多源卫星遥感影像在城市规划中的应用

高分辨率卫星遥感影像的出现使得大比例尺遥感制图以及进行城市规划监测和信息更新成为可能。以泉州市为例,介绍了卫星遥感影像在城市规划中的应用。     

遥感影像居民地形态特征分析

探讨了不同分辨率遥感影像居民地的轮廓特征,分析了遥感影像街区居民地的形态演化特征。     

多源遥感影像融合方法的比较与评价

分析了多源遥感影像融合的方法和融合过程.选取许昌市某地区的LANDSAT ETM影像为实验数据,分别进行基于主成分变换,乘积变换,比值变换, HIS变换,小波变换的影像融合.在MATLAB中编程并计算反映亮度信息、清晰度、光谱信息、信息量等定量评价参数,对融合效果进行定性和定量的评价.实验表明,不同的融合方法进行融合时会产生不同的效果.     

基于光谱-空间特征的遥感影像水体提取方法

地表水体是人类生存和社会发展不可取代的基本要素,使用遥感影像提取地表水体相比传统实地调研的方式,具有高效、省时、省力的特点。传统的水体提取方法一般仅使用一种或少量类型特征的结合,在处理高分辨率遥感影像时容易出现误提取。针对以上问题,提出一种结合多种光谱和空间特征的自动化水体提取方法。通过两幅高分一号影像上的定性和定量实验结果表明,该方法能够比传统方法更稳定更精确的提取影像中的水体信息。     

多源遥感影像数据融合的理论与技术

目的 探讨多源遥感影像数据融合技术,包括融合概念、融合原理、融合算法、融合效果评价。方法 对于不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合分析,提出像素级、特征级、决策级遥感影像融合的方法及用信息论的理论建立融合影像评价系统。结果 信息融合可分为3个层次：像素级、特征级和决策级融合;像素级融合信息损失最小,决策级融合信息损失最大;像素级融合精度最高,决策级融合精度最低。结论 对同一地区的多源遥感影像数据进行融合,可以产生比单一信息源更准确、更完全、更可靠的估计和判断,可以提高影像的空间分辨率和清晰度,有效提高遥感影像数据的利用率等。     

鄱阳湖微囊藻属形态多样性研究

2011年1月至10月对鄱阳湖的微囊藻 Microcystis 进行采集和分离培养,得到9种常见微囊藻并对其进行了详细的形态学观察和描述,分别是铜绿微囊藻（M. aeruginosa）、水华微囊藻（M. flos-aquae）、鱼害微囊藻（M. ichthyoblabe）、惠氏微囊藻（M. wesenbergii）、假丝微囊藻（M. pseudofilamentosa）、史密斯微囊藻（M. smithii）、放射微囊藻（M. botrys）、绿色微囊藻（M. viridis）、挪氏微囊藻（M. novacekii）,讨论了培养情况下微囊藻的形态学差异,阐述了鄱阳湖水华蓝藻类群的研究现状及微囊藻的潜在危害.     

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.     

遥感影像提取建筑物高度的方法

基于高分辨率民用遥感影像及相应地区的数字地形图,利用ENVI软件和ARCGIS软件中的各个模块和有效的分类方法,通过对建筑物阴影的计算从而得到城市建筑物高度.实践证明此方法工作量小、流程简单,并且基本能满足城市制定相关防灾减灾规划的参考需求,具有实际应用价值.     

多源遥感影像数据融合理论与方法的研究

在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上,归纳了多源遥感影像数据融合方法,并对未来的研究趋势进行了展望。     

遥感影像解译与背景参数分析研究

随着信息技术的广泛应用，作为各种信息的空间基础支持的空间信息在全球范围内，正受到越来越多的关注，社会各领域对空间信息的需求也越来越大，特别是1998年“数字地球”概念的提出对空间技术的发展起到了很大的推动作用，作为数字地球的重要支撑技术之一的遥感技术也有了前所未有的发展，本主要论述的遥感影像的解译以及与这相关的背影参数分析。     

基于遥感影像群的洪湖水面利用变化检测

湖泊作为湿地的重要组成部分,对生态多样性的保持和环境功能的维系起着不可替代的作用.在经济社会发展的不同阶段,人类对于湖泊的开发利用体现出不同的特点.获取不同时期湖泊利用的信息不仅有助于了解湖泊变化的规律和原因,也可为湖泊未来的合理利用及生态管理提供决策支持.洪湖是湖北境内江汉湖群的最大湖泊.利用1985、1995、2000和2005年四期平水期TM/ETM遥感图像提取各期洪湖水面利用信息并进行分析.结果显示:1985年至2005年间,洪湖未利用湖面面积1985年到2000年由于受人为作用影响有所减少,2000年至2005年后基本维持谷值;围网养殖区的面积从1985年不断扩大直至2000年达到峰值,此后基本保持稳定;湖区水生植被相应也从1985年不断减少至2000年的谷底值,随后由于生态建设工程的实施,水生植被迅速恢复.     

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.     

