基于子空间-粗集法的高光谱数据光谱与纹理特征优选

为提高光谱数据光谱信息和纹理信息利用率,提出基于自动子空间划分和粗集理论的光谱与纹理特征优选方法。该方法在传统子空间划分法的基础上,利用粗集约简思想对不同类别地物光谱特征进行约简,得到基于光谱的初选波段,再利用灰度共生矩阵法计算出初选光谱波段的纹理信息,并约简优选,得到基于光谱和纹理信息的终选波段。利用黑河生态水文遥感试验中所获取的机载高光谱数据CASI,开展该方法的实证研究。对原始光谱波段、初选光谱波段和终选波段进行SVM(Support Vector Machine)分类,结果表明:与原始光谱数据相比,经过光谱初选得到的初选波段和增加纹理优选的终选波段,总体分类精度分别提高了0.84%和2.78%,Kappa系数分别提高了0.01和0.035;对地物纹理信息进行深度挖掘可以进一步提高遥感影像分类精度。     

结合纹理特征和边缘信息的遥感影像分类

针对基于光谱信息的遥感监督分类精度低以及分类结果中交界处错分和内部存在小面积图斑的问题,提出了一种结合图像纹理信息的监督分类方法和基于图像边缘信息的分类后处理方法。该方法首先利用彩色的灰度共生矩阵(color gray level co-occurrence matrix,CGLCM)提取图像的纹理信息,并将纹理图像结合原图像各个波段在ENVI 5.1平台下进行监督分类,然后采用Canny边缘检测算法提取原始影像的边缘图像,通过边缘信息对分类结果进行区域统计来改善分类结果。试验结果表明,辅以CGLCM纹理特征的监督分类方法可以有效地提高分类精度,相对于传统的监督分类方法,总Kappa系数提高了0.107 6,精度提高了8.53%。依据边缘信息对分类结果进行处理,有效保留原始影像边缘特征的同时,很好地滤除了分类结果中的小面积图斑。     

基于波段运算和纹理特征的高分一号多光谱数据云检测

针对国产高分一号卫星16m宽幅多光谱遥感影像仅含有可见近红外波段的情况,提出了基于波段运算与空间纹理特征相结合的云检测方法。首先基于光谱特征和波段运算生成初始云掩膜,然后结合纹理特征提高检测精度,最后采用阈值分割生成云掩膜。实验结果表明,该方法能够很好地检测出不同时相、不同类型下垫面上空的云像元,可以满足应用需要。由于在云检测方法中综合应用了波段光谱和空间纹理特征,理论上具有一定的普适性,对其他仅有可见近红外波段的遥感影像云检测具有参考意义。     

基于灰关联分析的遥感影像无缝拼接*

根据中心像元与周围像元之间的邻近像元效应,提出了一种基于灰关联分析的多景遥感影像无缝拼接方法。该方法以影像重叠区域中心像元邻域作为参考序列与比较序列,利用斜率关联度计算两者之间的灰关联度,找到一条影像色调和纹理差异较小的拼接线,并对其两侧作加权灰度平滑处理,以消除拼接图像之间因色调差异造成的接缝效应。实验结果表明,该方法算法简单,易于实现,影像拼接质量较好。     

基于分形纹理的遥感图像岩性识别方法

根据分形理论和遥感影像的特征，本提出一种图像分形纹理计算方法。分形纹理能够准确刻画图像的空间特征信息，在遥感图像分类中作为空间特征信息的补充。利用该方法在河西走廊酒泉盆地的红柳峡地区进行了TM图像的岩性分类实验，当只采用原始TM六个波段图像分类时，精度仅为71．62％，而采用分类纹理信息时分类精度则提高到79．54％。说明分形纹理对岩性空间特征信息有较好的描述，将分形纹理信息配合原始波段进行岩性识别时，总体识别精度达到87．93％．提高了16．3个百分点。因此，该分形纹理对于图像空间特征信息的描述具有重要意义。     

