基于自编码网络特征优化的城市高分遥感影像分类

高分遥感影像不仅地物比较清晰,而且可分辨能力强,能提供丰富的地物细节信息.为了更好地将各地物从遥感影像中提取出来,需要一些比较好的特征提取与特征优化方法.以北京市大兴区的WorldView-2高分遥感影像作为研究对象,基于eCognition软件和Matlab的DeepLearn Toolbox,利用自编码网络方法,进行遥感影像的特征提取与特征优化.实验中首先利用eCognition进行多尺度分割并提取42个特征,再利用自编码网络算法进行特征优化得到12个特征,最后将原42个特征影像分类结果与优化后特征子集影像分类结果进行对比.实验结果表明,经过自编码网络的特征空间优化后,减少了特征冗余,降低了干扰信息对分类精度的影响,分类精度、分类效果及分类效率都有所提高,优化后的特征空间是适用于高分遥感的地物分类的.     

融合低秩和形态学的高光谱影像特征提取

高光谱遥感影像具有较高的光谱分辨率,能够精细刻画地物的反射光谱,具有很高的地物分类与识别能力. 但高维波段之间通常具有较高的相关性,冗余度高,为影像处理和分析带来负担. 针对高光谱影像特点的特征提取和选择为有效提取信息提供了保障. 提出一种融合低秩和形态学的特征提取方法(MSEMP),利用低秩来精简高光谱影像中的冗余信息,获取秩最小的光谱紧致表达,并在此基础上利用多形态多尺度结构元素提取形态学剖面,获取影像空间特征. 实验对AVIRIS和ROSIS传感器的两组数据进行测试,通过MSEMP提取特征后进行分类实验,可以获得较高的分类结果,证明了低秩和形态学相结合的特征提取方法的有效性.     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

遥感影像信息提取技术的研究与实现

随着遥感技术的发展和遥感应用的深入,遥感影像信息提取方法的研究成为关注的焦点.一般来说遥感影像信息提取包括分类、识别和特征提取.文中主要研究利用MATLAB实现影像中的光谱特征和纹理特征的提取和分类,并结合ERDAS软件对影像进行预处理和分类后处理以及精度评定,最终从精度评定结果来看,两种特征分类的总体精度较高,另外,图像的结构信息有助于提高遥感影像信息提取的精度.     

高分辨率遥感影像结合LiDAR数据的面向对象分类方法

为了更准确地对遥感数据进行分类,结合Geo Eye高分辨率遥感影像和机载Li DAR数据,通过对分割参数、特征选择、分类规则等特征进行研究,提出采用面向对象的模糊分类方法——成员函数法选择实验区进行了分类研究。实验结果表明:该分类方法能够更有效地提取出建筑物、煤堆、灌木等矿区典型地物,总体分类精度达到93.92%,KIA为92.52%,分类精度相比单一遥感数据明显提高。     

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.     

基于细化分割的遥感影像水体边缘轮廓提取

为实现遥感影像的水资源特征识别,需要对遥感影像中的地表水体边缘信息进行有效检测识别,提出了一种基于细化分割的遥感影像水体边缘轮廓提取识别方法。采用卫星遥感技术进行高分辨率遥感水陆场景图像成像,通过灰度像素增强技术进行遥感影像空间分辨率增强处理,在不同场景纹理中进行遥感影像空间像素特征重构,以中心像素的灰度值为阈值建立遥感影像陆地地物的空间结构特征辨识模型,采用细化分割方法进行遥感影像的水体边界点分割处理,采用形态学滤波方法进行遥感影像水体边缘轮廓检测过程中的细化分割和滤波,对水陆粗分离结果进行形态学闭运算处理,根据细化分割结果进行水体边界平滑处理,实现对遥感影像水体边缘轮廓的提取。仿真结果表明:采用该方法进行遥感影像水体边缘轮廓提取的精度较高,水体边界平滑性较好,轮廓特征的辨识度较高。     