利用卷积神经网络提取高分辨率遥感图像喀斯特森林信息

针对喀斯特地区受山区复杂地形的影响岩溶山峰在太阳辐射下存在阴坡和阳坡,高分辨率遥感图像中喀斯特森林植被的光谱特征较复杂,"同物异谱"和"异物同谱"现象严重,导致传统的机器学习算法提取森林植被精度不高的问题,根据实践经验将多源多特征融合构成提取喀斯特森林信息特征,改进标准的卷积神经网络(convolutional neural network,CNN),将支持向量机(support vector machine,SVM)与卷积神经网络相结合(CNN-SVM)应用于遥感分类,并与CNN、随机森林(random forest,RF)、支持向量机等方法进行比较。结果表明,CNN-SVM、CNN两种深度学习方法的提取喀斯特森林信息精度均明显高于RF和SVM等浅层模型方法。CNN-SVM综合了CNN提取遥感高阶特征的能力和SVM的分类性能,分类精度在90%以上,高于标准的CNN。深度学习CNN可有效地区分农作物,提高喀斯特森林植被信息的提取精度。     

基于VGG16预编码的遥感图像建筑物语义分割

深度卷积神经网络在遥感图像语义分割研究上开创了新的领域。利用改进的U-net模型对建筑物区域进行像素级提取,可获取其轮廓和尺寸信息。利用强可迁移性的VGG16网络作为U-net模型的编码器,并利用基于空洞卷积的级联并行模块提取多尺度的高层语义信息,同时使用转置卷积实现上采样,逐步还原分割细节。实验采用了加权组合的Jaccard损失和二元交叉熵损失作为总损失函数。实验结果表明了改进的U-net模型对遥感图像中建筑物的分割提取具有更高的精度,均像素精度(MPA)、均交并比(MIoU)和F_1分数分别为92. 16%、78. 55%和84. 81%。改进模型的F1分数比Deep Labv3+模型高4. 8%,比标准U-net模型高8. 3%。     

基于改进YOLOv5的遥感图像飞机目标检测

针对遥感图像中飞机检测尺寸大小不一、背景复杂导致的难以识别问题,提出一种基于YOLOv5网络模型的改进方法。首先,在YOLOv5网络模型中融入Swin-Transformer模块,使网络全局建模并使全维度信息交互,以提升网络的特征提取能力;其次,对损失函数进行优化,引入SIOU损失函数以考虑真实框和预测框之间的向量角度问题。对比实验表明,优化前后网络模型检测精度均为95.3%。在检测精度相同的情况下,改进后的网络模型召回率为91.2%,比改进前提升0.6个百分点;改进后平均检测精度mAP_0.5为95.7%,比改进前提升0.2个百分点。结果表明,改进后的YOLOv5网络模型能在一定程度上提升遥感图像中飞机目标检测性能。     

一种优化的多源遥感影像高精度配准方法

探讨了一种优化的多源遥感影像的高精度配准算法.利用梯度算子结合Forstner算子快速提取特征点,同时采用基于熵的格网技术控制特征点的分布均匀度,在少量准确控制点的基础上以不变矩相似度量为匹配准则,采用整体松弛法匹配策略快速配准得到同名点,并利用二次多项式模型来剔除误配准点.结果表明,该方法配准速度快,得到的同名点精度高,分布均匀,可以满足遥感影像的融合与快速更新等后续处理的要求.     

遥感影像提取改扩建道路的DLG辅助算法

随着城市化进程的加快,作为城市脉络的道路网的更新要求越来越高。基于人工测图的传统更新方式速度慢、效率低,难以满足数据更新的需求。利用数字线划地图(Digital Line Graphic,DLG)数据作为先验信息,采用基于特征的方法,从高分辨率遥感影像中提取道路,实现道路的自动更新。算法适用于DLG中以双边缘平行线对表示的城市主要道路。实验结果表明,该方法在道路拓宽、延伸等情况均有良好的效果。     

基于多光谱遥感的水质监测处理方法与分析

基于定量遥感理论和方法，将多光谱遥感数据和实测水质数据相结合，研究了水生态环境的空间分布，并对其进行了分析和评价．探讨了多光谱水遥感图像的处理方法和水质参数的数学回归模型，并以太湖水域的悬浮物含量为例，进行了回归分析．结果表明，采用遥感手段对水质进行监测是可行和正确的，由遥感数据得到的太湖水域悬浮物含量的空间分布也与太湖水域的实际情况相符．     

基于多源遥感数据的甘蔗霜冻监测评估

利用Landsat 8 OLI遥感数据提取云南耿马县甘蔗集中种植区,结合中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)历史数据和野外调查数据制定甘蔗霜冻分级指标,通过多时相甘蔗归一化植被指数(normalized difference vegetation index,NDVI)变化差异对2013年底耿马县甘蔗霜冻进行灾后监测评估。结果表明:利用Landsat 8较高分辨率及光谱可分性强的优势,结合非监督分类、监督分类以及归一化植被指数阈值剔除法可迅速有效地提取甘蔗集中种植区。甘蔗全生育期MODIS NDVI变化曲线表明,正常年份12月甘蔗NDVI平均下降0.03±0.01,结合野外调查制定的分级指标可对甘蔗霜冻进行有效评估,评估结果在空间分布上与实况相符合,面积统计结果误差小于6%。     

基于DLSVM算法的高分辨率遥感图像分类研究

为了进一步提高高分辨率遥感图像的分类精度及效率,融合支持向量机SVM及局部支持向量机KNNSVM算法,借助主动学习相关理论,提出了基于距离的局部支持向量机算法(DLSVM).该算法通过对未标记样本和超平面之间的距离与预先设定的距离阈值相比较,判断是否需要进一步建立局部支持向量机KNNSVM来确定样本的类标.对实际的高分辨率遥感图像分类的实验结果显示:在合适的距离阈值与K值的设置下,该算法能够提高支持向量机SVM的分类精度,同时大大降低KNNSVM算法的时间消耗.