SAR图像ROEWA边缘检测器的改进

针对指数加权均值比(ROEWA)边缘检测算子无法准确确定边缘位置和边缘方向的问题,对其表达式进行了改进。重新定义了反转的、带符号的、归一化最小指数加权均值比(IROEWA),作为边缘强度指标,来量化描述边缘的跃变程度,并在此基础上准确计算出边缘的方位。同时将改进的非极大值抑制算法应用到边缘检测流程中,对IROEWA得到的边缘强度图进行后处理。针对自然SAR图像和仿真SAR图像的实验都表明,改进算法能够得到比ROEWA加分水岭分割的原始算法更好的边缘检测结果。利用接收者操作特征(ROC)曲线,对改进算法进行量化评价,其曲线下面积(AUC)可达0.97570,非常接近理想的检测器;在其ROC曲线的最优点处,检测率可达0.95232,而虚警率仅为0.00214左右。     

增强型DeepLab算法和自适应损失函数的高分辨率遥感影像分类

高分辨率遥感影像地物复杂,分类难度大,而深度学习方法可以提取地物更多更深层次的特征信息,适用于高分辨率遥感影像的地物分类。本文研究对高分辨率影像中不透水地面、建筑、低矮植被、树、车辆等地物的高精度分类。结合遥感多地物分类的特点,以DeepLab v3+网络模型为基础,提出E-DeepLab网络模型。主要改进为：（1）改进编码器和解码器的结合方式,使用简洁有效的加成连接方式。（2）缩小单次上采样倍数,增加上采样层,提高编码器与解码器连接的紧密性。（3）使用改进的自适应权重损失函数,自动调节地物损失权重。同时根据数据特点,提出结合DSM、NDVI数据等多通道训练方式。使用两个地区数据进行实验,结果表明,两地区精度均明显优于原始DeepLab v3+模型和其他相关模型,Potsdam地区总体提取精度达到93.2%,建筑物提取精度达到97.8%,Vaihingen地区总体提取精度达到90.7%,建筑物提取精度达到96.3%。目视对比分类图和标准标记图,两者具有高度的一致性。本文所提出的E-DeepLab网络在高分辨率遥感影像地物高精度提取和分类中有较好的应用价值。     

TerraSAR-X立体雷达数据提取东北典型林区DSM

森林垂直结构信息缺乏严重制约森林地上生物量估算精度的提高。立体雷达具备对森林垂直结构探测的能力,但早期雷达图像分辨率低。TerraSAR-X等高分辨率雷达数据的出现为利用立体雷达数据进行森林垂直结构探测提供了新的契机。本研究尝试采用立体雷达处理技术,利用TerraSAR-Xstripmap模式数据,以内蒙古根河大兴安岭林区和长白山自然保护区为研究区,重点探讨金字塔分层匹配策略中涉及的关键匹配参数对DSM提取精度的影响规律。结果发现:(1)影像匹配采用的金字塔层数对DSM提取精度影响明显,在大兴安岭研究区,采用5、6、7层金字塔匹配得到的DSM误差在±10m内的像元百分比分别为81.8%、77.7%和77.1%,5层金字塔能以较高的初始分辨率减少林区纹理信息的损失;在长白山研究区,采用7层金字塔得到的DSM能够抑制明显的误匹配点,提高地形提取精度;(2)影像匹配窗口对同名点识别的质量影响明显,采用25×25的匹配窗口,与9×9匹配窗口相比,大兴安岭和长白山研究区影像的平均相关性分别由0.43、0.40提高到0.49、0.45,林区纹理信息欠丰富,宜采用较大匹配窗口;(3)大兴安岭和长白山研究区提取的DSM与参考DSM线性回归的RMSE分别为6.682 m和10.384 m,DSM误差主要存在于坡度变化剧烈的地区,透视收缩和叠掩等几何畸变导致匹配结果不可靠。     

基于卫星数据提取南宁城市扩张信息及驱动力研究分析

利用Landsat-TM陆地卫星数据进行南宁城市扩展及其土地利用动态变化的研究(1990年9月16日TM图像和2000年12月24日ETM 图像).通过统计及相关分析选取合适波段;取南宁市2时相TM和ETM 的NDVI差值,采用TM和ETM 遥感图像对研究区进行土地分类,研究南宁市土地利用变化状况,分析各类土地利用面积动态变化矩阵.结果表明:10a间南宁城镇范围向其周围呈辐射状迅速扩大,且向各方向扩展的程度基本接近;最大的地物转换类型是旱地转化为城市交通用地,为27.62%,其次为城镇用地及交通用地的转换;并讨论了城市化与降水之间的可能关系城市扩展,道路面积增加可能导致城市降水减少.分析了城市扩展的驱动力,包括了人口增长,经济迅速发展,发展旅游以及交通建设等都是主要因素.     

