IKONOS高分辨率遥感影像融合方法比较研究

由于应用需求的驱动,高分辨率遥感影像融合技术已成为卫星遥感信息处理领域的重要研究方向和热点课题.以贵阳地区2002年12月23日的IKONOS高分辨率遥感影像为实验数据,利用ENVI 4.3、PCI 9.0、ERDAS 9.1 3种遥感图像处理软件中的一些常用融合方法进行了融合实验,并对相应的融合结果进行了讨论和分析.结果表明,ERDAS 9.1中的PCA法融合效果最好.     

基于DCNN的高分辨率遥感影像场景分类

针对传统场景分类方法不能准确地表达高分辨率遥感影像丰富的语义信息问题,提出了一种基于卷积神经网络的高分辨率影像场景分类方法.此方法大致分为3步:第1步,依据不同卷积窗口做卷积运算提取颜色,纹理和形状等低阶特征;第2步,利用池化层将这些低阶特征进行过滤,得到重要特征;第3步,重组提取出来的特征以形成高阶语义特征进行场景分类.在具体实验中利用三个不同尺寸的卷积核对数据集进行分类探究,并且使用了数据增广、正则化和Dropout等手段,提升模型对新样本的适应能力,很好地解决了过拟合问题.该方法在所进行的实验中表现良好,在WHU-RS19数据集上取得了88.47%的准确率,和传统的场景分类方法相比,显著提升了分类精度.     

基于迁移学习的高分辨率遥感影像场景分类研究

对于小样本集合的遥感影像场景分类问题,采取了一种基于迁移学习的卷积神经网络高分辨率遥感影像识别方法,通过深度卷积神经网络Inception-v4在ImageNet上训练,得到预训练模型以及相应的初始化参数,随后将小样本遥感数据按比例划分注入预训练模型当中,根据样本集合特征,不断调整网络参数以便获得最佳识别分类模型.最后将本文的方法与现有的场景分类方法进行实验对比,测得该方法在UC merced land use场景影像数据集上取得97.92%的准确率,有效提高了高分影像场景分类精度.     

光学遥感影像土地利用分类方法综述

土地是实现经济社会高质量发展的基础性资源,光学遥感影像以时间、空间、光谱等特有的优势为土地利用变化的发现、识别、分析提供了很好的支持,利用光学遥感技术提取土地利用变化信息已经成为重要的研究领域。论文以近年来土地利用分类相关文献为基础,分别从数据源、处理流程、处理精度、计算效率等角度对土地利用分类应用较为广泛的目视解译、监督分类、非监督分类、深度学习等四类方法进行了分析和总结。最后展望了光学遥感影像土地利用分类方法的发展方向     

高分辨率遥感影像几何纠正方法的探讨

阐述了共线方程几何纠正的原理,提出了对高分辨率影像利用点纠正模式下附加线约束条件进行影像纠正的方法。     

遥感影像分类方法的研究

该文基于ERDAS的KnowledgeEngineer分类方法原理,提出一种多信息源、智能化、程序化的阈值分类技术,利用空间模型语言SML（SpatialModelerLanguage）编程实现遥感影像的分类,进而克服了传统分类方法只能针对单一信息源的局限。研究工作以1999年ETM＋遥感影像临港新城为例,将该方法与传统的监督分类方法进行比较和精度评价。结果表明,阈值分类法比监督分类法分类精度高,指标Kappa系数由0.6109提高到0.8204。该方法可通过模块实现多信息源的调用,从已分类图像中提取确认的分类信息,达到一定的智能化,减少人为的重复性操作。     

高分辨率遥感影像分割提取构筑物评估

面向对象的影像分析已成为针对高分辨率遥感影像信息提取和行业应用的一种先进方法.该方法的实用效果,基础和关键在于对影像中所关注地物目标的影像分割提取效果.针对高分辨率遥感影像地面构筑物的提取,采用经验性符合统计比较法,把自动分割结果与人工分割提取的地面构筑物区域轮廓相对符合程度分为3个等级:良好、可以接受和不可接受,对当前应用广泛的两种多尺度影像分割方法进行了地面构筑物分割提取效果评估.     