基于CBERS-02B和SPOT-5全色波段的图像融合纹理信息评价研究

CBERS-02B是我国第一代传输型陆地资源遥感卫星,搭载的传感器可以获得2.36 m分辨率的全色波段数据。通过遥感影像融合技术,将CBERS-02B全色数据和SPOT-5全色数据与SPOT-5多光谱数据10 m分辨率的图像进行了多方法的融合处理,通过对融合后图像的空间纹理信息进行比较和评价,获得了纹理信息的特征参数值。通过目视评价和定量分析,认为用CBERS-02B全色数据融合的影像在空间纹理上比SOPT-5融合的影像有优势。因此,CBERS-02B的全色波段是一种较高质量的高分辨率数据,应用前景广阔。     

LM-BP神经网络在遥感影像分类中的应用研究

有效地利用卫星遥感数据进行多类别识别并提高分类精度一直是遥感应用研究的前沿。以江苏南京江宁区为试验区,复合最佳指数提取的波段组合光谱信息、灰度共生矩阵提取的纹理信息和地理辅助数据及其派生信息,运用LM-BP神经网络实现遥感影像分类,并将分类结果与标准BP网络和传统分类方法进行了比较。研究表明,将卫星数据与地理辅助数据结合,发展多源多维信息复合的LM-BP方法可以大大提高分类的精度,是提高遥感应用性的有效途径。     

作者简介: 孙小芳(1973- ) , 女, 博士生, 现主要从事遥感图像处理及应用方面的研究。 Extraction of Green Space in Urban High Resolution Remote Sensing Image

探讨应用高分辨率遥感影像提取城市地区绿地信息。利用自相关函数计算30 个绿地样区, 结果表明在影像位移2 像元时, 自相关系数还能达到0. 95, 从而确定纹理窗口大小为53 5。纹理值计算是在全色影像灰度共生矩阵的基础上, 方向取45°、135°、225°、315°4 个方向的平均值, 计算5 个纹理参数:Mean、variance、homogeneity、contrast、secondmomen t。对全色影像和5 个纹理影像进行多分辨率分割, 对分割所形成的目标根据绿地5 个纹理特征设定阈值, 提取出绿地信息, 通过精度评定正确率达92. 8%。结果表明所采取的方法在高分辨率遥感影像的城市绿地信息的提取上具有很好的应用性。     

基于灰度共生矩阵的纹理提取方法研究

随着遥感影像空间分辨率的提高,纹理特征在遥感影像中的作用越来越重要。对灰度共生矩阵的GLCM(灰度共生矩阵)同质性、GLCM对比度、GLCM相异性、GLCM角二阶距、GLCM相关性、GLCM熵、GLDV(归一化灰度)反差、GLDV均值、GLDV角二阶矩等九种纹理描述子进行研究,发现采用GLCM角二阶矩、GLDV角二阶矩这两种纹理描述子对高分辨率遥感影像的纹理提取具有较好效果。     

面向城市区域的遥感影像云检测方法

针对高分辨率遥感影像云检测过程中,城市区域中大型建筑物对云检测精度有较大影响的问题,提出了一种面向城市区域的高分辨率遥感影像云检测算法。算法利用高分辨率卫星各季节的晴空遥感影像数据,构建晴空背景场,采用遥感数据多光谱各波段的动态阈值定位出云像元,然后基于云与建筑物在纹理和形态特征上的不同,去除矩形、多边形等高亮建筑物的错误检测区域。结果表明,该方法可有效去除城市区域的高亮地物,云检测正确率由83%提高到90%以上,证明了该算法的有效性。     

遥感图像分割中的信息割算法

提出了一种改进的信息割（MIC）算法。首先证明了信息割（IC）模型与Cauchy-Schwarz cut（CScut）等价,并通过图谱方法给出IC目标函数优化问题的最优解;其次利用 图像中像素点间的灰度和空间关联性,在IC算法的基础上提出一种MIC算法,该算法首次使用联合灰度信息和空间位置信息的Parzen窗函数来估计概率密度函数,降低了图像中灰度 变化对图像分割的影响。加噪合成图像及遥感图像分割实验结果表明MIC算法较IC算法具有更好的抗噪性能,且与图谱方法相比计算复杂度显著降低。     