遥感影像的云及其阴影覆盖区光谱重构

以往遥感影像的云及其阴影去除方法侧重于受遮盖地物的几何特征恢复,不利于基于光谱特征的信息提取。为此,提出一种基于地物类别特征的光谱重构方法,采用两期相邻年份相近物候期的遥感数据,借助归一化差值和决策树分类的方法,检测厚云及其阴影,并提取相应区域地表覆盖类型信息,对两时相遥感影像各波段被遮挡区的每种地物类别做线性回归分析,获取被遮挡区的重构数据。实验结果表明,该方法在恢复受云影响地物几何信息的同时,较好地实现了遮盖区地物光谱信息模拟。     

面向对象的高分辨率遥感影像城市地物信息提取研究

以沈阳东陵区IKONOS影像为实验数据,采用面向对象分类,构建包含光谱特征、几何特征、纹理特征、拓扑关系等规则的知识库,对城市地物信息进行提取,并将其与基于像素方法的分类结果进行对比分析。研究结果表明：基于多尺度分割的面向对象的分类方法可以有效地避免传统的基于像素分类时出现的＂椒盐＂现象,分类结果更加符合人类的思维方式,更接近真实值,总体分类精度达到92.5%,比基于像素分类方法更适合作为城市地物专题数据库更新的有效方法。     

基于增强图注意力网络的高光谱影像分类方法

高光谱遥感影像中隐含了不同地物的光谱特征,高光谱地物分类成为了遥感领域的一个研究热点。高光谱数据存在维度灾难以及训练样本标签过少等问题,进而影响了其分类精度。针对此问题,文章提出一种空-谱特征融合的增强图注意力网络高光谱影像分类方法,即从高光谱数据中获得初始的空-谱特征作为图的节点属性,并以节点的相邻关系构建图结构;将空-谱特征初步融合的高光谱图数据作为输入,并通过增强图注意力来提取节点的空-谱特征;以深度融合的空-谱特征来实现精准的高光谱地物分类。经在龙口和汉川数据集上的实验测试结果表明：这一方法能够有效提取深度融合的空-谱特征,总体分类精度分别达到99.62%和95.45%,实现了高光谱地物的精准分类。     

图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场（DFBR：DiscreteFractalBrownRandomfield）模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法。该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测。地物空间分布及其影纹结构边缘特征的差异,使计算分形维数所选窗口大小成为关键。选取研究区局部地段高空间分辨率遥感影像作为实验数据,通过计算不同窗口下像元分形维数,得到最佳边缘信息提取的计算窗口。实验结果表明,该算法在同类计算中更符合遥感数据的特点,提高了遥感影像地物边缘信息提取精度。     

基于CORONA KH-4B影像的湿地景观格局重建——以杭州西溪湿地为例

多源遥感影像是湿地制图和变化检测的重要依据,目前使用的商业高分辨率遥感影像仅能重现近20 a的湿地景观格局.利用解密的美国20世纪六七十年代CORONA KH-4B高分辨率间谍卫星影像,以杭州西溪湿地为例,利用面向对象分类方法进行湿地地物自动分类,进行湿地景观格局指数提取.结果表明,利用CORONA KH-4B影像和面向对象分类方法可有效进行湿地分类,重现近50 a前湿地景观格局.与近期Worldview 2影像和高分1号影像的提取结果的对比表明,50 a前西溪湿地主要呈耕地景观要素与池塘、河流等湿地景观要素共存的格局,后者在农业开发的影响下破碎度较高;现今西溪湿地区域优势景观要素为湿地与城市建筑,该演变的主要驱动力为杭州城西建设与西溪湿地综合保护工程的实施.     

顾及资三卫星全色与多光谱数据的植被信息提取研究

目前遥感影像数据量正以TB级的存储量不断增加,但是遥感信息提取的方法远远不能满足各行业的实际需求.因此,研究遥感影像的信息提取方法就显得尤为重要.以河北省雄安新区植被信息提取为例,顾及资源三号卫星全色影像的高分辨率,多光谱影像的空间信息、光谱信息和纹理信息,基于样本信息的面向对象分类技术,选择具有代表性的样本信息,在分类过程中引入NDVI信息作为补充规则进行植被信息半自动化提取,使分类结果精度达到了92.7%.实验结果表明,该技术方案操作简易,实用性较好,不仅有利于实时精确获取植被信息,方便未来城市生态环境的动态监测,且有助于推动未来城市土地规划和土地管理的发展.     

