应用图像关联度的图像模糊分类

提出了应用图像关联度的图像模糊分类新方法。该方法在求得每幅图像相对各个类别的关联度的基础上,求得每个类别图像关联度的均值和标准差σ;然后计算每幅图像的关联度与所在类别关联度均值之差Δi,差值Δi≤2σ,该图像应“留“在该类中;否则,该图像应归入与另两个类别的关联度较大的类别。每幅图像都经过这样的检验,实现图像的再划分,直到这一过程稳定为止。实验结果表明,该方法的图像分类质量有一定优势。     

基于码字匹配和引力筛选的半监督协同训练算法

针对传统的Co-training和Tri-training协同训练算法中基分类器独立性低、迭代过程中误差累积和整体泛化性能低的问题,将多视图理论、编码理论和万有引力公式引入协同训练分类算法中,提出了改进算法,算法有效地防止了迭代过程中的误差累积,同时提高了分类系统的泛化性能。在高光谱图像分类实验中,随机地从数据集中抽取5%、10%和20%样本作为已标记训练集时,码字匹配的协同训练分类算法对比Co-training和Tri-training算法,在分类精度上平均分别提高了12.38%和6.13%,在Kappa系数上平均分别提高了0.2和0.07。进一步加入引力筛选机制,对比Co-training和Tri-training算法,在分类精度上平均分别提高了21.30%和10.99%,在Kappa系数上平均分别提高了0.26和0.13,结果表明了本文算法的有效性。     

高程对TDICCD相机像移补偿影响分析

高分辨率遥感卫星中常使用TDICCD(时间延迟积分CCD)相机,为获取高质量遥感影像,在相机成像过程中须采用像移补偿技术,而目前大部分像移补偿忽略了高程的影响。基于参考椭球面下成像矢量模型,建立考虑高程的成像矢量模型及解算方法流程,精确地计算相机成像时像点对应地面成像点的坐标及像移补偿参数。根据计算结果,分析高程对像移补偿参数的影响,在此基础上,综合考虑像移补偿参数精度对高程误差的要求、星上存储空间及高程查询速度,讨论星载数字高程模型(DEM)的生成,为星载DEM的使用及TDICCD相机高精度像移补偿提供理论基础和实验分析。     

Multitemporal settlement and population mapping from Landsat using Google Earth Engine

As countries become increasingly urbanized, understanding how urban areas are changing within the landscape becomes increasingly important. Urbanized areas are often the strongest indicators of human interaction with the environment, and understanding how urban areas develop through remotely sensed data allows for more sustainable practices. The Google Earth Engine (GEE) leverages cloud computing services to provide analysis capabilities on over 40 years of Landsat data. As a remote sensing platform, its ability to analyze global data rapidly lends itself to being an invaluable tool for studying the growth of urban areas. Here we present (i) An approach for the automated extraction of urban areas from Landsat imagery using GEE, validated using higher resolution images, (ii) a novel method of validation of the extracted urban extents using changes in the statistical performance of a high resolution population mapping method. Temporally distinct urban extractions were classified from the GEE catalog of Landsat 5 and 7 data over the Indonesian island of Java by using a Normalized Difference Spectral Vector (NDSV) method. Statistical evaluation of all of the tests was performed, and the value of population mapping methods in validating these urban extents was also examined. Results showed that the automated classification from GEE produced accurate urban extent maps, and that the integration of GEE-derived urban extents also improved the quality of the population mapping outputs.     

融合空间和时序遥感信息的深度学习水稻提取

为了得到更加精细的水稻提取结果,提出一种结合高分辨率和多时序遥感影像的深度学习水稻提取方法.构建全卷积网络(FCN)对BJ-2高分辨率遥感影像进行分类,并利用长短期记忆网络(LSTM)和随机森林(RF)分类器对Sentinel-2多时序遥感影像进行分类,再通过面向对象的分割和投票对3种方法的分类结果进行融合,得到最终提...     

耦合GF-2遥感影像与街景影像的广州市城中村识别

及时准确地获取城中村的空间分布及其环境质量信息对于优化城市空间、改善人居环境具有重要意义。本文以广州市越秀区为例,提出了耦合GF-2高分遥感影像和百度街景影像的城中村识别方法。首先,从街景影像中提取越秀区的街道空间品质特征;其次,在对高分遥感影像预处理并进行多尺度分割的基础上计算光谱、形状、纹理、场景特征和建筑结构5类共计23个特征;最后,融合两种影像的特征用于构建随机森林分类器进行城中村识别。结果表明,基于高分影像和基于街景影像的城中村识别整体精度分别为94.5%和85.7%,Kappa系数分别为0.58和0.31,而两者融合后的分类精度和Kappa系数为96.1%和0.67;其中基于街景影像获取的度量街道空间品质的5个指标贡献了31.6%的特征重要性。鸟瞰视野高分影像和人本视角街景影像提供的信息综合互补,构建了更有区分度的特征空间,减少了城中村的错分现象。本文证实了高分影像和街景影像在特征尺度的融合提升了城中村识别精度。街景影像中的信息可以融入到高分遥感影像等数据源中,辅助进行城中村等非正规居住空间的识别。     

利用WorldView-2卫星影像数据生产高分辨率多光谱技术正射影像方法

阐述了在工作实践中利用WorldView-2卫星影像制作正射影像的基本工艺流程,着重分析卫片的融合、校正、影像镶嵌等处理环节中的方法,坐标的建立及转换,数据格式的转换等,以及此过程中遇到的问题,及在各个环节中的质量控制。     

地心地固坐标系有理多项式系数模型探讨

针对遥感影像处理中多源影像联合定位研究的不足,该文在地心地固坐标系(ECEF)中构建航天光学与SAR影像的有理多项式(RPC)模型,给出了计算ECEF中RPC参数虚拟控制点的获取方法,分析了大地坐标系与ECEF中虚拟控制点格网的形变特点,并选取5种光学与SAR影像进行了RPC参数拟合试验,验证了模型的可行性。结果表明ECEF坐标系RPC模型不仅能够克服大地坐标系RPC模型存在应用盲区的缺点,也有利于通用模型和严密模型结合,在统一的坐标系中实现多源影像的联合定位。     

一种适用于低空影像的数字表面模型自动获取方法

无人飞行器系统获取的低空影像数据往往倾角大、像幅小且重叠度不规则,同时在灰度与比例尺上可能不一致.针对其特点,提出了一种适用于低空影像的数字表面模型自动获取方法.首先,采用影像水平纠正、构建金字塔、Wallis滤波以及Harris特征提取等方法对低空影像进行匹配预处理;然后,对经预处理的多级影像采取由粗到精的匹配,再基于低空影像高重叠度的特点进行三视检核以剔除误匹配点;最后采用近邻内插生成规则格网的数字表面模型.试验表明,该方法有效可行,生成的数字表面模型产品精度较高,对于改进现有的生产流程具有一定的实际意义.     

倾斜航空摄影数据空中三角测量的精度分析

本文对RCD30 Oblique Penta倾斜航摄仪获取的数据进行分析,分剔在街景工厂软件和Virtouzo_AAT软件中进行空三加密试验,对空三成果的精度进行分析、比较,确定RCD30 Oblique Penta系统获得的影像数据在特定软件环境下能够达到传统的大比例尺3D产品的生产精度要求.