面向对象的高分辨率影像采煤塌陷地提取

煤炭开采引起了塌陷等一系列的地质环境问题,与常规监测方法相比,遥感技术可以实现大范围、高效率、周期性的动态监测。在遥感影像分类方法中,面向对象的遥感影像分类方法能更好地利用高分辨率遥感影像中丰富的纹理和几何结构信息。针对煤炭开采导致的地表塌陷地的特点,在归纳整理遥感影像中塌陷地判识准则的基础上,重点探讨了面向对象的遥感影像分类方法中塌陷地的自动提取规则。综合利用ERDAS IMAGINE9.2、ENVI4.7和ENVI4.4 ZOOM进行数据处理,以安徽省淮南矿务集团潘三矿区为实验区,用该方法利用SPOT５影像进行了塌陷地信息提取实验,结果证明,面向对象分类方法能有效地从高分辨率遥感影像中自动提取塌陷地相关信息。     

基于SAM与SVM的高光谱遥感蚀变信息提取

高光谱遥感技术的发展,提高了遥感技术的定量化水平,要求人们从光谱维去理解地物在空间维的变换。提出了一种光谱角匹配技术（Spectral Angle Mapper,SAM）与支持向量机（Support Vector Machine,SVM）相结合的高光谱遥感蚀变信息提取模型,在光谱维提取地表的蚀变信息。鉴于SAM算法仅考虑波谱矢量方向,忽略辐射亮度大小的缺点,利用SVM算法对SAM的提取结果进行二次分类,利用网格搜索法并结合分类精度评估进行参数寻优。通过AVIRIS高光谱数据实验证明,提取的蚀变信息分类精度为78.172 6%,Kappa系数为0.712 5。该模型计算方便,对于解决光谱维的地物分类及相似矿物的蚀变信息提取具有一定的实际意义。     

竹资源专题信息提取纹理特征量构建研究

在"同物异谱""异物同谱"问题较为严重的区域,单纯利用光谱信息难以有效地提取出竹资源专题信息。研究以ALOS影像为数据源,以南方多山县顺昌为试验区域,在考虑海拔、坡向、坡度等地形因子的前提下,通过分析竹、马尾松、杉木和其他树种等典型植被的纹理特征差异,构建了最佳纹理量,在此基础上,分别利用基于像元与面向对象的监督分类方法进行竹资源专题信息提取。经精度验证,提取的总体精度分别为71.5%、74.0%,说明:单纯利用纹理特征量亦能使竹资源专题信息的提取精度达到与单纯利用光谱信息相当的水平;通过最佳纹理量的构建,可以较有效地利用地物的纹理信息,从而更有效地利用遥感影像丰富的信息;实践证明了纹理特征量用于竹资源专题信息提取的可行性,为综合利用光谱与纹理信息进行专题信息提取的研究提供了实例支撑和技术参考,可以预见,基于光谱、纹理特征和地形因子的竹资源专题信息提取精度将得到进一步提高;在纹理特征量构建基础上进行竹资源专题信息提取,面向对象的监督分类较之于传统基于像元的监督分类的精度稍高,连续性更好。     

基于多特征的遥感影像土地利用/覆盖分类——以腾格里沙漠东南边缘地区为例

由于建筑物的材质不同、高楼阴影等使居民地的自动提取成为遥感技术的一个难点, 而且, 在干旱、半干旱区, 泥质房顶的居民地与泥质荒漠有异物同谱现象使居民地信息提取更加困难。准确了解防护林草的变化信息对维护沙漠铁路、公路的正常运行, 保护绿洲都有重要的意义, 而防护林草与荒漠草原因为有相同的荒漠植被类型而波谱相似, 所以在干旱、半干旱地区土地利用/ 覆盖的遥感影像分类, 普遍受到同物异谱和异物同谱现象的影响和制约, 使传统基于光谱特征的分类方法精度低。仔细分析了研究区典型地物的光谱特征和同物异谱与异物同谱现象, 并结合实地考察建立了分类体系。基于知识对监督分类的结果做后处理, 准确地提取了居民地和防护林草类型, 并对分类结果进行了精度评估。结果表明: 与传统的基于光谱特征的分类方法相比, 基于多特征的遥感影像分类精度明显提高。     

土地覆盖遥感专题信息的分层提取方法及其应用

重点讨论了土地覆盖遥感专题信息的分层提取方法,即根据各类目标的不同特征,采取相应的信息提取方法,分别建立专题信息层,最后把各专题层合并得到整体分类图;在此方案实施过程中,对各类目标开展了野外遥感调查和特征系统分析,并对样本区进行了ＧＰＳ定位,以获取空间辅助信息,提高提取精度;分层提取方法充分考虑到各类目标的不同特点,从而避免了通常分类方法中,单纯利用光谱特征所造成的地物混分现象     