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.     

湿地植被遥感提取及动态变化研究——以崇明东滩为例

针对研究区植被光谱特征的相似性,通过对崇明东滩植被地物光谱特征的分析,利用遥感影像原始波段及新构造的DVI、TRVI、Brightness、Greenness、Wetness、TNDWI、NDVI等指数合成新图像,采用监督分类与分层分类相结合的方法,实现了研究区湿地植被信息的提取,该方法分类总精度达到82.50%.近30年湿地植被信息动态变化分析结果表明:1985—2002年间海三棱藨草的面积不断减少,2002—2013年间海三棱藨草的面积先增后减少.1985—1989年间芦苇面积有较大幅度的增长,1989—2013年间芦苇面积不断减少.2002—2013年间,互花米草面积不断增加.     

基于视觉注意机制和Hough变换融合的遥感影像油罐提取

Hough变换用于遥感影像地物提取时具有较高的精度,但其算法非常复杂,效率较低。为提高Hough变换处理效率,提出了一种融合视觉注意机制和Hough变换遥感影像提取算法,并以油罐提取为例验证其有效性。首先提取影像的视觉显著性特征图,获取油罐目标显著性区域;然后对显著性区域进行Hough变换检测,得到油罐目标。实验结果证明,该方法能大幅减少Hough变换的计算量,提高效率的同时,提取精度也较高。     

基于支持向量机与相关向量机的高光谱图像分类

高光谱遥感是将目标探测技术与光谱成像技术相结合的多维地物信息获取技术,可以同时获取描述地物分布的二维空间信息与描述地物光谱特征属性的一维光谱信息。相对于多光谱遥感,高光谱图像具有更加丰富的地物光谱信息,可以详细地反映待测地物细微的光谱属性,使地物的精确分类成为可能。本文通过对SVM与RVM的理论研究与对比分析,将这两种高维数据处理算法应用于同一高光谱图像中进行分类研究。实验结果表明,SVM的总体分类精度要略高于RVM的总体分类精度。     

土地利用/覆被遥感分类评价与季节变化分析——以连云港为例

基于遥感影像地物的季节变化特征对土地利用/覆被(LUC)信息提取的重要性,使用中巴卫星冬末、春末及秋季的影像,采用最大似然法对连云港沿海区域进行了土地利用/覆被分类,评估了其精度与误差,并对3个时期的土地利用/覆被空间分布特征及季节变化进行了研究.结果表明:分类精度最高的季节为秋季,其总体精度(85.2%)和总体Kappa系数(0.81)可以满足土地利用环境影响分析的要求;不同季节土地利用/覆被类型转移主要涉及高密度建设用地与水体之间、低密度建设用地与耕地及高密度植被之间、高密度植被与高低密度建设用地之间等;沿海地区土地利用/覆被季节变化特征可用于辅助公路等线状地物的提取、耕地利用季节变化的检测、沿海滩涂空间布局的调查分析等.     

一种基于特征提取的遥感影像融合法

介绍了目前遥感影像融合的几种常用方法,提出了一种基于影像特征信息提取的遥感影像融合算法.该算法先用小波提取影像边缘信息,然后将边缘信息加入到彩色影像中,试验结果证明,这种融合方法突出了影像边缘轮廓,利于图像的判读.     

一种基于特征提取的遥感影像融合法

介绍了目前遥感影像融合的几种常用方法,提出了一种基于影像特征信息提取的遥感影像融合算法.该算法先用小波提取影像边缘信息,然后将边缘信息加入到彩色影像中,试验结果证明,这种融合方法突出了影像边缘轮廓,利于图像的判读.