基于选权迭代估计与非监督分类的多光谱图像变化检测

针对多光谱图像的变化检测问题,提出了一种基于选权迭代估计(iterative estimation with weight selection,IEWS)与非监督分类(unsupervised classification,UC)的多光谱图像变化检测方法。借鉴IEWS的思想,并以类似于迭代加权多元变化检测(iteratively reweighted multivariate alteration detection,IRMAD)的迭代模式进行回归估计,得到初步的变化检测结果;并通过对初始变化信息的UC处理,以及对不同类别的IEWS,得到最终的变化检测结果。利用该方法对TM图像进行了实验,结果表明:所得到的变化信息在空间位置上同该区域相应时间段内土地利用/覆盖的变化情况具有很好的一致性;同时与多元变化检测及IRMAD方法变化检测的结果相比较,表明该方法对相对较小的变化信息具有更好的变化检测能力。     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区,基于低空无人机遥感影像,结合实地调查,开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析,确定了裸地与植被的分割阈值为-0.08,并使用该阈值提取植被覆盖区,然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数,获取灌丛、草地影像对象;利用特征空间优化工具选取了18个的对象特征,可以有效避免盲目选择而导致的计算量增大;通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数,灌丛分类精度最高,总体精度和Kappa系数分别达到92%和0.83,结果与影像地物嵌合最好,能够精确识别单株灌丛;根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%,平均冠幅为0.6 m²,与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同,因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

基于Landsat影像的雄安新区2014～2018年土地利用变化检测

雄安新区是继深圳经济特区和上海浦东新区之后又一意义重大的新区,该地区的土地利用变化研究具有重要意义。但目前对于雄安新区初建阶段的土地利用变化的研究比较有限。本研究基于2014、2018年的雄安新区的Landsat影像对土地利用类型先进行面向对象的监督分类,再对比分类结果进行变化检测。基于支持向量机和k近邻方法两种分类方式得到的结果表明:雄安新区的建成区的增长百分比约为17%~21%,农田比例降低4%~5%,闲置农田约有20%的比例转化为建成区。结合夜光遥感影像提升了分类精度,同时利用面向对象的方法解决了同谱异物和同物异谱的问题。本研究的区域选择具有时效性,紧贴国家千年大计,为相关决策者提供了宏观信息支持,为雄安新区其他的相关研究提供了参考。     

面向对象的旱区植被遥感精细分类研究

针对旱区植被分类尺度过大、种群无法准确提取的问题,该文提出了面向对象的CFS-RF分类模型,即利用CFS算法对先验样本数据集进行特征优选,结合随机森林构建分类规则,完成分类过程。以新疆阿勒泰为研究区,利用GF-2数据,通过CFS、ReliefF两种不同特征选择方法和J48、SVM、RF 3种分类算法构造出6种面向对象分类方案来实现小尺度植被种群提取。结果表明,经过特征选择,上述分类方案的精度和效率均得到了提升。其中,CFS-RF算法最优,总体精度达到92.41%,Kappa系数为0.90,更适用于旱区植被遥感精细分类。     

一种基于卷积神经网络的SAR变化检测方法

为了降低合成孔径雷达(SAR)影像中相干斑对变化检测的影响、减少标注样本的人工成本,该文发展了一种联合分层模糊C均值聚类(FCM)与卷积神经网络的非监督SAR变化检测方法。首先,利用邻域均值比算子计算前后时相的差异图,并利用分层FCM将差异图非监督地初始分割为变化类、非变化类及待确定类别像素;然后,为解决非监督选取样本时出现的样本不均衡问题,提出一种频率不变降采样的数据抽样方法,选取高置信度的变化与非变化样本用于网络训练;最后,利用训练完成的神经网络对待确定类别像素进行分类,得到最终变化结果。采用真实SAR影像数据进行实验。结果表明,该文方法方便有效,具有较高的检测精度。     

中国海岸带分布规律及其海部要素变化检测

在海岸带图测绘完成后,海部要素的变化是导致海岸带图使用价值降低的重要因素。根据我国海岸的组成物质将其归纳为淤泥质海岸、沙砾质海岸、基岩海岸、红树海岸和珊瑚海岸,并归纳总结了每一种海岸的空间分布规律。分析了影响海岸线、干出滩以及近海水深等海部要素变化的主要因素,海岸要素变化的因素和变化规律,进而提出了海部要素实质性变化的检测统计方法,对提高海岸带图测绘效率、缩短成图周期、确定更新周期和制定更新方案都具有重要的意义。     

基于矢量数据辅助分割的遥感变化检测方法研究

针对变化检测中获取同质像斑较难的问题,提出应用矢量数据辅助分割获取同质像斑。本文提出了基于历史矢量与双时相遥感影像的变化检测方法,实验结果表明,该方法能检测出80%变化的像斑,并能同时获取变化像斑的类别,证明了该方法的有效性。     

融合IR-MAD与超像素分割的遥感影像变化检测方法

针对迭代加权多元变化检测（IR-MAD）方法提取高分辨率遥感影像变化结果存在信息分散、“椒盐噪声”现象,提出了一种融合IR-MAD与超像素分割的高分辨率遥感影像变化检测方法。该方法利用卡方分布概率密度函数与超像素分割方法技术对IR-MAD算法改进,通过IR-MAD算法获取初始变化检测结果;然后,采用多尺度的超像元分割方法生成多尺度超像素对象;最后,对IR-MAD算法提取的初始变化检测结果,利用多尺度超像素分割对象结合众数规则判断分割对象属性,获取最终变化区域。实验结果表明：本文提出方法能有效提取变化区域,减少“椒盐噪声”现象,能较好地保存地物边界信息,提高整体变化检测精度。     

基于资源三号卫星影像的面向对象地表覆盖要素分类方法研究

以2013年资源三号高分辨率遥感影像为数据源,选取伊朗胡齐斯坦市作为试验区,采用面向对象的信息提取技术对其进行地表覆盖要素分类试验。试验结果表明,采用特征选择和最邻近分类法结合的信息提取思想,可以较好地完成不同地表要素的信息提取。信息提取总体精度为94.19%,Kappa系数为0.925 5。由此可知,基于面向对象分析方法的地表覆盖要素提取技术对国产高分率遥感影像具有一定的适用性。同时,该试验为全球地表覆盖要素的遥感信息提取提供理论和技术支持。     

一种基于变化检测的LiDAR点云DEM更新方法研究

提出一种基于变化检测的LiDAR点云DEM快速更新方法,将点云数据转换到已有DEM所定义的坐标系下,然后对点云数据进行滤波处理生成DEM;通过比较并利用高程差阈值和形态学算法等,形成一套完整的LiDAR点云DEM更新流程。试验结果表明,该方法能有效提升DEM生产效率,降低生产成本。