基于遥感图像的城市道路自动测绘方法研究

为更有效地将空间观测技术应用于城市地理信息系统等领域,提出了一种新的基于遥感图像的城市道路自动测绘方法.该方法通过构建对象网络来表达图像结构,获取客观的处理单元.在此基础上,针对感兴趣特征,利用无监督学习来综合分析遥感图像中道路目标的各类可视及非可视化信息,快速标记并定位目标区域.方法中还结合上下文信息进行空间平滑处理,大大消除了噪声、遮挡等影响.矢量标绘后可以量测得到城市道路的准确轮廓及相关参数.实验表明,该方法准确率高、鲁棒性好,适用于绝大多数高分辨率城市遥感图像中道路目标的自动测绘,在地理信息系统和数字城市系统建设中具有较大的实用价值.     

高光谱图像降维的判别流形学习方法

本文提出了一种高光谱图像降维的判别流形学习方法.针对获取的大量遥感对地观测数据存在大量冗余信息的特点,引入改进的流形学习方法对高光谱遥感数据进行降维处理,以提高遥感图像自动分类的总体准确度.该方法充分利用遥感图像自动分类中训练样本的判别信息,将输入样本的类别信息加入到常规流形学习方法的框架中,从本质上提高输出的特征在低维空间中的判别力.同时,引入线性化模型以解决流形学习方法中常见的小样本问题.对高光谱遥感图像自动分类的实验表明,基于判别流形学习的高光谱遥感图像自动分类方法能够显著地提高图像分类准确度.     

基于渐进核图割的SAR图像自动分割

合成孔径雷达(Synthetic Aperture Radar,SAR)图像是遥感目标检测与分割等研究的重要数据源。提出了一种渐进核图割分割方法,该方法通过迭代进行二类聚类分割,自动实现合成孔径雷达SAR图像中多目标的分割。实验结果表明,该方法能够有效地实现复杂场景SAR图像的多目标分割。     

三维Gabor滤波器与支持向量机的高光谱遥感图像分类

根据高光谱遥感图像的特点及二维Gabor滤波器纹理分割的原理,提出了一种基于三维Gabor滤波器的高光谱遥感图像分类方法。三维Gabor滤波器能够对高光谱遥感图像所有波段同时进行滤波,将大量的图像信息抽取为少量的不同尺寸、方向和波谱的响应,极大减少了高光谱遥感图像纹理信息提取的计算量。利用不同方向和尺寸的三维Gabor滤波器对祁连山黑河流域上游地区的Hyperion影像全波段进行滤波处理,获取26个纹理响应特征,并分析不同纹理对不同地物的区分度。利用自动子空间划分的波段指数(BI)进行波段选择,选取不同的波段组合进行试验,寻找最佳降维幅度。按照纹理对不同地物响应的区分度逐一加入三维Gabor纹理特征,利用三维Gabor纹理辅助光谱信息,运用支持向量机(SVM)的方法进行监督分类。结果表明,基于三维Gabor纹理和自动子空间BI波段选择的SVM分类方法能够在有效降低光谱维数的同时,提高高光谱遥感图像分类的精度和效率。     

基于非采样Contourlet变换高分辨率遥感图像配准

为了提高高分辨率遥感图像配准的精确度,将非采样Contourlet变换应用于高分辨率遥感图像配准算法中.首先对高分辨率遥感图像进行非采样Contourlet变换.利用非采样Contourlet变换的平移不变性在变换域提取图像的边缘并选择合适的阈值准确地得到图像的边缘特征点.然后利用归一化互相关匹配法和概率支撑法对特征点进行匹配.最后通过三角形局部变换映射甬数实现图像配准.实验结果表明,该方法更能准确地提取高分辨率遥感图像的特征点,大大提高了正确匹配的概率,与基于小波方法的图像配准效果相比有更高的准确性和稳健性.     

