纹理特征向量与最大化熵法相结合的SAR影像非监督变化检测

合成孔径雷达(SAR)影像具有明显的斑点噪声,在变化检测中,一般需要考虑空间邻域信息。本文结合SAR影像丰富的纹理信息,提出一种考虑空间邻域信息的高分辨率SAR影像非监督变化检测方法,用基于灰度共生矩阵(GLCM)的32维纹理特征向量构造差异影像。通过最大化熵法自动选取阈值,对精度指标随窗口大小的变化进行回归分析,得到适合于变化检测的窗口为11×11。试验表明,本文方法优于马尔科夫随机场法,可以减小斑点噪声的影响,有效提高高分辨率SAR影像变化检测的精度。     

影像与激光雷达数据的城市地物信息提取

针对城市地物信息提取中地物边界难以确定、分类精度不高的问题,该文提出一套综合利用影像及激光雷达点云高程信息的面向对象分类方法。在分割中,各类地物的最佳分割尺度由监督法分割精度评价确定,最终分割结果利用粒度理论下的分割尺度综合方法进行合成,能兼顾不同地物最优分割尺度,获得准确地物边界;在分类中,采用ReliefF特征选择算法度量从影像及点云数据提取的对象特征重要度,选择最佳特征组合,并采用多分类器组合方法进行分类,以消除Hughes现象,提高分类精度。选择德国斯图加特市两块实验区进行分类实验,结果表明:该方法有利于提高大范围城市地物精细信息提取的精度和效率,具有较高的应用价值。     

基于面向对象的路域植被环境遥感动态分析

根据不同地物类型在遥感影像上的光谱、纹理、几何和位置响应特征的差异性,可以对地物进行分类。本文采用面向对象的方法,基于影像上地物类型的纹理和光谱等特征,利用ENVI EX面向对象特征提取模块对试验路域SPOT5影像进行地物分类,从而定量动态分析地物类型变化情况;并通过提取NDVI对植被覆盖度进行了分级统计分析。结果表明,定量分析成果与野外调研实验结果相吻合,可以用来评价实地植被覆盖度及地物分类变化情况,进而评价公路路域植被环境,为公路的可持续发展提供基础支持。     

融合机载雷达和航空正射影像的道路提取

针对单一遥感数据源提取道路信息中存在的问题,该文提出一种融合多源数据的方法:采用面向对象思想,融合机载激光雷达和航空正射影像,运用对象平均强度指数进行道路精确提取。首先利用点云强度信息进行道路粗提取,再结合影像光谱信息对粗提取点云进行优化,得到"一次点云";然后通过分形网络演化算法对影像进行多尺度分割形成对象,将"一次点云"导入分割对象,利用对象平均强度辅之以对象面积完成道路精确提取。实验结果表明,该方法提取流程简单快速、无须精确配准、道路提取精度较高。     

结合多尺度纹理特征的遥感影像面向对象分类

地物具有多尺度的特点,单一尺度难以准确描述遥感影像包含的地物纹理信息。利用我国自行研发的高分一号遥感影像数据,采用灰度共生矩阵对第一主成分进行纹理特征提取,利用Jeffries-Matusit距离选择多尺度组合,并通过单一纹理结合多光谱数据的分类精度,以及纹理特征间的相关性,最终选择多尺度纹理特征组合进行面向对象分类。研究结果表明:结合多尺度纹理特征组合的面向对象GF-1影像分类能有效提取地物信息,总体分类精度达到81.75%,Kappa系数0.78。     

地表覆盖遥感产品更新完善的研究动向

近年来,多尺度地表覆盖遥感产品的不断涌现,为环境变化研究、地球系统模拟、地理国(世)情监测和可持续发展规划等提供了重要科学数据。为更好地满足广大用户日益增长的应用需求,应对地表覆盖遥感产品进行持续更新完善,保持其时效性、增强时序性、丰富多样性。针对大面积地表覆盖遥感产品更新完善所面临的主要问题,介绍和评述了国内外有关研究动向,包括影像与众源信息相结合的更新、数据类型细化与完善、地表覆盖真实性验证,并作了简要展望。     

