联合像元-深度-对象特征的遥感图像城市变化检测

特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。     

全极化SAR图像的建筑物提取研究

针对建筑物结构复杂、形式多样,产生的交叉极化散射现象使得其在极化SAR图像上易与植被混淆,提取困难的问题,该文结合极化散射信息和空间信息进行建筑物的提取研究,主要以AIRSAR全极化数据进行实验。①进行基于极化补偿的Yamaguchi四分量分解,根据偶次散射能量提取出建筑物;②提取总功率Span图像的纹理特征利用支持向量机进行分类;③融合前两步的提取结果得到最终结果。结果表明:方法优于基于极化补偿的Yamaguchi四分量分解的提取方法和SVM方法,对于平行建筑物、小方位角建筑物、大方位角建筑物的提取精度分别达到了99%、94%和56%,有效区分了建筑物与植被。     

博尔塔拉蒙古自治州植被覆盖度估算

针对传统植被覆盖度估算方法只能估算高密度覆盖的绿色光合植被的问题,该文提出了一种可进行绿色光合植被、非绿色光合植被和裸地覆盖度估算的方法,选取博尔塔拉蒙古自治州2010年和2016年的LandsatTM/OLI影像,通过构建NDVI-DFI特征空间提取端元特征值,运用像元三分模型估算,并与像元二分模型估算结果和实地采样估算结果对比。结果表明:像元三分模型估算与实际情况相符,且精度较好。2016年博州地区植被覆盖度较2010年增长显著,生态环境得到明显改善。像元三分模型能够较好地估算光合/非光合植被覆盖度,提高遥感获取植被信息的能力,为科学评估生态环境质量提供参考。     

顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法

稀疏多项式逻辑回归在分类中仅利用图像光谱信息,导致分类效果不太理想.本文提出了一种顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法.首先利用加权均值滤波与拓展形态学多属性剖面对原始高光谱图像进行局部与结构特征提取;然后对二者进行加权平均特征级融合以获取更具唯一性的像元特征;最后由稀疏多项式逻辑回归分类器对融合结果进行分类.结果表明,本文方法能有效地提高分类精度,而且具有较强的稳健性.     

异源多分辨率卫星影像匹配算法研究

以异源多分辨率遥感卫星影像为研究对象,对影像特征提取、特征描述、特征匹配及匹配提纯算法进行了较为深入的研究;并将不同的特征提取与匹配算法进行组合,通过试验对比得出了各种算法的适用性。在此基础上,设计了一套面向异源多分辨率卫星影像的匹配流程。     

基于DEM提取流域特征影响因子的分析

基于DEM的流域特征提取,受数据源、分辨率、重采样技术等因子影响。为系统地评价不同地貌类型对各影响因子的敏感程度,本文提出一种多指标因子分析模型,综合分析不同因子对流域特征,如流域面积、河流分叉比、河网密度、流域长度、流域坡度、流域高程、流域形状等的客观影响。实验过程选取山地、丘陵、平原地形的中小流域为研究区域,以ASTER 30m重采样生成的40—100m分辨率DEM,ASTER 30m、SRTM 90m和GMTED2010 250m的3种数据源及4种重采样技术生成的DEM场景为实验数据。结果表明:分辨率对流域特征影响最敏感,数据源次之,重采样技术不太敏感。山地地形下的流域特征变化趋势性显著,适合山地中小流域的分辨率为最高分辨率,数据源为SRTM,重采样技术为最邻近分配法。丘陵、平原地形评价结果具有随机性。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距,不仅可以快速获取地面物体的三维坐标,还可以获得多个波段的地物光谱信息,可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征,完成多光谱LiDAR的随机森林地物分类;并分析随机森林的特征贡献度特性,采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度,而且可以适当地去除部分冗余和相关的特征,从而有效提高分类精度。