基于TM影像的林地变化检测方法对比分析 ——以伊春市为例

以伊春市为试验区,利用两期TM遥感影像数据对该地区的林地面积的变化进行了检测。实验使用了归一化植被指数差值法、主成分分析差异法和基于C5.0决策树的分类后比较法,并对三种结果做了对比。结果表明:1)1999年至2010年,林地总面积是增加的,阔叶林显著减少,混交林显著增加并发展成为主要林地类型。2)三种方法的精度分别为79.33%、82.54%、87.24%,说明分类后比较法能够更有效地对森林覆盖的变化进行检测,并且能够定性定量的对变化区域进行分析。     

多特征模糊融合的SAR影像变化检测

针对利用SAR影像单特征变化检测精度低的问题,该文提出了一种基于模糊理论的多特征融合的变化检测方法。首先计算前后时相SAR影像的灰度、梯度和纹理特征的结构相似度,然后用Sigmoid型隶属函数描述相似度阈值附近的不确定性,计算像素分别属于变化类和非变化类的隶属度,最后根据最大隶属度原则将模糊量输出为确定量,得到融合后的变化检测图。通过两组真实SAR数据实验表明:该方法明显优于传统的方法,也提高了基于单一特征变化检测结果的精度。     

遥感影像变化图斑智能化提取平台研发与应用

遥感影像变化图斑智能化提取是自然资源动态监测工作的基础。本文简述了遥感影像变化检测技术演进历程及特点,提出同时使用ResNet、U-Net和孪生神经网络3种深度学习算法,设计了集“影像预处理、智能提取、协同筛查”于一体的遥感影像变化图斑智能化提取平台,并详细阐述了各功能模块设计思路。实践表明,融合3种深度学习算法有利于解决单一深度学习网络模型改造难度较大、适用范围有限等难题,有效提升了遥感影像变化检测的查全率,工作效率比目视解译提升超过3倍。研究成果已在湖南省自然资源“1+N”卫星监测工作中广泛应用。     

甘肃省地表要素遥感解译样本库建设与应用

面对自然资源遥感监测体系建设和省级基础测绘重点要素年度更新需求,本文以地理国情地表覆盖为主要参考数据,提出了省域遥感解译样本库的建设方法。首先制定了适用于深度学习的甘肃省自然资源遥感解译样本分类体系和顾及地学知识的样本选取标准,据此构建了囊括不同尺度单元的全要素、单要素和变化检测3类样本数据集;然后基于自主研建的甘肃省遥感解译样本库平台,构建了从样本采集、模型训练、智能解译到质量评估的全链路技术体系。试验结果表明,面向不同尺度区域,地物提取准确率达90%,变化检测准确率达74%,实现了地表要素从粗粒度到细粒度的自适应解译。研究成果在甘肃省省级基础测绘更新、城市国土空间监测及非农化监测等领域进行了业务化应用,提高了自然资源管理精准化和智能化水平。     

利用SPOT-6影像提取新增建设用地的方法研究

随着我国城镇化进程的推进,新增建设用地占用耕地不可避免,特别是在城市郊区/近郊区。为加强土地管理,国土部门对土地利用进行年度变更调查监测与核查工作,重点监测各类新增建设用地。SPOT-6影像是一种投入使用时间不长的全新遥感数据源。本文基于SPOT-6影像,结合基期土地利用图,利用SEaTH算法,采用面向对象的方法,研究新增建设用地自动提取算法。首先提取基期的非建设用地图斑,在其约束下对SPOT-6影像进行多尺度分割,以分割得到的新图斑为基本单元,利用光谱、纹理等特征构建土地类型识别知识库,基于SEaTH算法来实现特征优选和特征阈值自动确定,并构建了模糊分类规则,最后将分类结果与基期土地利用数据叠加分析,获取新增建设用地。实验结果表明,应用SPOT-6影像与基期土地利用图,提取新增建设用地的精度达到88%,满足土地利用年度变更调查监测与核查的基本要求。     

基于超像素分割与CRF的高分辨率遥感影像变化检测

针对目前高分辨率遥感影像变化检测算法对于光谱变化过敏感问题,本文提出了一种基于超像素分割与条件随机场（CRF）的遥感影像变化检测算法。首先采用空间约束的t混合模型驱动的分割模型,获得同质性超像素块,实现良好的边界附着性和亮度均匀性。然后计算分割得到的双时相影像块之间的特征差异性,获取变化幅度图像。最后利用模糊聚类算法（FCM）对变化幅度图像进行聚类,得到隶属度图像作为CRF一阶势,并利用光谱-空间相似度约束的函数构建CRF二阶势。试验结果表明,与现有方法相比,该方法检测精度可提高5%,错检率和漏检率可降低3%,能较好地应对输入图像的光谱变化,并保持变化检测结果的边缘细节。     

基于改进U-Net网络的多源遥感影像洪涝灾害信息提取与变化分析

基于遥感影像的信息提取与变化分析是检测地球表面变化的重要方法,在城市规划、环境监测、灾害评估等方面应用广泛。合成孔径雷达（SAR）可以穿透云层,实现洪水期的对地观测,但侧视成像会随地形起伏产生叠掩、阴影等现象。DEM可以提供地面点的高程信息,反映地形的起伏变化,但无法提供地物信息。因此,本文提出了一种融合多源遥感影像、基于改进U-Net网络的变化检测方法;并通过试验证明了该方法可以实现高精度、高效的洪涝灾害信息提取。     

激光与倾斜点云精确配准与无缝融合

广泛使用的传统激光点云与倾斜摄影等城市空间建模方法存在各自的优缺点,将不同来源的数据进行有效融合并用于城市三维模型的构建是当前城市建模的难点。因此,本文首先提出了一种激光与倾斜点云精确配准与无缝融合的方法,该方法可以克服不同来源点云数据在尺度与精度上不一致的问题,精确计算不同来源数据的空间变换关系;然后在此基础上剔除数据冗余,完成多源点云数据的无缝融合;最后采用3组实际场景中获取的数据对本文剔除方法的有效性及精度进行验证。试验结果表明,通过本文方法获取的融合数据相较于单一平台获取的数据具有更好的完整性和数据精度。     

多时相遥感影像的变化检测研究现状与展望

变化检测作为摄影测量与遥感领域的研究热点之一,也是人工智能体系中极具研究价值的技术分支。二者的快速发展与深度融合,已使海量、复杂和多样的遥感数据快速智能化处理成为可能,广泛应用于资源监测、城市规划、灾害评估等诸多领域。随着遥感技术和计算能力的不断革新,变化检测体系也在不断发展和演化。本文主要从几何和语义两个角度对变化检测方法进行了分析和归纳总结,重点分析了几何信息的利用方式及深度神经网络的特征融合方式,随后总结了常用的变化检测公开样本数据集,最后对当前变化检测应用中遇到的核心问题及未来发展趋势进行了梳理与展望。