卷积神经网络在SAR遥感海冰分类中的应用可行性分析

分别介绍了卫星遥感海冰监测、分类的传统方法,以及卷积神经网络在遥感影像分类识别中的应用成果。尝试将在图像识别、语言检测等方面取得成功的卷积神经网络算法应用在海冰图像分类中,利用其能够应对非线性、网络结构简单、可并行运算等能力去解决海冰数据分类问题。     

非线性定量预测技术在渤南洼陷扇三角洲前缘砂体预测中的应用

针对渤南洼陷中深层扇三角洲前缘致密储层地震资料分辨率低、砂泥岩速度差异小、纵向含油层系多层薄、横向储层变化快、储层展布认识不清的难点,在地质沉积模式指导下,运用多体联合解释技术,建立地层等时格架,进行优势属性提取和分析。运用进化型神经网络技术,建立地震属性和砂地比的非线性关系,实现了对薄互层砂体的定量预测,预测结果既保证了与井点的吻合度,也保持了地震资料对沉积特征的反映能力。该方法可以为中深层薄互层储层预测提供借鉴,并指导了该块油藏开发。     

山东半岛南部近岸海域碎屑矿物对中小河流的物源响应

对山东半岛南部近岸海域的106个表层沉积物样品及大沽河、五龙河和乳山河的94个表层沉积物样品进行碎屑矿物分析,系统地研究了碎屑矿物的分布特征及物源指示。研究区共鉴定出40种重矿物和13种轻矿物,重矿物以普通角闪石、绿帘石、黑云母和自生黄铁矿为主,轻矿物以石英、斜长石、钾长石和风化云母为主。根据碎屑矿物组合特征,将研究区分为4个矿物区:Ⅰ区为胶州湾口至崂山头的附近海域;Ⅱ_1亚区为丁字湾和鳌山湾附近水深约15m以浅的海域,Ⅱ_2亚区为研究区东南部水深20m的远岸区;Ⅲ区处于Ⅱ区和Ⅳ区的过渡带;Ⅳ区为乳山口西南部近岸海域。Ⅰ区和Ⅱ区的矿物组合均为普通角闪石-绿帘石-石英-长石,Ⅰ区和Ⅱ_1亚区受大沽河、五龙河和乳山河输入的物质及沿岸基岩、岛屿风化碎屑的影响较大,Ⅱ_2亚区主要为晚更新世低海平面时形成的陆架残留沉积。Ⅲ区矿物组合为普通角闪石-石英-长石-片状矿物,Ⅳ区矿物组合为云母类-自生黄铁矿-普通角闪石-石英,Ⅲ区、Ⅳ区物源多样,黄河物质对两区贡献显著。     

高分辨率光学遥感场景分类的深度度量学习方法

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题,本文提出了一种深度度量学习方法。首先在深度学习模型的特征输出层上为每类预设聚类中心,其次基于欧氏距离方法设计均值中心度量损失项,最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数。该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率。试验结果表明,本文方法有效地提升了分类准确率。在RSSCN7、UC Merced和NWPU-RESISC45数据集上,与现有方法相比,分类准确率分别提高了1.46%、1.09%和2.51%。     

基于高分三号极化SAR数据的农作物散射特性分析及分类

高分三号卫星是我国首颗多极化的高分辨率C波段SAR卫星,其于2017年1月正式交付用户使用后,主要被用于海洋遥感方面的研究。而极化SAR对于农作物的结构特征十分敏感,适合于农作物监测及分类。文中首次利用高分三号的极化SAR数据分析不同农作物的极化散射特性,然后利用H/α-wishart分类和H/A/α-wishart分类方法对湖南省岳阳县洞庭湖实验区域的高分三号极化SAR数据进行分类。整体分类精度高于85%,Kappa系数大于0.8。实验结果表明,高分三号全极化数据能够较好地表征农作物的散射特性,并可用于极化SAR农作物分类研究。     

山区遥感图像的特征选择与检索研究

针对遥感图像特征存在冗余及图像检索效率低的问题,提出一种基于贡献值的有效特征选择及其分类检索方法。对高分一号(GF-1)河北省阳原地区的村落、山脊、水体遥感图像,对比Hu矩、小波分解和灰度共生矩阵特征,发现使用Hu矩较适用于识别村落,而对山脊和水体的识别率低;引入区分山脊和水体的颜色特征,并与Hu矩构成特征空间,实现山区遥感图像分类和检索。实验结果表明,该方法能够选取出图像特征中的主要分量,具有高效、实用、方便的特点,检索查准率达到92%,查全率达到88%。     

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。