地理国情普查影像解译自动化方案研究

随着空天地一体化对地观测传感网的逐步完善,积累了大量的空间遥感影像。地理国情普查项目进一步地推动了遥感技术的发展和遥感影像的使用,使遥感影像更好地服务于经济社会的发展和生态文明的建设。传统的依靠人工的地物信息提取方式不能满足需求,本文尝试影像解译自动化方案替代完全依靠人工采集的方式,提高遥感信息提取的效率。     

面向对象的eCognition遥感影像分类识别技术应用

以位于印度尼西亚Kalimantan热带雨林地区的1幅具有3个通道的雷达图像为研究对象,利用面向对象方法对高分辨率遥感影像的水体进行提取,在分割的基础上,经过分层分类,充分利用影像的光谱信息、拓扑信息、形状特征等构建知识库进行分类,实验结果理想,相对传统基于像素的图像分类分析方法结果图斑完整,提高了分类精度。     

eCognition在土地利用项目中的应用

主要介绍了eCognition对高分辨率卫星影像进行地物分类的技术方法。并以深圳铁岗水库附近地区为例,说明该技术在土地利用分类中应用的可行性和潜力,为高分辨率卫星影像在地物分类中的有效应用提供了新的技术手段。     

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。     

区域碳收支能力估算的面向对象遥感分类方法

全球气候变暖问题是人类面临的最艰巨的挑战之一,通过先进的面向对象分类方法可以提高碳排放与碳汇能力的研究水平,对于控制区域气候变化具有推动作用。本文利用面向对象分类方法,以广西百色市右江区为研究区域,选取Landsat 8 OLI和Google Earth影像数据提取区域地物信息,并针对研究区地势复杂的特点,采用设置多种尺度参数的方法,选取最优尺度进行影像分割。同时,引入隶属度函数法、最邻近分类法和CART决策树分类器3种方法,基于影像光谱差异、几何形状、对象纹理等特征,逐层逐级地实施面向对象分类,随后加以针对性的精度评价分析并检验分类结果。通过总结分析前人的地物碳系数转换关系并结合高精度面向对象分类结果,构建了基于土地覆被类型的碳收支能力估算模型,并根据已有的基于CASA模型的碳收支能力估算方法加以精度校验,最终估算出右江区碳收支能力为-399.64万t。此外,本文结合右江区行政区划、人口分布、DEM等相关数据对区域碳收支能力进行了专题性剖析。结果表明,面向对象分类方法是研究小区域碳收支能力的有效途径,在区域碳循环评估中具有更好的准确性和预见性,有效促进碳收支平衡研究领域的发展。     

遥感影像面向对象信息提取技术在GIS土地管理中的应用

本文主要研究通过高分辨率遥感影像和eCognition软件,利用面向对象信息提取技术来获取村庄尺度土地利用类型空间数据的技术方法。本项研究中的实验区主要地物包括麦田、旱作物、荒地、苗圃、道路、水体、建设用地和树木等类型。通过设置不同的分割参数并目视判定待识别地类的轮廓分割效果,获取适用于村庄尺度土地利用类型分类的最优分割参数,并通过分类精度对比说明面向对象信息提取相对于传统分类方法的巨大优势。     

Updating the Phase 1 habitat map of Wales, UK, using satellite sensor data

The Phase 1 Survey is the most comprehensive and widely used national level map of semi-natural habitats in Wales. However, the survey was based largely on field survey and was conducted over several decades, before being completed in 1997. Given that resources for a repeat survey were limited, this study has used an object-orientated rule-based classification implemented within eCognition of multi-temporal satellite sensor data acquired between 2003 and 2006 to map semi-natural habitats and agricultural land across Wales, thereby allowing a progressive update of the Phase 1 Survey. The classification of objects to Phase 1 habitat classes was undertaken in two steps; firstly the landscape of Wales was divided into objects using orthorectified SPOT-5 High Resolution Geometric (HRG) reflectance data (10 m spatial resolution) and Land Parcel Information System (LPIS) boundaries. A rule-base was then developed to progressively discriminate and map the distribution of 105 sub-habitats across Wales based on time-series of SPOT HRG, Terra-1 Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) and Indian Remote Sensing Satellite (IRS) LISS-3 data, derived datasets (e.g., vegetation indices, fractional images) and ancillary information (e.g., topography). The rules coupled knowledge of ecology and the information content of these remote sensing data using a combination of thresholds, Boolean operations and fuzzy membership functions. A second rule-base was then developed to translate the more detailed sub-habitat classification to Phase 1 habitat classes. Indicative accuracies of the revised Phase 1 mapping, based on comparisons with the later Phase 2 survey (for selected habitats), were >80% overall and typically between 70% and 90% for many classes. Through this exercise, Wales has become the first country in Europe to produce a national map of habitats (as opposed to land cover) through object-orientated classification of satellite sensor data. Furthermore, the approach can be adapted to allow continual monitoring of the extent and condition of habitats and agricultural land.     

高分辨率遥感影像的全变分分割模型

由于全变分(Total Variation,TV)模型具有较好的去噪、增强和扩散等功能,在过去的几十年中,TV模型在图像去噪、增强和超分辨率重建等方面得到了深入研究与广泛应用。鉴于TV模型的理论与分割理论具有一致性,因此本文主要研究TV模型用于高分辨率遥感影像的分割,并针对地物多尺度特征,提出了自适应的TV(ATV)模型;且与目前流行的面向对象的影像分析软件eCognition中的FNEA分割方法进行了比较。实验采用2幅高分辨率遥感影像,同时采用了面向对象的分割和分类评价,得出各方法各具优缺点的结论。     

FeatureStation 和 eCognition 在地理国情普查项目中的应用对比研究

FeatureStation和eCognition都是用来对卫星影像进行自动解译分析处理的软件,在地理国情普查项目中得到了广泛的应用,但是二者的解译思路不尽相同。众所周知,自动解译的目的是为了降低人工解译的工作量,因此,自动解译软件的选择是否恰当,应用场合是否合适是地理国情普查项目管理者应该思考的问题。本文旨在分析FeatureStation和eCognition的利弊,用实验数据说明二者的优点与不足。     

面向对象的绿地信息提取

绿地与人们的生产、生活密切相关,绿地是城市的净化器,发挥着保持水土、涵养水源、调节自然界生态平衡等重要作用.本文主要讨论了面向对象的分类技术,研究了多尺度影像分割和基于高分辨率影像的信息提取方法,在实验的基础上与传统的基于像元统计方法的信息提取结果进行了比较.结果表明,面向对象的信息提取方法在高分辨率遥感影像绿地信息提取中具有明显优势,可大大提高分类效率和精度.