eCognition在土地动态监测中的应用

基于eCognition的多尺度影像分割与识别技术,进行了土地变化监测研究。首先选取同一区域不同时相的两幅影像,通过实验确定适宜变化监测的尺度参数、形状参数和紧致度参数,然后进行影像分割,最后进行各类地物信息提取,探测不同时相同一地物的不同形态,进而发现地类图斑变化。实验表明,基于eCognition,可以分析出地类图斑的细致变化,完成土地动态监测。通过对比实测数据,基于eCognition的地类图斑点识别精度合格率在90%以上,不失为一种高精度土地动态监测新方法,同时也为土地变化信息监测提供了一种经济、科学的技术方案。     

视觉显著性与知觉组织相结合的高分影像居民地提取方法

受人类视觉认知机制的启发,提出了一种利用视觉显著性与知觉组织相结合的高分辨率遥感影像居民地提取方法。首先利用认知物理学中的数据场构建居民地的视觉显著性模型,并通过自适应阈值法实现候选居民地的自动提取,然后利用多尺度小波变换的高频特征实现居民地的知觉组织,最后通过集合交运算提取同时满足这两种视觉机制的居民地。通过ZY-3和Quickbird两种高分传感器的影像数据集进行居民地提取试验,验证了该方法的有效性。     

森林资源监测中GF-2卫星影像波段配准误差分析

通过对GF-2卫星影像正射校正及波段模拟配准误差试验,分析GF-2卫星正射校正方法的选择以及不同配准误差下对GF-2卫星影像自动分类结果的影响;最后介绍GF-2遥感影像在森林资源监测应用中的初步测试。研究结果表明:正射校正时,当校正精度要求控制在RMS2时,控制点数量选择范围在85~95间较为合理,且控制点数在90个时,RMS值最小;经有理函数模型与卫片模型比较后,卫片模型校正精度较高;以目视判读为主时,实践中建议使用三次卷积重采样法输出结果最好;波段模拟配准误差试验中,配准误差与各地类面积变化间存在显著的线性关系;对于森林面积监测时,配准误差应小于0.3个像元。此研究可为新型国产卫星数据在森林资源监测中的应用提供参考。     

资源三号卫星多光谱影像的姿态角常差检校

针对资源三号卫星姿态角常差导致的多光谱影像定位精度降低的问题,该文在构建多光谱影像严格几何定位模型的基础上,提出了运用罗德里格矩阵建立姿态角常差检校方法;根据少量地面控制点求出姿态角常差构成的偏置矩阵后,使影像定位精度得到显著提高。实验结果证明,该方法具有较好的应用价值。     

自适应窗口的SAR立体影像匹配方法

针对SAR立体影像间几何畸变对影像匹配的影响,该文提出一种自适应窗口的SAR立体影像匹配方法。首先引入外部粗分辨率DEM,根据影像参数和DEM高程精度约束匹配搜索范围。然后采用归一化互相关和测度进行辅影像匹配窗口自适应扩展匹配,以保证主辅影像匹配窗口内的灰度信息一致;归一化互相关和值最大时的辅影像匹配窗口为最佳匹配窗口,最佳匹配窗口的中心点为获取的匹配点。最后利用双向一致性约束剔除误匹配点。试验结果表明,本文方法在山地区域能有效地增加正确匹配点数量,提高匹配正确率。     

资源三号卫星前视影像的建筑物高度提取

建筑物高度对建筑物容积率、城市风向以及城市环境等都具有明显的影响。针对太阳入射方向与卫星观测方向在建筑物异侧时,建筑物侧面与阴影在遥感影像上因极其相似而难以区分的问题,该文基于资源三号卫星前视影像,利用基于规则的面向对象特征提取方法提取建筑物侧面及阴影特征。根据卫星成像时的太阳、卫星以及建筑物之间的空间几何关系,构建了建筑物侧面与阴影的长度比例系数,进而估算了建筑物的高度信息。最后以实测高度进行了高度提取的精度评价,验证结果表明,反演的平均精度达到了92.28%,证明了资源三号卫星前视影像在提取建筑物高度方面的良好可行性。     

构架航线对无人机影像区域网平差精度影响分析

与三角翼相比,无人机航摄影像像幅小、模型连接性差、质量轻、航摄时姿态不稳定;这些因素导致无人机航摄影像成图精度较差。为了解决该问题,传统航测方法在每两张航摄影像间布设大量控制点,增强模型刚性;GPS辅助空中三角测量通过提高曝光点的点位精度,可以减少控制点的个数,但是由于无人机像幅小,控制点约束范围小,因而仍然需要大量的控制点。针对以上问题,文章在GPS辅助空中三角测量的基础上,通过布设架构航线,进而实现增加影像之间的重叠度,增强模型刚性的目的,从而实现在减少控制点个数的同时,保证无人机航摄影像区域网平差精度的提高。实验表明,该方法与单纯的依赖GPS辅助空三技术相比,在精度相近的基础上能够减少约50%的控制点布设数量,大大减少了外业工作量。     

图割能量驱动的高分辨率遥感影像震害损毁建筑物检测

为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。     

SAR图像河流分割的加权指数区域能量模型

传统主动轮廓模型很难实现精确的SAR图像河流分割。针对这一问题,本文提出了一种加权指数区域能量主动轮廓模型,以精确地提取SAR图像中的河流。该模型在Chan-Vese(CV)模型能量泛函中引入了指数区域能量,能更好地衡量分割图像和原始图像的差异程度,提高模型的分割准确性。此外,利用目标区域和背景区域内像素灰度的最大绝对差取代模型中常值区域能量权重,自适应地调节目标区域和背景区域的能量比重,加速曲线运动到目标区域的边缘,获得更高的分割效率。针对实际河流SAR图像进行了分割试验,结果表明:与传统主动轮廓模型相比,本文提出的模型能更快速、精确地分割SAR图像中的河流,在分割结果和分割效率两方面具有优势。     

面向高光谱图像分类的半监督空谱判别分析

为充分利用高光谱图像蕴藏的空间信息提升分类精度,提出了面向高光谱图像分类的半监督空谱判别分析(S3 DA)算法。考虑高光谱图像数据集的空间一致性,首先利用少量标记样本定义类内散度矩阵,保存数据集同类像元的光谱近邻结构;再利用无标记样本定义空间近邻像元散度矩阵,揭示像元间的空间近邻结构和地物的空间分布结构信息。S3 DA既保持数据集在光谱域的可分性,又保存了无标记样本蕴藏的空间域近邻结构,增强了同类像元和空间近邻像元在投影子空间的聚集性,从而提升分类性能。在PaviaU和Indian Pines数据集的试验表明,总体分类精度分别达到81.50%和71.77%。与传统的光谱方法比较,该算法能有效提升高光谱图像数据集的地物分类精度。