基于E-cognition的面向对象的高分辨率遥感图像分类研究

高分辨率遥感影像具有丰富的空间以及纹理信息,而光谱信息较弱,若采用传统的基于像元的分类方法,仅从光谱特征出发,在进行图像处理时能够获取的信息有限,导致分类精度较低。为了能够更精确地对图像进行分类,文中利用专业的软件E-cognition采用面向对象的方法对高分辨率影像先进行多尺度分割和光谱辅助分割,之后选取合适的特征空间对河海大学遥感影像进行分类,并利用总体分类精度和Kappa系数等标准对分类精度进行客观评价。实验表明,面向对象的分类方法精度较高。     

基于多级空间上下文LR—CRFs模型的高分辨率影像分类

充分表达和利用目标空间上下文及语义信息是提高高空间分辨率影像分类精度的关键技术,而条件随机场（CRFs）在目标空间上下文建模以及分类预测方面有其独特优势。但是,基于单一尺度分析的CRFs模型存在不能反映目标多层次空间结构及语义关系的问题,因此针对城区高分辨率影像土地利用/覆盖分类问题,在面向对象分类框架下,提出了一种多级空间上下文LR-CRFs模型。该模型定义如下：首先,将影像进行对象层？目标层及场景层的分层表达及分层特征提取,并进行“对象目标场景”的逐层关联;其次,采用逻辑回归（LR）分类器定义CRFs模型的关联势函数,利用分层特征加权的Potts函数定义交互势函数;采用最大积消息传递算法对该模型进行近似推理。利用IKONOS多光谱影像及大比例尺真彩色航空影像进行试验的结果表明：多级空间上下文LR-CRFs模型分类精度高于单一尺度的基于像素层或对象层分割的LR-CRFs模型,其精度平均分别提高了4.63%和2.22%;该方法在一定意义上也缓解了面向对象分类方法中分类结果对分割尺度的依赖程度。     

面向对象的海域使用变化遥感监测

基于SPOT-5和WorldView-2高分辨率遥感影像,采用面向对象的分类方法,通过多尺度图像分割,获取海域使用地物斑块;结合影像光谱特性、纹理特征等信息建立分类规则,提取海域使用信息,并通过空间叠置分析来定量分析研究区海域使用变化情况.结果表明,面向对象的多尺度分割方法有效提高了分类精度.该研究也分析了海域使用变化情况,研究区内变化主要集中在建筑用地的扩张上.该研究对研究区治理海洋有重要意义.     

一种基于像元和面向对象的库塘信息提取方法

多尺度分割方法占用系统资源多、耗时长,并且传统面向对象的分类方法是基于全景影像和已分割好的对象进行分类的,其分类结果需要人工加以完善.针对上述问题,提出一种基于像元和面向对象相结合的高分辨率影像信息提取方法.该方法利用原始QuickBird卫星影像创建一个低分辨率影像的子工程进行对象的粗糙分类,并逐个深入分析对象区域.在此基础上,将提取出来的对象轮廓进行规范化处理.最后用大面积区域的影像进行了库塘提取实验,结果表明,该方法不仅提高了信息提取的效率,而且提取的总体效果较好.     

基于背景类别分层分离的不透水面间接提取——以兰州城关区EO-1 ALI图像为例

以兰州市城关区EO-1 ALI图像作为基础数据源,对比LOOC与最邻近分类（NNC）方法提取不透水面的精度差异. LOOC方法对融合后EO-1 ALI图像进行LBV变换,将变换结果作为解译底图;设置4个尺度层次,分别对应水体、农用地、灌木林地、城市绿地和草地这5种主要背景类别,对解译底图执行4尺度面向对象分割;将上述类别对象的光谱特征和形态特征差异作为判别规则,利用决策树分类,将这5种背景类别依次从解译底图上提取、分离,生成不透水面初级提取图层;通过光谱反射率差异分析,选定EO-1 ALI图像的近红外波段8和中红外波段10作为分类特征,利用基于模糊C-均值（FCM）算法的非监督分类,从初级图层中分离出砂土、阴影这两种与高、低反照度不透水面光谱特征相近的类别,采用数学形态学开闭运算整饬图像,生成不透水面二级提取图层. 结合目视评判和总体精度、Kappa系数,定量分析LOOC方法与NNC方法的提取精度差异. 结果表明：LOOC方法提取不透水面的总体精度、Kappa系数分别为87.13%、0.830 3,较NNC方法分别提高5.91%、7.19%. LOOC方法依据各背景类别的遥感多特征知识,分两级将其分离出解译底图,从而间接、逐步逼近不透水面精准空间分布信息,辨识不透水面的效率优于NNC方法.     

高分辨率遥感影像在林业应用中存在的问题与思考

高分辨率遥感影像的出现,给林业遥感带来前所未有的机遇.但是高分辨率遥感影像在林业领域中的应用面临诸多问题,如数据源的价格偏高、图像阴影无法去除、树种识别困难和森林蓄积量估测精度不高等.提出了建立主要树种的波谱数据库,采用基于多特征的面向对象的分类技术,提高高分辨率影像在林业中的应用水平等建议.     