基于面向对象影像分析方法的我国西沙珊瑚礁地貌单元信息提取

珊瑚礁地貌单元的空间分布对于理解珊瑚礁生态系统的地质构造过程具有重要作用。然而,基于像素的影像分析方法往往获取不到较高精度的分类结果。本文基于面向对象的影像分析方法,利用Landsat 8卫星影像数据对我国西沙地区的珊瑚环礁进行了地貌单元的遥感信息提取。借鉴于美国千年珊瑚礁测绘项目的工作成果,本文首先针对研究区特点定义了十类珊瑚礁地貌单元类型。然后,基于对象的多层次关系特点,并综合利用对象的光谱、形状、上下文关系等特征,建立合适的分类规则集,获取了研究区较大尺度的珊瑚环礁地貌分区图,其分类精度普遍高于80%。虽然研究结果表明基于面向对象的影像分析方法可以有效的进行珊瑚礁遥感信息提取,但其规则集的可移植性仍需要今后的工作加以改善。     

基于高分二号卫星数据的煤矿区地质灾害信息提取研究

随着遥感数据获取技术和能力的全面提高,遥感数据呈现出明显的大数据特征。发展适应于遥感大数据的智能分析和信息挖掘技术,成为当前遥感技术研究的前沿。高分二号（GF-2）卫星数据是我国首颗自主研发的亚米级高分辨率卫星数据,具有观测幅宽、重访周期短、高辐射精度、高定位精度等优势,为未来我国地质灾害的长期、动态地监测和研究提供了高精度、稳定可靠的数据源。本文选取安徽谢桥煤矿2015年1月8日的GF-2卫星影像为研究数据,在对煤矿区主要地质灾害遥感地学分析的基础上,采用面向对象的影像分析方法对研究区由采煤活动所诱发的地质灾害信息进行自动提取。结果表明：利用GF-2卫星数据能够有效地识别地质灾害体的位置、范围、形态等空间分布特征;面向对象的自动提取方法对于煤矿区大面积的积水塌陷盆地、小规模的塌陷坑和线性的地裂缝都有很高的提取精度,识别精度达90% 以上;基于逐层剔除的思路构建的提取规则,为GF-2数据在地质灾害调查和大数据分析中的应用提供了很好的技术支持,也为其它地物目标的提取提供了参考,但在特征的选择和阈值的设定上需要具体分析。     

基于面向对象分类的稀土开采区遥感信息提取方法研究

离子吸附型稀土矿是我国宝贵的矿产资源,运用遥感影像分类技术提取稀土开采区可以准确地实现对稀土开采状况的监测,但仅利用光谱信息往往难以保证分类精度。本文以江西寻乌稀土矿区为研究区,以IKONOS影像为数据源,应用面向对象分类方法提取了稀土开采区的遥感信息。针对稀土开采区的分布特点,选择基于边缘的分割算法进行影像分割;结合地形信息、光谱信息及几何信息建立规则集,进行特征提取;最后采用隶属度函数法实现面向对象分类,并与传统的光谱角填图分类进行对比分析。研究结果表明,面向对象分类法提取稀土开采区的总体精度为92.49%,Kappa系数为0.857 6,与传统监督分类方法相比有了很大的提高。     

面向GeoBML的作战任务建模与表达

针对目前指控系统的任务模型在地理信息语义描述上还不完善,不能满足战场环境仿真系统与指控系统之间的互操作问题,构建一种基于GeoBML的作战任务模型来有效解析指控系统的关键信息需求。分析了作战任务过程结构化特征,采用面向对象的方法构建作战任务和仿真过程概念模型;分析GeoBML的数据模型和形式化语法,使用形式化语言建立作战任务的语义模型;定义任务过程对象数据结构,构建任务驱动下的仿真过程数据映射模型;最后,基于该模型设计战场环境仿真平台组件并应用,验证其合理性与可扩展性。