问题解决。结果显示：① 土地管理三维思维符合社会发展和土地利用趋势,是基于土地管理实践而衍生的创新需求。② 土地作为资源的本质属性之一是空间性,具备三维空间特质;土地空间资源是土地资源概念的外延,是以土地表层为基底或脱离土地表层的可利用的三维空间存在。③ 土地空间资源的提出,能引发土地管理领域在理念、制度和技术上进行三维思维化的重构与创新,具有科学意义和实践价值。     

基于潮汐动态淹没过程的长江口潮滩地形信息反演研究

潮滩是陆地与海洋之间重要的生态过渡地带,具有复杂的生态过程和重要的服务功能。受陆海交互作用及人类活动的影响,潮滩处于高度动态变化过程中,而传统测绘技术受到潮滩可达性影响无法快速获取潮滩地形信息。为解决潮滩高程数据获取困难的问题,本文提出一种基于潮汐动态淹没过程和时序遥感影像的潮滩地形信息提取算法,利用K-means++聚类方法实现水域提取,并通过时序淹没特征计算潮滩淹没频率提取潮滩范围信息,最终综合区域潮汐特征反演潮滩地形。研究以崇明东滩为例,利用2016—2020年所有可用Sentinel-2和Landsat-8时序遥感影像,实现潮滩范围提取与高程反演,并通过实测高程数据进行精度验证。研究结果表明,潮滩范围提取总体精度为97.73%,F1_score为0.98;高程反演平均绝对误差为0.15 m,潮滩高程的反演精度与可用影像的数量呈正相关。研究利用该算法进一步反演长江口地区主要潮滩地形特征,结果表明区域内潮滩面积为346.93 km²,高程范围为1.00~3.84 m,且与现有潮滩范围数据集相比,本研究提取的长江口潮滩范围更为完整。该算法为潮滩地形的快速反演提供了可能,对潮滩资源动态监测和管理具有重要意义。     

基于开源数据和条件生成对抗网络的地形重建方法

如何使用少量的地形特征复原地形地貌一直为地学领域的难题。本文使用开源数据集提取地形特征要素,使用地形特征要素作为约束条件构建了用于生成DEM的条件生成对抗网络(Conditional Generative Adversarial Networks, CGAN),设计了基于开源DEM、开源DEM与遥感影像组合、以及5m高精度DEM提取地形特征要素生成DEM的对比实验,并对结果进行视觉效果、相关性分析以及地形因子的对比与评价。结果表明:(1)在视觉效果上,3种不同方式生成的DEM在视觉效果上均十分逼近原始5 m DEM,都远好于传统插值方法生成DEM,基于开源12.5m DEM提取要素和1m遥感影像的重建效果最接近于原始5 m DEM;(2)在相关性上,三种不同方式生成的DEM与原始5m DEM相关性均能达到0.75以上,组合开源数据提取要素重建DEM与原始5 m DEM相关性可达到0.85以上;(3)在地形因子方面,基于开源12.5 m DEM和1 m遥感影像提取要素重建DEM的坡度和坡向的分布趋势与原始5 m DEM最为一致。本文为高精度DEM建模提供了新的思路,在高精度DEM难以获取...     

引入PLSA模型的光学遥感图像舰船检测

提出一种基于概率潜在语义分析(Probabilistic Latent Semantic Analysis,PLSA)的检测算法,首先通过PLSA将目标表述为潜在成分的概率组合,然后利用统计模式识别方法对获取的潜在成分概率进行判别,从而完成最终的检测。其中,生成的潜在成分反映了目标与特征之间相互出现的频率关系,并以潜在成分在目标中概率差异的形式对上述不对应现象给出了直观描述。实验结果表明,所提出的算法对多种复杂情况下的光学图像舰船检测具有很好的准确性和鲁棒性。     

利用互信息改进遥感影像朴素贝叶斯网络分类器

针对朴素贝叶斯网络简单条件独立性假设的不足,将它的一种改进形式——选择型朴素贝叶斯网络和两种扩展形式(树增强型朴素贝叶斯网络、贝叶斯增强型朴素贝叶斯网络)用于多光谱遥感影像的分类中。在分析波段间互信息的基础上,分别构造了上述3种分类器,并和朴素贝叶斯网络分类器的性能进行了比较。     

Automatic urban building boundary extraction from high resolution aerial images using an innovative model of active contours

To present a new method for building boundary detection and extraction based on the active contour model, is the main objective of this research. Classical models of this type are associated with several shortcomings; they require extensive initialization, they are sensitive to noise, and adjustment issues often become problematic with complex images. In this research a new model of active contours has been proposed that is optimized for the automatic building extraction. This new active contour model, in comparison to the classical ones, can detect and extract the building boundaries more accurately, and is capable of avoiding detection of the boundaries of features in the neighborhood of buildings such as streets and trees. Finally, the detected building boundaries are generalized to obtain a regular shape for building boundaries. Tests with our proposed model demonstrate excellent accuracy in terms of building boundary extraction. However, due to the radiometric similarity between building roofs and the image background, our system fails to recognize a few buildings.