矢量约束的面向对象高分遥感影像水体提取

鉴于高分辨率遥感影像的光谱混淆和噪声干扰现象为遥感信息的精确提取带来很大困难,而利用现有矢量数据作为约束条件是提高遥感信息提取准确性的有效手段,提出了一种基于矢量约束实现面向对象高分辨率遥感影像水体提取的新方法。方法的基本步骤包括:1)利用硬边界约束方法(HBC-SEG)进行图像分割;2)分割图层与矢量数据叠合以建立分割图斑和已有矢量水体图斑间的空间关系;3)针对矢量与影像间的时相差异和配准误差建立差异化的知识规则以提取影像中的真实水体。实验证明,该方法在准确提取高分辨率影像上细小水体信息的同时,也能有效抑制建筑等地物的阴影干扰,和无约束方法相比,综合精度评价指标F-Measure平均提高13%以上。     

水库水体面积提取方法

遥感影像的水库水体信息提取对水库面积变化监测有很大的帮助,因此,提出一种基于遗传算法和改进Otsu算法的水体提取方法。对处理后的遥感影像使用NDWI (normalized difference water index)水体指数法进行初始的水体提取,由于传统的Otsu算法对直方图呈现双峰分布的图像提取效果不佳,利用遗传算法对最大类间方差公式进行双阈值计算,引入滑动窗口对图像进行阈值判断;使用自适应阈值算法进行局部阈值分割。通过对石梁河水库和小塔山水库的实验,表明该方法能够准确提取出水库的水体信息,误提取和漏提取现象得到了很大的改善。     

基于云的多光谱遥感影像边缘检测研究

提出一种基于云的多光谱遥感影像边缘检测算法。该算法依据矢量角相似性准则并结合邻域关系进行图像区域生长，在此基础之上根据影像的波段建立多维云模型，将待处理对象映射到多个云空间，通过逻辑运算生成边界云并进行多维向量的综合。构建边缘模糊特征平面，在条件概率和模糊划分熵的基础上，通过最大模糊熵原则确定最优阈值，对图像模糊边界进行提取。试验结果表明，该算法在多光谱遥感影像中能取得较好检测效果。     

应用MODIS数据监测巢湖蓝藻水华的研究

以巢湖为研究区域,以MODIS 卫星影像为数据源,结合准同步的地面水质监测数据,将MODIS 250 m分辨率的波段反射率与叶绿素a浓度实测值进行相关分析。在此基础上通过回归拟合,构建基于中分辨率成像光谱仪(MODIS) 的叶绿素遥感提取模型。应用模型成功提取出蓝藻爆发水域chl-a的分布。从MODIS遥感图像上可以清晰地反映出巢湖这次蓝藻爆发的强度、地点和分布范围 。研究结果表明:用MODIS影像监测巢湖蓝藻水华是可行的,其中250m分辨率波段1 、2的比值组合r2/r1与叶绿素a浓度实测值高度相关(R=0.909 3),适于反演叶绿素a浓度。     

基于MODIS遥感数据的水体提取方法及模型研究

利用遥感数据提取水体,是水资源和洪涝灾害监测的重要手段及其理论基础。本文根据MODIS遥感数据的特点以及水体的波谱特性,分析了水体在MODIS不同通道遥感影像上的反映特征,确定了MODIS遥感数据中对水体敏感的若干通道,以此作为理论基础,提出了利用MODIS遥感数据进行水体提取的方法以及相应的实现模型。     

基于Sentinel-1双极化数据改进水体提取的Otsu算法

基于SAR图像的阈值分割法是水体信息有效提取的常用方法之一。针对Otsu算法对于SAR影像水体提取精度低、噪声大的问题,以C波段Sentinel-1 SAR为数据源,提出一种基于Otsu算法的SAR图像水体提取新方法。该方法首先基于双极化数据构建自然指数函数,优化原始Sentinel-1数据图像像元直方图分布,再结合Otsu算法对图像进行水体提取,最后基于DEM数据去除误提取的山体阴影。以同一天的Landsat 8光学影像作为真实水体样本进行精度评定,结果表明：在不同水体占比情况下,该方法水体提取精度均优于Otsu算法,在水体占比小于10%时综合精度提升约为20%—60%,而且噪声小、适用性强,可用于快速高效获取大范围内水体信息。     

一种形态重建的遥感影像城市道路提取方法研究

以QuickBird多光谱影像为例,提出一种从高分辨率遥感影像中提取城市道路的方法。首先利用直方图均衡化对原始遥感影像作增强处理,突出影像的边缘信息。用Otsu自动阈值分割法对增强处理后的图像进行初步分割,提取出城市道路和房屋等建筑物。根据图像中各类要素的形态特征差别构建不同的标记图像,采用不同的结构元素构建道路模型,用该模型对阈值分割后的图像进行形态重构,分别提取出城市道路和建筑物。对形态重构生成的道路模块进行优化处理,提取出城市道路轮廓。实验结果表明,该方法能有效地从高分辨率遥感影像中提取出城市道路网。     