利用国产GF-1卫星数据实现山区细小河流河宽的自动提取

以国产GF-1卫星影像为数据源,选取皇甫川流域内山区细小河流密集的上游1421 km²作为研究区域,针对因山区河流河道狭窄、形态复杂等导致的河流边界提取难度大、精度差、河宽无法自动提取的难题,首先利用改进的变异系数法筛选水体指数,再采用改进的决策树法结合DEM河网精确获取河流边界,最后通过自动化河宽提取算法实现对山区细小河流及其河宽的自动提取。结果表明,本文方法对山区河流判别的总体精度为89.5%,有效地排除了山体阴影等地物的干扰。对河宽为0~10 m的极细河流,本文方法提取河宽的误差为18.54%;10~30 m的细小河流,提取误差为12.07%。     

基于K-L变换的BP神经网络遥感图像分类

为了提高多光谱遥感图像的分类正确,提出了一种基于主成分分析(K-L变换)的分类方法。该方法先应用K-L变换对多波段遥感图像进行降维,提取最主要的三个成分合成假彩色图,然后利用BP神经网络对假彩色图进行监督分类。由于主成分之间是不相关的,增强了图象信息,降低了神经网络的计算量,提高了分类精度。实验结果证明,该算法分类精度优于传统分类方法,总正确率为88.5%,Kappa系数为0.862,因而具有实用价值。     

机载SAR图像几何纠正的数学模型研究

本文在SAR图像多年应用研究的基础上，概述了国际上2种常用的SAR图像正射纠正数学模型——F.Leberl模型、Konecny模型，同时试验了SAR图像多项式纠正模型，分析了这3种模型的特点，利用中国自制的机载SAR图像和美国的GEM SAR图像分别进行了数字几何纠正实验。通过对实验结果的分析比较，为SAR图像应用于突发性自然灾害的实时监测和评估，推荐了一种形成较为简单、适应性较好的正射纠正模型。     

TM图像中桥梁目标识别方法的研究

提出了一种新的TM图像中桥梁目标的识别方法。算法充分利用了TM图像的特点,在底层处理中运用形态学的方法提取出潜在桥梁目标;在中层处理中使用链码表示目标并提取其特征参数;最后在高层处理中进行桥梁识别和一些后处理。算法识别速度快、准确率高,整个算法可以进行自动的识别,也可以有少量人工干预使得算法更稳健。实验证明该算法对于TM图像中的桥梁识别是很有效的。     

从卫星重力资料看中国及邻区地壳密度结构

本文应用小波多尺度分析等信息提取新方法,从地球重力场模型(EGM2008)经各项校正得到的中国及邻区卫星布格重力异常中提取和反演了中国及邻区上、中、下地壳的密度信息,揭示了区域地壳三维密度结构。下地壳低密度扰动主要出现在青藏高原和华南沿海到对马海峡一带,其它地区多现较高密度扰动。所有克拉通地体密度在中下地壳都是高密度的。中下地壳低密度扰动带可分成四类:(1)出现在板块边界的低密度扰动条带,(2)出现在中国西部挤压构造有关的山脉下方,(3)与拉张走滑构造有关的构造带,(4)和与大陆内部板内造山有关的构造带。上地壳结晶基底的低密度扰动可出现在显生宙造山带和未充分发育的大陆裂谷。碰撞俯冲造山带以地壳低密度大厚度为特征,但是板内造山带不同,以地壳局部高密度中厚度为特征,局部高密度反映了中基性结晶岩的存在,莫霍面上拱反映了中基性岩浆侵入。板内拉张裂谷带上地壳基底密度局部低、中地壳低速带发育反映拉张区的流体活动,而下地壳反射体发育、莫霍面变厚成层反映拉张区的玄武岩浆底侵。由于卫星重力测量资料分辨率毕竟有限,对中国东部地区还未能给出关于中地壳密度扰动的细节,还必须开展地面重力测量资料的小波多尺度分析。     

遥感图像薄云滤波增强

针对遥感图像地学应用中的云层覆盖问题,首先介绍了遥感图像去云处理的一般方法,然后重点研究了薄云覆盖图像的滤波增强技术和实现方法。在阐述传统的同态滤波算法的基础上,将高频增强滤波算法引入薄云区遥感图像增强处理中。试验表明,这两种方法均可取得良好的增强效果。