应用高分辨率卫星遥感影像进行土地利用动态监测

对应用高分辨率卫星遥感影像进行土地利用动态监测的关键技术进行了讨论，给出了土地利用动态遥感监测的工艺流程。     

高分辨率遥感影像单片定位及正射纠正方法

为了解决高分辨率遥感影像的定位和正射纠正问题,在对包括多项式模型、直接线性变换模型和有理函数模型在内的通用传感器模型进行简单介绍的基础上,对基于通用传感器模型的高分辨率遥感影像的单片定位和正射纠正方法进行了理论和实验研究,并对实验结果进行了比较和分析.实验表明,利用符合影像变形规律的通用传感器模型进行单片定位和正射纠正,可以得到理想的精度.     

基于遥感影像分割单元的土地利用变化快速检测方法

针对土地利用变化动态监测的实际业务需求,提出一种土地利用变化快速检测方法,即基于同一区域土地利用现状图与高分辨率遥感影像进行叠加分析,通过土地利用现状图图斑边界对高分辨率遥感影像进行分割,并对分割单元的像素灰度值进行统计分析,以此判断图斑内对应的土地利用是否发生变化,从而提取影像发生变化区域范围。以某城市局部区域土地利用变化监测为例,通过对该区域2013年高精度遥感影像与2012年土地利用现状图叠加分析,对938个图斑进行土地利用变化检测,发现变化图斑12个。其中,8个为实际发生变化图斑,4个为错判,无漏判。实验结果表明:该方法能快速、有效地实现土地利用变化信息的检测和提取,并适用于识别提取新增建设用地占用农林用地的情况。     

基于高分辨率遥感影像的内河航标自动检测方法

提出了一种高分辨率遥感影像中的水运航标提取算法.首先应用单类支持向量机分类器实现水陆分割,确定水陆边界.然后将水域中的小目标作为候选目标,基于目标几何和灰度统计特性进行初步筛选,获得疑似航标目标.再利用影像中航标窗口间的相关性,提出一种基于相关系数编组的航标判定方法.最后提出一种基于在线学习原理的漏检航标检测算法,即首先依据已经检测得到的航标的空间分布对漏检航标的可能位置进行估计,再依据已检测到的航标的先验知识在估计位置进行精确检测.利用QuickBird影像进行的实验结果表明了该方法的有效性.     

基于自适应标注样本的高分辨率影像道路提取

针对现有道路提取算法中难以大规模人工标注样本类别标签的问题,提出了一种基于自适应标注样本提取遥感影像道路的方法。首先,通过改进的模糊C均值聚类算法提取道路区域,进行初步的样本标注;其次,利用基于二次投票的集成去噪算法定位标签噪声样本,更新样本数据集;再次,将更新后的样本集投入随机森林训练并预测影像的分类结果;最后,对道路提取结果进行多方向形态学滤波去除非道路区域,得到精确的道路提取结果。通过不同分辨率、不同场景、不同方法的实验结果表明,所提方法可以自主选择并标注样本,相比传统算法具有较高的提取精度,对于高分辨率遥感影像中直线型、曲线型道路均有较好的道路提取效果。     

基于中分辨率遥感影像的厦门城市绿地信息分析

采用2006、2009年Landsat5 TM和2013年Landsat8 OLI 3个时相的遥感影像,结合以往的相关数据、资料和实地调查,对厦门岛及周边区域的城市绿地进行提取分类,并采用监督分类方法,将绿地遥感影像划分为林地和其他绿地,分析区域内绿地面积和空间分布的变化情况。结果表明:利用中分辨率遥感影像,结合NDVI和K T变换可以更简便、大面积地提取绿地信息;2006—2013年,厦门岛及周边区域城市的绿地面积逐年增加,但绿地空间分布不均匀,结构不合理。建议厦门市应对城市绿地进行系统规划与建设,合理分布绿地空间,推进垂直绿化,合理配置绿化物种,以本地物种为主,提高景观稳定性和多样性。     