高分辨率遥感影像建筑物震害信息提取方法比较研究

利用高分辨率遥感影像进行建筑物震害信息提取是地震灾害损失评估的重要手段,建筑物震害信息的提取技术是准确获取灾害信息的关键。利用青海玉树震后QuickBird影像,采用面向对象和像素的分类方法进行建筑物震害信息提取,通过精度评价和目视比较分析发现,面向对象的分类方法提取建筑物震害信息分类结果与实际震害情况具有较好的一致性,精度更高,能够避免基于像素的分类提取中出现的"椒盐现象"。     

基于多时相遥感影像的北京平原人工林树种分类

为解决传统遥感分类方法区分平原人工造林地树种难度较大的问题,利用4个不同时相的高空间分辨率卫星影像,基于ESP计算方差变化率并结合目视解译获取影像的最佳分割尺度;通过相关系数法筛选构建的特征,进行面向对象的多时相影像和单时相影像分类,并与基于像元分类方法进行对比分析.结果表明:基于多时相影像各类别分类精度为64%,高于单时相分类精度(51%);面向对象KNN方法的分类精度优于SVM和MLC分类方法,两者精度分别为49%和43%.在树种丰富且分布复杂的平原造林林地景观中,利用多时相遥感数据,采用面向对象分类方法用于树种精细分类更具优势.     

基于多级空间上下文LR-CRFs模型的高分辨率影像分类

充分表达和利用目标空间上下文及语义信息是提高高空间分辨率影像分类精度的关键技术,而条件随机场(CRFs)在目标空间上下文建模以及分类预测方面有其独特优势。但是,基于单一尺度分析的CRFs模型存在不能反映目标多层次空间结构及语义关系的问题,因此针对城区高分辨率影像土地利用/覆盖分类问题,在面向对象分类框架下,提出了一种多级空间上下文LR-CRFs模型。该模型定义如下:首先,将影像进行对象层?目标层及场景层的分层表达及分层特征提取,并进行“对象目标场景”的逐层关联;其次,采用逻辑回归(LR)分类器定义CRFs模型的关联势函数,利用分层特征加权的Potts函数定义交互势函数;采用最大积消息传递算法对该模型进行近似推理。利用IKONOS多光谱影像及大比例尺真彩色航空影像进行试验的结果表明:多级空间上下文LR-CRFs模型分类精度高于单一尺度的基于像素层或对象层分割的LR-CRFs模型,其精度平均分别提高了4.63%和2.22%;该方法在一定意义上也缓解了面向对象分类方法中分类结果对分割尺度的依赖程度。     

基于ZY-3影像的土地利用信息提取方法

本研究构建适于ZY-3卫星影像的土地利用信息提取技术——面向对象的SVM分类方法。首先进行ZY-3高分影像分割,将具有同质性信息的象元合并成图像对象,然后提取对象的光谱、纹理及空间属性信息,以这些多元信息作为输入,基于支持向量机进行分类器训练和土地利用分类。通过与其他方法的对比,发现此方法的总体分类精度和Kappa系数高于其他方法。此方法利用不同维度信息,克服了传统逐象元分类方法对空间信息利用不足的缺点,更全面地反映不同地物之间的异质性。本研究有助于提升中国高分影像的利用效率,并为土地利用现状调查提供技术支持。     

基于分水岭变换的遥感影像面向对象分类

为了提高面向对象分类的自动化程度,提出将分水岭变换与ISODATA聚类相结合对遥感影像进行面向对象分类。首先利用改进的分水岭变换对高分遥感影像进行分割,获得分割的对象后,利用ISODATA聚类方法对其进行分类。试验结果表明,该方法取得了较好的分类效果,且分类速度快,一定程度上提高了遥感影像分类的自动化。     

基于面向对象技术的低山区公路信息提取研究——以广西省玉林市为例

针对高分辨率遥感影像提取公路信息中存在的对丰富特征信息利用不够充分的问题,基于GeoEye_1卫星影像,提出一种综合考虑公路光谱属性、纹理属性、空间属性等特征的面向对象公路信息提取技术.针对GeoEye_1数据的不同波段,采用试误法建立适用于公路特征提取的综合分类规则,并进行提取.最后,以目视结果作为参考,对基于各波段的提取结果精度进行验证.结果表明,基于蓝光波段提取的公路信息精度最高,在选取的六个抽样区域的提取精度分别达到84％,68％,78％,68％,83％和66％,平均精度达到74.7％.研究成果对高分辨率遥感影像在山区公路信息提取中的应用具有一定的参考价值.     