光流动态纹理在土地利用/覆盖变化检测研究中的应用

建议了一种基于光流动态纹理（optical flow dynamic texture）的高分辨率遥感影像变化检测新方法,用一种运动的关系描述地物变化,能够在多时相高分辨率遥感影像中自动获取土地利用和土地覆盖的变化信息。利用光流理论从原理上描述了地物渐变的过程,突破了以往遥感变化检测方法中认为地物发生突变的假设。该方法的流程简单,易于在目前的土地管理、城市规划等需要发现用地变化的系统和软件中使用。该方法考虑到了多时相遥感影像间的时间维度特征,为遥感变化检测提供了更加丰富的信息,进而改善了变化检测方法主要依赖空间维度信息的现状。以光流动态纹理作为变化的基本体现,结合光谱信息共同用于高分辨率遥感影像的支持向量机分类后变化检测,方法顾及了遥感影像时间维度的纹理,相较大多数空间纹理其数据量较小;纹理计算仅需设定一个参数,自动程度较高;可缓解行业中大量人工解译的现状。通过利用中国大庆市杜尔伯特蒙古自治县2011年和2012年QuickBird影像对该方法的有效性进行了评价。深入分析了不同的光流平滑系数α对该方法的影响,以及对地物变化描述效果的影响。实验结果显示,该方法效果理想,总体精度达到87.29%、Kappa系数达到0.850 7,其精度优于单纯利用光谱信息的分类后变化检测方法。     

基于地-气间辐射模型的航天相机自动调光系统

在航天相机的成像过程中,拍摄场景的亮度随着地表目标和大气环境的变化而发生改变,为了保证航天相机输出理想的图像,提出了基于地-气间辐射模型的航天相机自动调光方法。根据地-气间辐射传输特性建立航天相机入瞳处辐照度模型,通过分析大气气溶胶对遥感成像的影响,对该模型进行了改进,并在此基础上提出了航天相机自动调光方法。航天相机自动调光首先根据总辐照度以及地面目标辐照度占总辐照度的比例对自动调光参数进行调节,目的是尽可能提高地面目标信息量,然后根据大气气溶胶光学厚度确定自适应拉普拉斯滤波的参数,增强遥感图像的细节。由实验结果可以看出,自动调光增加了遥感图像的信息量,增强了图像对比度,航天相机的成像质量得到了明显地提高。     

基于语义分割的城区激光点云与光学影像配准

基于点云数据与光学遥感影像的协同应用在遥感领域获得广泛关注,为了对两种数据进行精确的配准以更好地融合两者优势,提出了一种城市场景下点云与光学遥感影像的自动配准方法。首先,由点云数据生成深度影像,即3D数据转换为2D影像;然后,运用Unet模型对深度影像和光学遥感影像分别进行训练并分割得到建筑面;再基于建筑面轮廓点集构建建筑最小外接矩形,将矩形长宽比作为寻找同名点的约束条件;接着,利用相似三角形原理寻找矩形中心同名点;最后,同名点坐标代入变换模型计算模型参数,完成配准。实验结果表明该方法对于运用传统点特征方法匹配困难的情况可实现较好的配准效果,且对图像平移、旋转、缩放均具有可抗性。     

基于曲率滤波优化的遥感影像去雾算法

针对山区容易积聚云雾不利于遥感影像解译,且遥感影像因包含大量信息数据计算速率慢,在去雾过程中遇到雾量过多的情况去除效果差的问题,提出了一种曲率滤波优化与非局部去雾方法相结合的光学遥感影像去雾算法。首先通过曲率滤波降低了图像的总能量,从而减少了图像占用的内存,提高了计算效率。然后通过霍夫变换表决机制筛选出符合的大气光值,再根据大气散射模型估算透射率。最后,通过图像重建获得无雾图像。实验结果表明,该方法在计算速率上显著快于未经高斯曲率滤波优化的方法,在去雾效果方面,雾量很多情况下所恢复图像细节清晰,亮度适宜,改善了去雾时雾量很多去除效果差的情况。     

