最优尺度下的面向对象建筑物提取北大核心CSCD

针对基于面向对象方法提取建筑物准确度与精度不高的问题,提出了一种面积方差最优尺度分割法。该方法利用SPOT 5卫星遥感影像,根据建筑物特征对影像进行多尺度分割,以所有类别分割对象与实际目标匹配程度作为衡量的依据获得最优尺度。在不同尺度等级的对象层次上,根据对象的多特征组合,完成对建筑物分层分类提取。实验结果表明,该方法大大减少了分类的不确定性,获取了较高的精度,为建筑物准确提取提供了思路。     

面向对象的高分影像房屋提取方法对比分析

本文对研究区影像进行基于边缘检测的多尺度分割,运用基于规则的信息提取和基于样本的信息提取方法进行分类.基于规则的信息提取处理过程中考虑影像的光谱、形状、纹理等特征;在基于样本的信息提取方法中,用PCA、SVM、KNN进行信息提取.将目视解译结果当作验证样本,进行精度评价.基于规则的提取方法对漏分现象处理最佳,制图精度最...     

基于对象建模的遥感影像建筑物提取方法

研究城镇建筑物的提取是遥感影像分析应用中的一项重要内容.遥感影像建筑物结构和光谱的多样性,使结构、光谱等特征的建筑物提取变得极其复杂.根据遥感影像的建筑物纹理区别于其它空间对象纹理的特点,为提高影像分辨率,提出Gabor纹理块的遥感影像对象模型方法应用于遥感影像城镇建筑物的提取.以整个城镇为对象,以建筑物、道路、绿地等不同城镇区域为组成对象的纹理块,建立基于纹理块的对象模型,利用模型进行遥感影像对象的纹理标定,最终提取出城镇建筑物.实验结果表明方法克服了建筑物结构复杂性和多样性以及背景环境的影响,能很好地从城镇遥感影像中提取建筑物.     

基于改进Mask-RCNN的遥感影像建筑物提取

由于遥感影像中建筑物种类繁多且与周围环境信息混淆,传统方法难以实现建筑物的准确高效提取.本文提出了一种基于改进Mask-RCNN的建筑物自动提取方法,利用PyTorch深度学习框架搭建改进Mask-RCNN网络模型架构,在网络的设计中添加了路径聚合网络和特征增强功能,通过监督和迁移学习的方式对Inria航空影像标签数据集进行多线程迭代训练与模型优化学习,实现了建筑物的自动精确分割和提取.基于不同开源数据集,分别与SVM、FCN、U-net和Mask-RCNN等建筑物提取算法进行对比,实验表明,本文方法可以高效准确、高效地提取建筑物,对于同一个数据集,提取结果的mAP、mRecall、mPrecision和F1分数这4个评价指标均优于对比算法.     

多光谱遥感影像建筑物提取

针对传统遥感影像目标提取对数据要求严格及应用受限的问题,提出一种基于非线性尺度空间滤波的建筑物提取算法.首先,构造多光谱影像各个波段的非线性尺度空间并进行迭代滤波;然后,搜索全局影像的标准差曲线的第一个谷点,停止迭代过程;最后,利用最大类间方差法分别对各个波段的滤波结果进行二值化.为了验证本文方法的有效性,选取福州市的一幅航空影像,并与同类方法进行对比.试验结果表明,本文算法能在平滑噪声的同时保留建筑物边缘信息,对于提取排列紧密的建筑物有更好的效果,在保证查准率的前提下,查全率有5%以上的提高.     

基于规则信息的无人机图像建筑物提取

基于规则信息的无人机图像建筑物提取,首先要对待处理图像进行图像分割,经过大量的实验确定分割阈值为0.3,通过定义规则信息,解决了建筑物纹理特征与光谱特征与道路、裸地相似的问题,同时,将原始图像的提取结果和与进行主成分分析(PCA)处理后的图像的提取结果进行对比,证明了PCA后的图像提取精度高达85%。     

基于面向对象的高分影像分类研究

遥感技术已经成为实现地表信息提取的主要手段。以高分辨率影像为主要数据源,采用面向对象的多尺度分割算法,根据对象的光谱、形状等特征,实现了面向高分遥感数据的土地利用分类算法。该算法结合了面向地物对象和综合对象特征的分类方法,充分发挥了高分辨率影像进行精细地物分类的优势,得到了高精度的分类结果。通过西双版纳纳板河流域国家级自然保护区实例验证表明:该算法总体精度达到88.58%,Kappa系数达到0.77,精度符合应用要求,能够实现土地利用高精度、快速的分类。     