一种纹理图像分割方法--分开-扩张方法

针对分开-合并方法分割纹理图像存在的纹理特征不规则性的问题,提出了一种新的基于四分树的分开-扩张的区域分割方法.通过对各类别的不同测量区域的纹理样品进行监督分类,确定分割的初始区域和终止区域,并把样品分类的精度作为各测量区域的纹理特征的权值,根据是否满足一致性属性和区域的性质进行分开或扩张.该方法较好地处理了不同测量区域的纹理特征可信度不一致的问题,扩张的过程可提高分割的精度并避免小区域纹理特征的不稳定.实验结果表明,分开-扩张方法能有效地分割纹理图像,其分割精度优于分开-合并方法.     

无监督纹理遥感图像分形分割仿真

针对无监督纹理遥感图像分形分割时,仅利用光谱信息,没有充分利用遥感图像中的纹理信息造成过分割或是欠分割的问题,提出结合光谱信息和纹理信息的无监督遥感图像分形分割方法。方法首先借助于双边滤波算法建立双边滤波模型,对无监督遥感图像进行平滑处理,利用边缘检测算子获取无监督遥感图像的纹理梯度和光谱梯度,保留遥感图像的纹理信息。将图像纹理梯度和光谱梯度的内积范数作为K-means算法的距离测度,针对K-means算法易陷入局部寻优问题,将遗传算法与K-means算法相结合实现全局寻优,完成无监督纹理遥感图像分形分割。通过在高分辨率遥感图像上的分割对比实验,证明上述方法能充分利用遥感图像的光谱和纹理信息,分割效果良好。     

结合深度学习和超像元的高分遥感影像变化检测

目的 随着遥感影像空间分辨率的提升,相同地物的空间纹理表现形式差异变大,地物特征更加复杂多样,传统的变化检测方法已很难满足需求。为提高高分辨率遥感影像的变化检测精度,尤其对相同地物中纹理差异较大的区域做出有效判别,提出结合深度学习和超像元分割的高分辨率遥感影像变化检测方法。方法 将有限带标签数据分割成切片作训练样本,按照样本形式设计一个多切片尺度特征融合网络并对其训练,获得测试图像的初步变化检测结果;利用超像元分割算法将测试图像分割成许多无重叠的同质性区域,并将分割结果与前述检测结果叠合,得到带分割标记的变化检测结果;用举手表决算法统计带分割标记的变化检测结果中超像元的变化状况,得到最终变化检测结果。结果 在变化检测实验结果中,本文提出的多切片尺度特征融合卷积网络模型在广东数据集和香港数据集上,优于单一切片尺度下卷积神经网络模型,并且结合超像元的多切片尺度特征融合卷积网络模型得到的Kappa系数分别达到80%和82%,比相应的非超像元算法分别提高了6%和8%,在两个测试集上表现均优于长短时记忆网络、深度置信网络等对比算法。结论 本文提出的卷积神经网络变化检测方法可以充分学习切片的空间信息和其他有效特征,避免过拟合现象;多层尺度切片特征融合的方法优于单一切片尺度训练神经网络的方法;结合深度学习和超像元分割算法,检测单元实现了由切片到超像元的转变,能对同物异谱的区域做出有效判决,有利于提升变化检测精度。     

一种遥感图像多级感兴趣区域的压缩方法

感兴趣区域(ROI)编码技术具有在不丢失重要信息的同时又有效地压缩了数据量的特点,非常适用于遥感图像的压缩.提出一种遥感图像多级感兴趣区域的压缩方法,以边缘梯度方向为图像分割的准则,利用了遥感图像纹理信息丰富的特点,通过提取图像的边缘区域和纹理区域,得到较好的分割效果;然后采用通用部分位平面偏移方法(GPBShift)进行位平面编码,对所得数据进行SPIHT编码得到最终的压缩结果.仿真结果证明,在相同的压缩比下,可以使感兴趣区域得到更好的恢复质量.从而使全图获得更好的恢复效果,而且,恢复后图像也更符合人眼视觉特性.     