一种机场目标检测与定位方法

针对机场目标检测定位时目标特征提取过于单一,识别结果不理想的问题,文章提出一种基于多源遥感图像的机场目标检测与定位方法;分别提取多光谱机场图像的跑道特征、纹理特征,以及相同区域SAR图像的后向散射特征,并将这些特征输入SVM分类器进行识别来判断候选区域是否包含机场,解决了目前特征单一、识别率较低等问题;实验结果表明该方法能更好地识别机场区域、提高识别率。     

基于无人机高光谱影像的建筑垃圾分类研究

建筑垃圾“围城”已经成为现阶段城市环境治理面临的主要问题,严重制约了城市生态环境的可持续发展,做好建筑垃圾的分类对保护城市水资源、提高城市土地利用率、提升居民生活质量意义重大。该研究将GaiaSky-mini 2推扫式机载高光谱成像仪（400～1 000 nm）搭载在经纬M600Pro无人机上,选择晴朗无风的试验环境,实时获取研究区高光谱遥感影像。对采集的研究区高光谱遥感影像进行几何校正、图像裁剪、辐射校正等预处理;将研究区内地物分为背景地物和建筑垃圾两大类,其中背景地物包括芦苇、蒿子、水体、阴影、裸土和柏油路,建筑垃圾包括白色塑料、防尘布、地基渣土和瓦砾砂石;基于影像像元选取样本点,分别提取研究区内6种背景地物和4种建筑垃圾的光谱信息,制作光谱曲线,并依据光谱特征差异,选取特征波段,通过波段计算统计并选取合理阈值,利用决策树分类法实现背景地物的分离和建筑垃圾的识别提取;针对不同类别的背景地物和建筑垃圾分别选取验证样本点,对背景地物的分离结果和建筑垃圾的识别结果进行精度评价。结果表明,背景地物和建筑垃圾总体识别精度为85.91%,Kappa系数为0.845;针对建立的背景地物分离决策树,6种背景地物的分类效果均较好,其中芦苇、柏油路和裸土的生产者精度为95%,整体能较好的将背景地物分离;针对建立的建筑垃圾识别决策树,防尘布和瓦砾砂石的生产者精度为95%,白色塑料和地基渣土的生产者精度为90%,能精确的提取研究区内的建筑垃圾。研究表明决策树分类法在无人机高光谱遥感影像中实现建筑垃圾的识别与提取具有很好的分类准确度,同时也验证了无人机高光谱遥感在建筑垃圾分类提取领域的科学性和可行性,对未来建筑垃圾的分类识别工作具有一定的实际意义。     

点扩散函数高斯拟合估计与遥感图像恢复

为了减轻或消除航天遥感相机成像过程中图像退化造成的模糊,突出图像的特征目标,对获取的图像进行了恢复处理。首先,采用陷波滤波器在频率域对遥感图像进行了去噪预处理。然后,通过图像中具有刀刃边缘的地物估计成像系统的退化函数,即点扩散函数;同时,利用高斯拟合对估计的点扩散函数进行校正。最后,利用拟合后的点扩散函数,采用自适应维纳滤波对图像进行恢复。实验结果表明：陷波滤波器基本消除了图像中叠加的条带噪声。与原图相比,细节图像恢复后其方差增大4.395,灰度平均梯度增大1.799,Laplacian梯度增大10.014,图像目视效果更清晰。高斯拟合的点扩散函数用于遥感图像恢复,减轻了图像模糊,使图像细节突出,纹理清晰,利于图像的判读和分析。     

上海城市植被光谱反射特征分析

地物光谱特征是遥感机理的重要内容,也是遥感应用研究的重要依据。城市植被作为城市中重要的生命支持系统,对于维持城市生态系统平衡起着核心的作用。文章以上海城市植被为研究对象,利用美国ASD公司生产的FieldSpec3便携式地物波谱仪,通过对2009年10月金边黄杨,金丝桃,圆柏,麦冬,珊瑚树,小叶黄杨等野外和室内光谱数据采集和处理,获得了这6种城市植被的高光谱数据。采用Savitzky Go-lay平滑方法进行光谱噪声去除和利用微分光谱技术进行植被环境背景影响消除,分别从植被冠层光谱和叶片光谱以及微分光谱,对这6种城市植被的光谱特征以及光谱曲线的差异和变化规律进行分析。可为今后进一步研究城市植被理化性能、参数反演、植被分类、植被调查以及城市环境监测等遥感应用服务。     

