基于目标分割和景观格局特征的城市土地利用分类

根据相同土地利用类型景观格局特征相似的原理,在传统遥感分类方法的基础上,结合景观生态学理论,建立了土地利用分类新方法; 应用SPOT遥感图像提取了北京市五环内的居民用地和非居民用地类型,总分类精度达到了85.9%,Kappa系数为71.1%.本研究结合学科交叉的优势,为遥感技术应用和土地利用信息提取提供了新思路.     

地名分词搜索的词典设计与匹配方法研究

阐述了专门用于分词搜索的关键词词典设计,提出了采用逆向最大匹配和权重匹配相结合的方法,实现了更加准确、高效的地名搜索。     

SWMM模型在城市排水系统中的应用

通过分析GIS在暴雨径流管理模型建模中的作用,以武汉市东湖流域为例,研究基于G1S的暴雨径流管理模型的应用和方法。结果表明,模拟结果与检测数拟合度很高,为模型的进一步深入应用奠定了基础。     

融合区域分割和边缘信息的居民地提取方法

提出了一种集成边缘和区域分割信息的目标识别方法，其目的是在中小比例尺的航空影像中提取集团式居民地。在实际的航空影像上的实验表明，融合区域分割和边缘信息能够提高居民地提取的准确率。     

基于内容的图像自适应加网方法

提出了一种新的基于图像内容纹理分割的加网方法。试验表明,该方法能够在图像输出精度较低的情况下更有效地再现原稿的层次和细节。     

基于ArcObjects的公路动态分段数据的组织与实现

介绍了ArcObjects处理空间数据的相关层次结构,在动态分段思想的基础上设计了公路分段数据存储结构,提出了公路分段数据处理过程中的组织方法,并对数据合并方法进行了改进,最后设计出了数据生产过程模型和相应的数据生产软件。     

利用非线性扩散的半自动纹理图像分割

介绍了一种非线性扩散过滤器法从包含纹理的图像中获取灰度、尺度和方向信息,并形成经过耦合保边平滑的5通道向量值图像,对纹理图像的分割变为对此向量值图像的分割。针对半自动操作的特点,在合理的假设前提下,采用了多通道统计区域分割法。试验结果表明,本文的纹理分割方法能有效地利用重要纹理特征与灰度的混合信息,是一种半自动的无监督纹理图像分割方法。     

基于分类与形态综合的高分辨率影像建筑物提取方法研究

本文提出了一种基于分类和形态综合的高分辨率影像建筑物提取方法。主要研究的是基于高分辨率影像多尺度分割的面向对象人工地物分类方法,并以此为基础提取房屋,实现房屋位置、范围的初步自动化提取。最后,对提取的地物图斑的精确边界利用Hough变换提取直线边缘轮廓线,并以此为基础进行轮廓拟合和制图综合,从而得到规则的、方形组合的建筑物形状信息。     

Semantic segmentation of high spatial resolution images with deep neural networks

Availability of reliable delineation of urban lands is fundamental to applications such as infrastructure management and urban planning. An accurate semantic segmentation approach can assign each pixel of remotely sensed imagery a reliable ground object class. In this paper, we propose an end-to-end deep learning architecture to perform the pixel-level understanding of high spatial resolution remote sensing images. Both local and global contextual information are considered. The local contexts are learned by the deep residual net, and the multi-scale global contexts are extracted by a pyramid pooling module. These contextual features are concatenated to predict labels for each pixel. In addition, multiple additional losses are proposed to enhance our deep learning network to optimize multi-level features from different resolution images simultaneously. Two public datasets, including Vaihingen and Potsdam datasets, are used to assess the performance of the proposed deep neural network. Comparison with the results from the published state-of-the-art algorithms demonstrates the effectiveness of our approach.     

结合MST划分和RHMRF-FCM算法的高分辨率遥感图像分割

针对基于像素的HMRF-FCM算法抗噪性差以及对地物复杂边界分割精度低的问题,提出一种结合形状信息的静态MST区域划分和RHMRF-FCM算法的高分辨率遥感图像分割方法。该方法定义一种静态MST同质区域划分准则,借助MST能较好表达边界和形状信息、能较好抑制几何噪声的特点,解决地物复杂边界的表达和降低分割结果中几何噪声问题。首先,利用MST静态划分将图像域划分成若干个均质区域,假设每个均质区域内光谱测度服从独立同一的多元高斯分布。然后,在此基础上构建了区域隐马尔可夫随机场模型,以及建立基于信息熵和KL信息正则化项的模糊聚类目标函数。最后,采用偏微分方法对分割模型参数进行求解,从而得到全局最优分割结果。为验证本文方法,对WorldView-3高分遥感图像进行分割试验。定性、定量分析了尺度参数、光谱相似性参数和区域紧致度参数对最优分割结果的影响,并对比分析本文算法和eCognition软件中的多分辨率分割算法、分水岭算法。