高分辨率遥感影像GeoEye-1在黑河下游柽柳生物量估算中的应用

以黑河下游绿洲柽柳为研究对象,利用高分辨率遥感影像GeoEye-1柽柳分类结果,基于典型样点生物学特性调查与生物量试验,建立柽柳冠幅面积与生物量关系模型,计算研究区柽柳地上部分的生物量,分析黑河0~2、2~5、5~10与10~15 km不同缓冲带柽柳生物量空间分布规律。结果显示:研究区柽柳总生物量为4.10×10⁵ t,其中:0~2、2~5、5~10与10~15 km缓冲带内柽柳生物量分别为2.34×10⁵、1.07×10⁵、6.35×10⁴和5.17×10³ t。河流距离对柽柳生物量影响显著,单位面积柽柳生物量随着与河流距离的增加而减少,二者相关系数为-0.97。     

多特征融合的高分辨率遥感影像建筑物分级提取

目的 针对高分辨率遥感影像普遍存在的同谱异物和同物异谱问题,提出一种综合利用光谱、形状、空间上下文和纹理特征的建筑物分级提取方法。方法 该方法基于单幅高分辨率遥感影像,首先利用多尺度多方向梯度算子构造的建筑物指数和形状特征提取部分分割完整的矩形建筑物目标;然后由多方向线性结构元素和形态学膨胀运算确定投票矩阵,从而获取光照方向,并利用光照方向和阴影特征对已提取建筑物进行筛选,剔除非建筑物对象,完成建筑物初提取;最后借助初提取建筑物对象的纹理特征向量建立概率模型,取得像素级建筑物提取结果,将该结果与影像分割相结合实现建筑物提取。结果 选取两幅高分辨率遥感影像进行实验,在建筑物初提取实验中,将本文方法与邻域总变分法和Sobel算子进行对比,实验结果表明,本文方法适用性强,为后提取提供的建筑物样本可靠性更高。在建筑物提取实验中,采用查准率、查全率和F₁分数3个指标进行定量分析,与形态学建筑物指数结合形态学阴影指数算法、邻域总变分结合混合高斯模型和贝叶斯判决算法相比,各项精度指标均得到显著提升,其中查准率提高了2.90个百分点,查全率提高了12.49个百分点,F₁分数则提升了8.84。结论 本文提出的建筑物分级提取方法具备一定抗干扰能力,且提取准确性高,适用性强。     

利用边缘检测对高分辨率影像中建筑物的提取研究

遥感作为一种探测技术,越来越广泛地运用到城市建设等应用研究领域中。近年来,高分辨率遥感影像的应用推动了城市遥感进一步向定量化方向发展,同时,也大大增加了数据处理的工作量。如何从海量的遥感数据中筛选出有价值的信息一直是遥感影像处理工作最需要解决的难题。将尝试使用Sobel算子与数学形态学相结合的方法,利用2001年阜新市区的QuickBrid多光谱影像,探索一种高分辨率多光谱影像建筑物的提取方法。
     

基于Hough变换的高分辨率遥感影像城市直线道路提取

根据高分辨率遥感影像城市直线道路特性,提出在图像分割获得道路网轮廓的基础上,使用Hough变换检测道路所在直线,对直线进行道路判断,再将所得道路段进行修剪、连接形成道路网,实现道路提取。实验结果表明,该方法能有效的从高分辨遥感影像中提取城市直线道路。     

高分辨率遥感影像信息提取及块状基元特征提取

分析了基于目标基元的遥感信息提取技术相对于传统的基于像元的处理方式所具有的优势;结合人类视觉机制和计算机尺度空间理论,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术流程框架,即在大尺度下进行粗分割后进行块状基元提取的技术及实现过程;最后给出了相关实验结果,实验表明本文提出的基于基元的遥感信息提取便于与视觉知识和环境知识更好地结合,提高了遥感信息处理与应用的自动化和智能化水平。     