基于非线性光谱混合模型的遥感影像提取城市不透水层

针对传统方法在提取城市不透水层中的许多局限性,采用两种非线性光谱混合分解模型,包括混合调谐匹配滤波和多层感知器神经网络,通过混合像元分解获取城市不透水层.混合调谐匹配滤波利用用户选择的端元,通过最大化端元响应并减少未知背景信息的影响,进行局部分解端元.多层感知器由多个感知器组成,能够很好的进行非线性学习.对Landsa...     

基于大气中性点的地-气分离方法空基验证探究

偏振遥感是遥感领域的一个新兴对地观测手段,地物反射的偏振效应是偏振遥感进行观测的基础。然而,地物反射具有偏振效应,大气粒子的反射与散射也具有偏振效应,并且大气的偏振效应往往大大强于地物偏振效应。当用偏振遥感器对地表目标进行观测时,大气的强偏振效应会干扰甚至覆盖地物的偏振信息。因此,如何最大限度地消除大气的偏振效应对地物偏振效应的影响是偏振遥感的一个关键性问题。大气中性点是大气中偏振度趋近为零的区域。利用大气中性点进行地-气分离理论的核心思想是将探测器放置于中性点区域进行对地观测,以减弱大气偏振对地物偏振的影响。基于国内首次大气中性点偏振遥感航空飞行实验,通过处理和分析实验所得影像数据,分别得到了中性点位置和非中性点位置影像偏振度分布,发现中性点位置偏振度集中分布区域要明显小于非中性点位置,验证了利用大气中性点进行地-气分离理论的合理性和可行性,提出了利用中性点进行偏振遥感实验所需要的条件,并初步分析出,波长较长的波段更适合于偏振遥感观测。     

城市河网尺度的水体光谱指数适宜性分析研究

城市地表水是城市生态环境的重要组成部分,地表水环境高光谱遥感是高光谱遥感的重要应用方向,水体提取是地表水环境高光谱遥感的第一步,其主要任务是从高光谱遥感数据中提取地表水水体轮廓。基于光谱指数的水体提取方法充分利用光谱信息,计算简单,实现容易,提取效果优异。归一化植被指数(NDVI)、归一化水体指数(NDWI)、高光谱差异化水体指数(HDWI)和基于指数的水体指数(IWI)等光谱指数已经广泛应用于湖泊、大江大河等开阔水体提取。近些年来,随着成像光谱技术的发展,高光谱遥感数据的获取能力也突飞猛进,空间分辨率和光谱分辨率不断提高。与江河湖基本在流域内沿地形分布不同,城市地表水一般细小,纵横交错,形成河网。在高光谱遥感数据用于城市体表水提取时,其面临的图像空间分辨率、地物类型和地物复杂等,与江河湖水体提取有很大不同。因此,需要对这些常用的光谱指数在城市地表水提取中的适宜性进行评价。以此做为出发点和目标,以河网密布的江南水乡中国浙江省嘉兴市为研究对象,以应用型航空成像光谱仪(Airborne imaging spectrometer for applications, AISA)获取的高空间分辨率机载高光谱遥感数据为数据源,通过Youden指数确定最佳阈值,将总体分类精度、错分误差、漏分误差、Kappa系数作为衡量指标,分析评价了NDVI,NDWI,HDWI和IWI 4种光谱指数在城市河网提取中的适宜性。结果表明,阴影与水体光谱变化趋势类似,是造成水体提取过程中高错分误差的主要因素。四种指数都可以准确抑制落在植被中的阴影,但无法有效抑制落在建筑物中的阴影。HDWI虽然可以在一定程度上抑制建筑物中的阴影,但是无法有效地抑制亮建筑物背景。通过对不同类型水体和阴影（笼罩下地物）光谱的进一步分析,虽然水体和阴影光谱曲线变化趋势相似,均在560～600 nm附近存在波峰,但是水体和阴影波峰高度存在差异,水体波峰值较大而阴影波峰值较低。因此,通过充分挖掘水体和阴影在560～600 nm处光谱反射信息,有望进一步抑制建筑物阴影,提高城市河网水体提取精度。     