基于密集连接的高分辨率遥感图像分类

高分辨率遥感图像分类是当前一个研究热点,基于深度卷积网络和全连接条件随机场的高分辨率遥感图像分类模型(Deeplab),因其高效精准的分类性能被广泛应用于该研究领域,但Deeplab模型存在空洞卷积核对高分辨率遥感图像的信息利用率不足、限制分类精度进一步提高的问题。本文提出一种基于密集连接的轻量级高分辨率遥感图像分类模型Dspp,采用密集卷积网络连接结构,将Deeplab的空洞卷积金字塔结构替换成密集连接结构,以提高信息利用率且增强模型的泛化能力,并与当前经典的FCN、FCN8S、Deeplab分类网络模型进行实验对比。结果表明,Dspp模型相较于FCN模型、FCN-8S模型和Deeplab模型的整体精度分别提高16.8、11.7和7.7个百分点,验证了本模型的有效性。     

基于BKNNSVM算法的高分辨率遥感图像分类研究（英文）

为了解决局部支持向量机算法KNNSVM存在的分类时间过长不利于具有海量数据量的高分辨率遥感图像分类的不足,提高KNNSVM的算法表现,提出了改进的基于不确定性的BKNNSVM算法.该算法利用二项式分布的共轭先验分布Beta分布根据近邻的分布情况推导该未标记样本属于正类或负类的概率大小,从而计算每一个未标记样本在类属性上的不确定性大小.再通过设置不确定性阈值的大小,对不确定性低于阈值的未标记样本直接采用KNN进行分类,而对高于阈值的样本利用其近邻建立局部支持向量机分类器进行分类.对高分辨率图像分类的实验结果表明:合适的阈值能够有效降低原始KNNSVM算法的时间开销,同时能保持KNNSVM分类精度高的特点.     

基于Ecognition的高分辨率遥感影像水体提取研究

以高分辨率遥感影像为数据源,采用面向对象的影像分析软件eCognition提取水体。首先采用多尺度分割算法生成对象,然后对影像中水体的特征进行分析,最后建立对象知识库进行细分类。实验表明,相对于传统方法,面向对象方法能够得到更好的效果。     

高龙金矿区高分辨率遥感线性构造定量分析

采用QuickBrid-2高分辨率卫星遥感数据，通过分形几何学的盒计维数法，定量研究广西高龙金矿区遥感线性构造。结果显示，在2.000～0．125km标度范围内高龙金矿区的分维值D=1．660，回归直线的相关系数R=0.999，鸡公岩、金龙山和龙爱矿段均落在分维高值区。在子区分维的5次和6次趋势图上，分维的高值带与该矿区南部深大断裂相吻合。可以尝试将高分辨率遥感线性构造作为成矿区预测和深部构造解译的重要参数。     

基于多因子对象的高空间分辨率遥感影像道路提取

利用面向对象思想,综合应用光谱值、光滑度、紧凑度及长宽比等因子,分割道路对象,构建规则知识库,探讨一种基于多因子对象的高空间分辨率遥感影像道路提取方法,并以厦门市局部区域的QuickBird影像为例进行实证.结果表明:影像分割尺度为75时,道路对象被较完整分割;与传统基于单个像元光谱信息的监督分类法相比,该方法的提取精度较高.     

高分辨率遥感影像中飞机识别研究

在目标识别领域,飞机是一种常被研究的对象,对飞机进行精确识别并定位,无论在军事打击和商业调查中都有重要意义。高分辨率图像中丰富的空间、光谱和上下文信息在带来更多有用细节信息的同时,也给飞机识别带来了更加复杂的背景干扰。主要研究应用面向对象的理念来实现对高分辨率遥感图像中飞机的识别。首先是图像预处理,即获得图像中的对象;然后是面向对象的图像识别,即提取图像对象的特征;并依据特征完成识别任务。利用的基本特征主要有图像对象的面积、长宽比、分散度、凸包缺陷。实验证明这种识别方法,对于不同朝向和大小的飞机都能取得较高的检出率。     

基于分形和Gabor滤波的高分辨率遥感影像分割

在城市规划、土地利用等应用中常需要对高分率遥感影像进行分割,而传统的滤波器组分解算法把每个波段的能量作为纹理特征进行分割,存在分割精度低,对噪声、灰度变换敏感等缺点.本文提出一种基于图像预滤波和分形特征的纹理特征提取算法,并对提取的特征向量集用K-means算法进行聚类.对天津滨海新区的QuickBird影像的分割实验...