基于对象级的高分辨率遥感影像分类研究

依据高分辨率遥感影像的特点,结合深圳市QUICKBIRD数据提出一种基于多尺度分割的对象级遥感分类方法。文中首先利用分形网络演化法(FNEA)进行多尺度图像分割,获取对地表实体更具代表性的图像对象,然后利用对象所包含的光谱、空间特征来确定地物识别中可能要用到的各种特征参数,最后通过构建语义结构实现了研究区地物的逐级分层分类。研究结果表明,本文所采取的方法比传统方法在分类精度上有了明显的提高,为高分辨率遥感影像的信息提取提供了新的技术途径。     

一种基于模糊关联分类的遥感图像分类方法

遥感图像分类是遥感领域的研究热点之一.提出了一种基于自适应区间划分的模糊关联遥感图像分类方法(fuzzy associative remote sensing classification,FARSC).算法根据遥感图像分类的特点,利用模糊C均值聚类算法自适应地建立连续型属性模糊区间,使用新的剪枝策略对项集进行筛选从而避免生成无用规则,采用一种新的规则重要性度量方法对多模糊分类规则进行融合,从而有效地提高分类效率和精确度.在UCI数据和遥感图像上所作实验结果表明,算法具有较高的分类精度以及对样本数量变化的不敏感性,对于解决遥感图像分类问题,FARSC算法具有较高的实用性,是一种有效的遥感图像分类方法.     

线段提取在高分辨率遥感图像建筑物识别中的应用

提出一种基于感知组织的线段提取方法．该方法有两大特点：在基本线段提取算法中使用了模板,并且在线段合并过程中综合考虑了直线和物体的形状特点．运用该方法对高分辨率遥感图像中的建筑物进行识别,取得了良好效果。     

基于小波变换的卫星遥感地图中建筑物识别

建筑物作为城市的一个重要特征,对它的识别已经被广泛应用在城市仿真等许多领域。目前,传统方法通常采用基于建筑物边缘线性特征的识别算法,虽然该类方法具有简单高效的特点,但识别率较低。提出了一套基于小波变换的建筑物识别方法。首先,利用二进小波变换检测建筑物边缘,然后通过计算基于小渡的仿射不变量识别建筑物,最后构建了建筑物轮廓模式数据库。实验结果表明所提方法能够准确有效地识别卫星遥感地图中的建筑物。     

基于多特征的城市用地高分辨率影像分类与提取

利用高分辨率影像对象的多特征信息,采用面向对象的影像分析技术与多尺度影像分割技术,建立基于多特征的遥感影像分类模型,提取城市用地信息,为城市用地的合理规划与有效管理提供信息支撑。该方法分类速度快、精度高,为遥感影像信息的分类与提取提供了新的思路。     

基于知识发现和决策规则的遥感图像城区土地覆盖/利用分类方法

提出一种利用地类的色度信息、小波提取纹理特征、植被指数及形状知识等采用规则推理有效识别遥感土地类别的方法。采用知识发现和决策规则方法,可以充分吸收遥感专家的思想和工作经验,可以充分利用多种模糊性地学知识来提高遥感影像分类效果。最后通过实例证明了该方法的有效性。     

遥感图像分形特征提取与分割

分形理论由B.B.Mandelbrot于20世纪70年代中期创立,现已被广泛地应用于自然科学和社会科学的几乎所有领域.本文在前人研究的基础上,利用双毯法(Double Blanket Method)提取出图像的分形特征并用于图像分割,进一步证实了分形在此领域的可行性和有效性.首先,通过比较局部分形维数偏移全局分形维数的标准差来确定适合该方法的最优滑动窗口.其次,考虑到单尺度分维特征的局限性,提取出多尺度的特征值并建立分形维数谱.然后,以模拟图像为例,分析图像中各区域的分维谱,选择适当尺度的分形特征,利用最大似然法对图像进行分割.最后,将分形理论应用于遥感图像中,与传统的基于灰度值特征的图像分割方法相比,加入图像的空间分形纹理特征后分割精度明显提高.研究结果表明:分维值的大小和变化趋势可以表示不同地物的空间复杂度,结合地物的光谱以及灰度信息能有效地识别目标地物.     

基于SC特征的叶片图像识别研究

提出一种基于改进SC形状上下文描述子的叶片图像特征提取方法.利用颜色聚类分割图像,使用Ostu算子实现二值化处理,提取图像边缘轮廓,结合形状上下文(SC)描述子提取图像轮廓特征,计算匹配代价矩阵,利用匈牙利算法获得最小匹配代价.结果表明该算法具有较高的识别准确度.