基于影像融合和面向对象技术的植被信息提取研究

高分辨率影像具有丰富的光谱信息和空间信息。采用不同的图像融合技术融合GeoEye影像全色波段和多光谱波段,用建立的参考多边形和对应多边形残差法评价分割质量,以确定研究区各地物类型的最优分割参数组合,选择目标地物分类特征,建立分类规则,在此基础上实现研究区内不同地物类型的面向对象信息提取。结果表明:Gram-Schmidt(GS)融合法具有最优的融合效果,所选特征能够很好地实现目标地物信息提取,并且具有明确的地学意义,面向对象信息提取总体精度达到90.3%,Kappa系数为0.86,该研究为高精度植被信息的提取提供了有效的方法。     

基于形态学多重分形的遥感图像多尺度分割

提出了一种基于数学形态学的局部多重分形指数特征来描述图像中的纹理信息，并构造了基于图像四叉树的多尺度分割算法来实现遥感图像的粗分割。形态学多重分形指数能够准确而全面的刻画纹理的局部尺度特性，而多尺度分割算法可以在保持分割精度的前提下大大降低时间复杂度。在遥感图像上进行的对比实验表明，该算法在分割的效果和效率上都优于使用其他纹理特征的分割算法。     

残差密集空间金字塔网络的城市遥感图像分割

目的 遥感图像语义分割是根据土地覆盖类型对图像中每个像素进行分类,是遥感图像处理领域的一个重要研究方向。由于遥感图像包含的地物尺度差别大、地物边界复杂等原因,准确提取遥感图像特征具有一定难度,使得精确分割遥感图像比较困难。卷积神经网络因其自主分层提取图像特征的特点逐步成为图像处理领域的主流算法,本文将基于残差密集空间金字塔的卷积神经网络应用于城市地区遥感图像分割,以提升高分辨率城市地区遥感影像语义分割的精度。方法 模型将带孔卷积引入残差网络,代替网络中的下采样操作,在扩大特征图感受野的同时能够保持特征图尺寸不变;模型基于密集连接机制级联空间金字塔结构各分支,每个分支的输出都有更加密集的感受野信息;模型利用跳线连接跨层融合网络特征,结合网络中的高层语义特征和低层纹理特征恢复空间信息。结果 基于ISPRS （International Society for Photogrammetry and Remote Sensing） Vaihingen地区遥感数据集展开充分的实验研究,实验结果表明,本文模型在6种不同的地物分类上的平均交并比和平均F₁值分别达到69.88%和81.39%,性能在数学指标和视觉效果上均优于SegNet、pix2pix、Res-shuffling-Net以及SDFCN （symmetrical dense-shortcut fully convolutional network）算法。结论 将密集连接改进空间金字塔池化网络应用于高分辨率遥感图像语义分割,该模型利用了遥感图像不同尺度下的特征、高层语义信息和低层纹理信息,有效提升了城市地区遥感图像分割精度。     

基于双树复小波和灰度共生矩阵的遥感图像分割

提出了一种将双树复小波变换和灰度共生矩阵相结合描述遥感图像局部纹理特征并用于分割的方法。该方法采用双树复小波高频模值子带Gamma分布与Lognormal分布参数组合特征、灰度共生矩阵特征组成的联合纹理特征作为遥感图像每一像素特征,然后用Canberra距离进行相似性度量,最终通过聚类完成遥感图像分割。实验结果表明,该纹理特征提取方法可以有效地表征遥感图像的纹理,得到更为精确的遥感图像分割结果。