基于窄带多区域水平集方法的遥感图像分割

由于遥感图像存在边缘混叠等问题,经典的C-V模型会产生大量的冗余轮廓,而且无法分割多个同质区域的目标.为此,提出了基于C-V模型的窄带多区域水平集图像分割方法,采用N-1个水平集函数将图像分割成N(N＞1)个区域,每个水平集函数表达一个区域.该方法一方面通过建立独立多区域水平集模型可以消除多余的轮廓,避免分割区域的重叠...     

基于中波红外光谱遥测的温度估计算法

高于绝对零度的物体满足Plank定律,因此红外辐射在一定程度上反映温度。红外辐射测温具有响应速度快,分辨率高,能较好的实现对微小、高速移动等不可接触测量目标的温度测量。用一种先进的双波段红外遥感光谱系统采集不同温度金属的红外发射光谱,分析和研究这些不同温度的光谱数据所具有的不同特征。在此基础上,对样本提取重心位置、波峰位置、波长λ₁的值、波长λ₂的值四种光谱特征,寻找温度与其之间的函数关系;并建立多元线性回归模型,通过光谱反推温度值。实验结果表明,该方法可以有效的分辨有明显温差的高温物体,在实验所测温度范围内的测温绝对误差小于30 ℃,在测量误差小于20 ℃的置信区间内有98%正确率,优于一般系统需要保证目标发射率、大气透射率、环境等效辐射温度等复杂参数高精度的情况下2%的测温精度。该方法可以简单有效的对远距离目标测温,从而进一步拓展红外光谱遥测温度的应用领域。     

改进YOLOv4的铁路沿线遥感影像地物检测方法

近年来,高分遥感影像技术的快速发展为铁路沿线地物检测提供了一种重要技术手段。基于回归的一阶段目标检测方法YOLOv4具有检测精度高、速度快等优点,但用于遥感影像检测时仍然存在部分细节特征信息丢失导致的小目标漏检,以及进行大面积地物检测时效率低的问题。为此,提出改进YOLOv4网络模型对遥感影像铁路沿线地物进行检测。首先,设计由卷积、批量归一化和Mish激活函数组成的CBM(convolution batch normalization mish)模块,并采用DCBM(double CBM)模块作为密集连接网络(DenseNet)的传输层用于YOLOv4网络特征提取以实现地物特征传递和信息重用,增强小目标地物的检测能力,降低漏检率;然后针对YOLOv4在大面积检测时效率不高和模型参数空间较大的缺陷,将压缩激励SE(squeeze excitation)通道注意机制用于骨干网中跨阶段局部单元(cross stage partial, CSP)的每个残差单元之后,减少SE注意模块的重复调用次数,使其能够在提高网络性能的同时降低模型参数量从而提高检测效率;最后,针对长条形状的铁路目标提取困难问题,在网络结果输出之前引入改进的通道空间注意力机制ICBAM(improved convolutional block attention module) 保留原始特征信息,解决铁路目标特征提取能力差的问题,提高铁路中大尺度目标的检测效率。为验证所提方法的有效性,选取2 048张分辨率为1 920×1 080的某段铁路沿线遥感影像地物样本数据,将其中的铁路、房屋、楼宇建筑、农田和水池作为检测目标进行实验,并与当前流行的目标检测方法进行对比。结果表明,改进方法不仅增强了对小目标地物的检测能力,提高了地物检测精度和速度,而且提高了大尺度目标的检测效率。与YOLOv4算法相比,mAP提高了2.11%,准确率提高了2.93%,召回率提高了3.79%,模型大小减少了8.53%。所提方法为当前应用高速铁路沿线遥感影像地物快速精准检测提供了有效方法。