一种利用多尺度直方图的遥感影像分类方法

针对单一直方图对像斑特征表达不充分的问题,提出了一种利用多尺度直方图的遥感影像分类方法。首先,通过影像分割获取像斑,选取训练样本像斑;其次,提取像斑在不同灰度级下的直方图,形成像斑的多尺度直方图特征;再次,利用G统计量度量各尺度下的直方图距离,加权组合直方图距离构建像斑在单波段上的特征距离;然后,计算各波段不同灰度级下的信息熵,自适应确定各波段对应的权重,加权组合单波段特征距离构建像斑的特征距离;最后,依据像斑特征距离最小的原则,获取影像分类结果。在QuickBird遥感影像上的实验表明,与单一尺度直方图分类法相比,该方法的分类精度较优。     

基于分布式计算的遥感图像水体识别研究

为了提高遥感数据的处理速度,解决遥感信息提取中的数据密集与计算密集问题,将并行计算的思想引入到遥感图像的处理与信息提取中,构建基于Landsat ETM+影像的分布式遥感图像水体提取模型。以渭干河流域为研究区,利用单波段阈值法、多波段谱间关系法、水体指数法等方法进行水体信息自动提取的实验。实验结果表明,该模型具有较高的识别精度,能够快速识别水体,并具有稳定的可扩展性和伸缩性。     

基于Deeplabv3+与CRF的遥感影像典型要素提取方法

为提取高分辨率遥感影像的典型要素(建筑物及道路),基于深度学习,提出一种语义分割与全连接条件随机场(CRF)相结合的提取方法。以Deeplabv3+作为语义分割模型,提取较完整图像分割信息,并将其作为全连接CRF的一元能量函数的输入,利用平均场近似方法进行推理,实现对分割信息边界的优化。通过分析Deeplabv3+模型在噪声样本集数据的训练效果验证其鲁棒性,并基于公开影像及矢量数据源设计大规模遥感训练样本集智能采集系统。采集罗德岛2 000平方公里遥感影像及相对应典型要素标记数据作为样本进行实验,结果表明,该方法分割精度MIoU值达到80.32%,结合形态学滤波处理,要素边界轮廓明显优于初始分割结果。     

A simple automated dynamic threshold extraction method for the classification of large water bodies from landsat-8 OLI water index images

Traditional manual methods of extracting water bodies from remote sensing images cannot satisfy the requirements for mass processing of remote sensing data, and new automated methods are complicated and require a large amount of auxiliary data. The histogram bimodal method is a frequently used objective tool for threshold selection in image segmentation. However, automatically calculating the threshold is difficult because of complex surfaces and image noise, which lead to imperfect twin peaks. To overcome these difficulties, we developed an operational automated water extraction method. This method does not require the identification of twin histogram peaks but instead seeks minimum values in the threshold range to achieve an automated dynamic threshold. We calibrated the method for 18 lakes in China using Landsat 8 Operational Land Imager images, for which the relative error (RE) and coefficient of determination (R²) for threshold accuracy were 2.1% and 0.96, respectively. The RE of area accuracy was 0.59%. The advantages of the method lie in its simplicity and minimal requirements for auxiliary data while still achieving an accuracy comparable to that of other automatic water extraction methods. It can be applied to mass remote sensing data to calculate water thresholds and automatically extract large water bodies.     

不同指数法在地表水体提取中的效果比较

由于遥感技术能够快速、高效地获取地表水体的时空分布特征,目前基于影像提取内陆水体的方法很多,但针对不同类型的水域,哪一种方法提取效果更好,是值得探讨的问题。以天健湖、须水河和黄河郑州段3个水域为研究对象,基于GF-2,Landsat 8,SPOT5卫星影像,采用水体、植被指数法等几种方法提取水域部分。通过分析提取效果,得出:对于水体较浅的天健湖,无论是GF-2还是Landsat 8影像,提取效果较好的方法是水体指数法,提取效果较差的均为单波段阈值法;对于相对较深的须水河,无论是GF-2还是Landsat 8影像,提取效果较好的方法是植被指数法,提取效果较差的均为单波段阈值法;对于含沙量较大、有细小水体的黄河水域,提取效果相对较好的是水体指数法,较差的是单波段阈值法和植被指数法。表明:在基于影像提取水体时,首先应弄清水域的情况,以采用相应的遥感指数。     

