基于Landsat5-TM遥感影像植被监测方法研究

针对Landsat5-TM遥感影像植被监测方法进行了研究,采用了变化向量分析方法,通过分析采用绿度指数GVI和垂直植被指数PVI来进行植被检测,并通过最大类间方差进行阈值的选取,采用Landsat5-TM遥感影像数据进行了试验,通过变化检测分类图和变化类别图斑统计的方法对结果进行了评价,变化检测分类精度较高。     

结合指数特征和SVM算法的遥感影像土地利用变化检测

提出了一种基于像斑的土地利用变化检测的方法。通过指数特征提取出影像中的植被和水体像斑,对植被和水体像斑优先进行变化检测,再对剩余像斑利用差值法进行变化分析。采用支持向量机（SVM,SupportVectorMachine）算法来解决植被和非植被、水体和非水体、变化与未变化等二类划分问题。在QuickBird影像上的实验表明,本文方法可以有效地降低由于季节不同所产生的虚检率,提高土地利用变化检测的总体精度。     

基于BJ -1小卫星遥感数据的矿区土地覆盖变化检测

为了评价利用北京一号小卫星(BJ-I)遥感数据监测煤矿区土地利用/地表覆盖变化的效果,针对其数据特点,选择基于图像信息运算和图像信息变换的直接变化检洲法以及分类后比较法,对徐州东矿区2007～2008年土地利用/地表覆盖变化情况进行检测,以对比、评价各种方法在土地利用/地表覆盖变化检测中的应用效果和BJ -1数据的适用...     

利用地面激光扫描数据进行建筑物变化检测

利用地面激光扫描仪具有的数据获取速度快、精度高、实时性强、能全天候工作等优点,在快速获取三维点云的基础上,通过点云自动拼接、Hausdorff距离检测不同时期建筑物的三维模型变化,并改进了检测算法,提高了算法的执行效率。通过拟合平面构建Delaunay三角网求解变化区域的面积来评估灾害对建筑物的破坏程度,从而为灾害应急响应以及保险理赔等提供了可靠的决策依据。     

基于面向对象孪生神经网络的高分辨率遥感影像建筑物变化检测

建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题,本文结合面向对象图像分析技术,提出一种基于面向对象孪生神经网络（Obj-SiamNet）的高分辨率遥感影像变化检测方法,利用模糊集理论自动融合多尺度变化检测结果,并通过生成对抗网络实现训练样本迁移。该方法应用在高分二号和高分七号高分辨率卫星影像中,并与基于时空自注意力的变化检测模型（STANet）、视觉变化检测网络（ChangeNet）和孪生UNet神经网络模型（Siam-NestedUNet）进行比较。结果表明：（1）融合面向对象多尺度分割的检测结果较单一尺度分割的检测结果,召回率最高提升32%,F1指数最高提升25%,全局总体误差（GTC）最高降低7%;(2)在样本数量有限的情况下,通过生成对抗网络进行样本迁移,与未使用样本迁移前的检测结果相比,召回率最高提升16%,F1指数最高提升14%,GTC降低了9%;(3) Obj-SiamNet方法较其他变化检测方法,整体检测精度得到提升,F1指数最高提升23%,GTC最高降低9%。...     

高分二号卫星遥感影像在地形图修测中的应用

1:10000地形图作为基础测绘的重要组成部分,在国民经济发展中发挥着举足轻重的作用.如何高效、高质量地完成地形图修测工作,一直受到测绘工作者们高度重视.利用传统测绘技术进行地形图修测工作,往往费时费力,成本较高;效率较高的无人机航测技术也有它自身的局限性.近年来,国家一直致力于推广应用高分二号卫星,因此本文研究探讨了将高分二号卫星影像应用于1:10000地形图修测工作的可行性,并得出了比较可靠的结论.     

基于FPN Res-Unet的高分辨率遥感影像建筑物变化检测

针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题，本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法，将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络多尺度预测的特点，将残差结构和特征金字塔网络融合到Unet模型中，建立FPN Res-Unet模型。该模型以Unet为基础，引入ResNet18的残差结构作为编码路径特征提取层，在每次卷积后使用边界填充，使得输入图像和输出图像尺寸一致；在解码路径每级上采样过程中，拓展支路径将特征金字塔网络融合到模型的网络主干中，将残差结构、Unet及特征金字塔网络的优点相互融合，增强了Unet的特征提取，弥补了语义分割网络对小目标检测的欠缺；在获取深层语义信息的同时关注细节信息，提高建筑物变化检测精度。实验表明，该方法在所用数据集，准确率、召回率、F₁ 3种指标均达到90%以上。     

基于典型相关分析的变化检测中变化阈值的确定

以东营市为例 ,把基于典型相关分析的方法运用于多时相遥感影像的变化检测中。对于变化阈值的确定 ,采用了一种基于贝叶斯理论的最小错误率的方法。这种方法实质上是一种非监督分类的方法 ,即不需要地面实况数据或其它先验知识 ,直接对典型相关处理后的差值图像进行分析计算得到阈值 ,使变化检测的错误率达到最小。实验结果证明了这种方法的有效性。     

结合邻域信息和结构特征的遥感影像变化检测

为提高像元级变化检测方法的精度,提出一种结合邻域信息和结构特征的遥感影像变化检测方法.该方法涵盖邻域相关影像(neighborhood correlation image,NCI)、匹配误差和结构特征3种属性特征.首先,通过邻域相关分析技术获得表示上下文信息的邻域相关影像,利用邻域间像素的互相关性进行模板匹配获得匹配误差.然后,基于方向梯度信息提取能抵抗影像间光谱差异的结构特征.随后将邻域相关影像、匹配误差、结构特征作为决策树的分类属性,获取初始变化检测结果.最后,利用马尔可夫随机场(Markov random field,MRF)对其进行优化,获得最终的二值变化图.本文通过采用两组不同传感器的双时相遥感影像进行试验.结果表明,相较于采用变化向量分析法(change vector analysis,CVA)、单一邻域信息法及邻域信息和纹理特征相结合的方法,本文方法有效提高了变化检测的精度.