面向对象的道路信息识别提取分析

道路信息在城市规划和经济建设中具有非常重要的作用和意义,因而从高分辨率遥感影像中提取道路信息成为当今学术研究热点之一.针对道路信息提取中存在的问题,本文采用面向对象的方法对道路信息进行提取.论文在对影像进行多尺度分割的基础上,采用最近邻分类法结合影像的光谱信息、几何特征及纹理特征所构建的道路对象的知识库对影像中的道路信息进行提取.试验结果表明采用面向对象的方法对道路信息进行提取效果良好.     

基于Mask R-CNN的遥感影像土地分割与轮廓提取

传统的模式识别难以对土地遥感影像一次性精确统计分析.在精确分割出土地种类的前提下,本文提出了一种基于骨干网络为ResNet-101-RPN的Mask R-CNN的遥感影像土地分割与轮廓提取方法.该方法包括以下步骤：数据获取、图像去雾、遥感影像土地统计分析、土地分割和轮廓获取.在一个具有挑战性的卫星地图瓦片数据集上对所提出的方法进行训练和测试.实验结果表明,该方法以0.907的均值平均精度（mAP）和31.33像素的均值平均距离误差（mADE）获得了令人满意的不同种类土地分割和轮廓提取结果.     

基于提升算法的超谱遥感图像融合分类研究

超谱遥感技术的发展对遥感图像处理算法提出了新的挑战,超谱遥感图像所特有的高光谱维数,使适用于多光谱图像的算法不适合直接用于超谱图像.利用数据融合技术可以将超谱图像从高维降到低维,因而有利于图像的分析和处理.提升算法是构造第2代小波的关键技术,该文研究了其用于超谱遥感图像融合分类的可行性,利用提升算法将第1代小波改造成第2代小波,并对标准的AVIRIS超谱遥感图像实现图像融合,在融合的同时,提取图像的光谱特征用于分类,在相同的实验标准下在像素层和特征层上分别对图像进行了第2代小波融合分类,并用分类精度对实验结果进行了客观的评价.实验结果表明,以提升算法构造的特征层小波融合分类比像素层分类精度提高了7.78%.     

基于面向对象分类方法的遥感影像变化检测

介绍了一种利用GIS数据辅助实现遥感影像变化检测的方法。该方法将面向对象的概念引入遥感影像分类中,使分类的目标不仅可以是影像的像素,也可以是表示一个GIS对象的全部像素集合(像素组)。在影像分类中,为减少工作量和降低分类精度对训练样区选择经验的依赖性,最大似然分类中的训练样区由现有GIS数据对象引导生成。实验表明该方法在针对面状对象进行变化检测时具有良好的效果。     

基于ALOS遥感影像的湿地地表覆被信息提取研究

为了验证ALOS遥感影像湿地地表覆被信息提取的可行性,以黑龙江省三江平原典型内陆淡水沼泽湿地为研究对象,通过ALOS遥感影像波段的光谱及纹理特性分析,探讨适合水体、旱地、水田、沼泽、林地、建设用地、草甸等覆被类型的分类特征;基于非监督、监督及面向对象分类方法,遴选能实现最优分类结果的特征组合,为湿地地表覆盖分类数据源及方法的选择提供参考。结果表明:非监督、监督及面向对象分类方法的总体精度分别达到63.86%、96.14%和85.26%;非监督分类方法整体分类效果不够理想;面向对象方法虽然得到了相对较高的分类精度,但是针对建设用地、林地及草甸地类信息提取的精度处于较低水平;监督分类方法能取得较好效果,最适合于湿地地表覆被信息提取。     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分剖的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

基于样本形态变换的高分遥感影像建筑物提取

针对高分辨率遥感影像中建筑物屋顶光谱信息多变引起建筑物提取精度降低的问题,提出基于样本形态变换的建筑物提取方法. 利用偏移阴影分析法自动提取初始建筑物样本,根据建筑物屋顶形态特征,合理利用样本旋转、偏移、缩放变换方法,构建自适应样本精细提取变换组合,以更完整、全面地提取建筑物样本;结合支持向量机（SVM）分类器进行影像分类,得到建筑物初始提取结果;提出基于形态特征的格网占比法对初始提取结果进行确认,剔除不规则非建筑物,实现对建筑物的准确提取. 对高分辨率遥感影像进行对比实验分析,以验证方法的有效性. 结果表明,与面向对象分类、反向传播（BP）神经网络、基于偏移阴影分析3种参照方法对比,所提方法的建筑物提取精度均优于参照算法.     

面向对象技术支持下的遥感地质线性构造图像语义理解

遥感地质线性构造的提取与空间布局语义分析结果可以为火山监测、地震地质、金属矿床与油气勘探等领域提供丰富而精确的遥感地质信息,为进一步研究多尺度遥感影像、发现构造异常提供依据。首先对目前遥感地质线性体的提取方法进行了分析总结,在此基础上分析了当前遥感领域研究热门的面向对象图像分析方法用于地质线性体空间结构单元分析的可行性,并利用不同类型的线性构造图像分析实验结果说明该方法的适用性与优缺点。