基于遥感图像水体识别与检测研究综述

地表水的勘测对于海岸线变化、环境保护、防灾减灾、水质检测都有重要的意义,借助遥感图像可以快速、反复、精确地获取到地表水的时空分布特征。文章调研国内外学者在遥感图像水体识别方向的研究成果,简述基于遥感技术的水体识别方法。其中,阀值法通过对水体和背景地物的光谱曲线进行分析,选取适合的阈值进行图像分割,操作简单便利,存在信噪比低、易将水体与背景地物混淆的问题。决策树法和自动提取水体法解决了阈值法的显著缺点,然而很难在精确度上得到进一步的提升。近年来,随着深度学习的广泛应用,逐渐被用于遥感图像的水体提取,深度学习方法具有优秀的特征提取能力,在提取精度上有很大提升,然而深度学习过度依赖带有标签的样本数据,因此具有一定的局限性。对样本进行标记需要消耗大量的时间、人力,因此,无监督学习对于遥感图像的水体识别具有重要意义。     

遥感湖泊面积MTMF提取方法及空间尺度效应研究

主要研究遥感湖泊面积亚像元分解提取方法和空间尺度效应,为遥感湖泊面积提取、检验及基于此的局地气候变化分析提供科学的基础数据。在对TM遥感数据进行升尺度处理的基础上,采用混合调制匹配滤波(Mixture Tuned Matched Filtering,MTMF)进行亚像元分解,得到不同空间分辨率的湖泊面积。进而分析不同面积湖泊随遥感空间尺度的变化。结果表明:(1)当通过对高空间分辨率的遥感数据重采样获取多尺度遥感影像进行湖泊面积提取及湖泊空间尺度效应分析时,采用最近邻法比像元聚合重采样法更合理。(2)MTMF亚像元分解法可以用于基于水体光谱特征的遥感湖泊边界提取和面积计算,但边界提取过程中容易将湖泊与河流或其他非湖泊的水体混淆。(3)遥感湖泊面积的提取结果受所用遥感影像空间分辨率的影响较大,影像的空间分辨率越低,湖泊面积提取的偏差越大,尤其对面积较小的湖泊。     

面向云覆盖的遥感影像时空融合深度学习方法及其应用

遥感影像时空融合是一种获取高时空分辨率数据的有效手段,但现有方法在选定基础数据对时要求预测时间低分辨率数据无云覆盖影响,这极大地限制了其应用潜力。为此,提出一种面向云覆盖的遥感影像时空融合方法,即在深度学习框架下,构建重建子网络恢复预测时刻云下缺失信息,将重建后的低分辨率影像与前后相邻时刻高、低分辨率数据对构建时空融合子网络,得到最终的融合影像。以安徽淮南采煤沉陷区Landsat和MODIS反射率数据为例,对预测时刻MODIS数据模拟不同缺失率的云污染;利用所提方法进行时空融合实验,进而比较深度学习与传统方法融合数据对水体信息的提取效果。结果表明：该方法融合结果各波段的RMSE和SSIM均取得较好的定量评价效果,且总体优于传统方法;沉陷区水体提取实验表明本方法水体提取结果更加接近真实观测影像。因此,该方法降低了时空融合对数据的限制要求,且具有更高的融合精度和更有效的应用性。     

Landsat8卫星影像大气校正及其植被指数与SEVI性能比较

遥感影像受大气的吸收散射以及地形起伏变化的影响，使得传感器接收到的辐射信号既包含了地物的信息，同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度，需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法，该方法由6S辐射传输模型生成查找表，其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素，这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表，对于Landsat-8 OLI传感器具有很高的通用性，通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后，采用目视解译、统计分析将校正结果与SEVI做对比分析，比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。     

Landsat8卫星影像大气校正及其植被指数与SEVI性能比较

遥感影像受大气的吸收散射以及地形起伏变化的影响,使得传感器接收到的辐射信号既包含了地物的信息,同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度,需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法,该方法由6S辐射传输模型生成查找表,其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素,这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表,对于Landsat-8 OLI传感器具有很高的通用性,通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后,采用目视解译、统计分析将校正结果与SEVI做对比分析,比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。     

Comparison of atmospheric correction algorithms for TM image in inland waters

In order to extract quantitative water‐leaving information from the Thematic Mapper (TM) image accurately in inland waters, atmospheric correction is a necessary step. Based on former researchers' results, the paper presents two atmospheric correction algorithms based on meteorological data (MD) and on Moderate Resolution Imaging Spectroradiometer (MODIS) Vicarious Calibration (MVC) for TM image in inland waters according to the theory of radiative transfer. Studying Taihu lake, China, in this paper we derived water remote sensing reflectance from a TM image of 26 July 2004 by these two atmospheric correction algorithms and we compare the results with that of dark object subtraction (DOS) and 6S code. The results show that the effect of atmospheric correction based on meteorological data and MODIS Vicarious Calibration is much better than that of DOS and 6S code. Although the MD is more accurate, MVC may be an ideal choice for TM images in inland water because TERRA MODIS images can be acquired easily than collecting meteorological data at the time of satellites passing over.