基于Hyperion影像的辽东湾水体信息自动分类

通过对辽东湾地区(局部)的水体、土壤及植被等主要地物波谱特征的对比分析及海水与淡水的波谱特征的对比分析,确定了高光谱遥感数据中的水体敏感波谱区间及区别海水与淡水的特征波谱区间,提出了基于连续波谱的水体信息提取与分类的利率法及双吸收深度模型,该方法在提取水体信息时不受山地阴影的影响,提高了水体信息的提取准确度。基于此方法和模型对研究区进行了海水与淡水信息的提取与分类,结果与实际情况吻合良好,为利用高光谱遥感数据进行水体信息提取分类,实现更好的水资源管理、洪水监测、海水入侵监测以及内河水入海口对海水的影响监测提供了有效的理论方法和技术手段。     

高分辨率遥感影像中道路震害信息的识别方法

大地震之后,紧急救援物资运输迫切需要了解灾区道路的震害信息,然而当前对遥感影像中道路的震害信息提取大多是基于像素的,提取的精度普遍不高。提出了一种面向对象的道路震害信息提取方法,通过综合利用道路的多种影像特征及震前GIS矢量道路相结合来提取道路,然后依据提取道路的完整程度来识别道路震害信息。采用汶川灾区的遥感影像为例进行了实验,与目视判读的结果比较后证明该方法有效改善了信息提取的速度和精度。     

RS在矿山动态监测中的应用——以新疆稀有金属矿集区为例

研究了利用遥感技术开展矿山动态监测的方法与技术路线,即通过遥感图像的信息提取、解译,结合实地调查,对矿山开发状况和矿山生态环境进行客观的反映。通过对比分析不同时相遥感数据的解译结果,指出工作区存在部分违规采矿行为,很好地实现了对本区采矿行为及影像的动态监测。     

利用SVM与灰度共生矩阵从QuickBird影像中提取枇杷信息

以福建省莆田市东圳水库库区为例,采用QuickBird卫星影像,利用主成分分析方法对灰度共生矩阵方法提取的地物纹理特征进行筛选,选择最佳的影像纹理特征,组成新的波段组合,并应用支持向量机方法(Support Vector Machine,SVM)进行枇杷树的提取分类,最后与只依靠光谱信息来分类的SVM法分类结果进行比较,其分类总精度由原来的71.33%提高到了86.67%,Kappa系数也由原来的0.6410提高到了0.8293,分类精度明显提高,表明光谱信息加入纹理特征信息能辅助并提升高分辨率遥感枇杷树信息提取的精度。     

南方地区竹资源专题信息提取研究

以顺昌县为研究区域,探讨利用遥感影像提取我国南方地区竹资源专题信息的技术。通过分析竹资源与其它林地在TM影像上的光谱特征差异,采用最大似然法和叠加、掩膜等处理方法,实现提取竹资源专题信息的光谱片层分割。在此基础上,基于灰度共生矩阵,分析竹资源与其它林地的纹理特征差异,提出“基于光谱片层-面向纹理类”的竹资源专题信息提取技术。研究结果表明,采用该技术,竹资源专题信息提取精度可达84.8%,在我国南方地区具有较好的可行性和优越性。     

高光谱遥感数据挖掘若干基本问题的研究

面向高光谱遥感信息的特点，分析了高光谱遥感数据挖掘的形成和作用，在构建其框架体系与处理流程的基础上。探讨了可以发现的知识类型和典型的挖掘模式，并分析了一些主要挖掘算法和关键技术。最后对高光谱遥感数据挖掘潜在的应用方向进行了探讨。     

基于U-Net的高分辨率遥感图像土地利用信息提取

随着现代遥感技术的迅速发展,遥感图像的质量和数量得到了显著的提升,新技术带来的高分辨率遥感图像所蕴含的信息也更加丰富,如何利用人工智能手段辅助挖掘这些丰富的信息也成为了遥感图像分析与理解的重要内容.与此同时,以深度卷积神经网络为代表的人工智能技术在图像处理领域大放异彩.得益于类人眼的分层卷积池化模型,深度卷积神经网络可...     

矿产违法开采信息的快速提取

采用HIS彩色变换并利用遥感数据提取矿区变化区域,将变化区域与土地利用现状矢量数据和采矿权登记矢量数据相叠加,利用地理信息系统快速提取叠加分析功能剔除干扰区域,实现违法采矿信息的自动提取。该方法充分利用遥感数据和矢量数据,避免了单独使用遥感影像数据时必须进行人工监督分类的繁琐操作,其提取违法信息的速度快、费用低廉,有利于及时发现并制止矿产违法开采行为。     

双卷积池化结构的3D-CNN高光谱遥感影像分类方法

目的 高光谱遥感影像数据包含丰富的空间和光谱信息,但由于信号的高维特性、信息冗余、多种不确定性和地表覆盖的同物异谱及同谱异物现象,导致高光谱数据结构呈高度非线性。3D-CNN（3D convolutional neural network）能够利用高光谱遥感影像数据立方体的特性,实现光谱和空间信息融合,提取影像分类中重要的有判别力的特征。为此,提出了基于双卷积池化结构的3D-CNN高光谱遥感影像分类方法。方法 双卷积池化结构包括两个卷积层、两个BN（batch normalization）层和一个池化层,既考虑到高光谱遥感影像标签数据缺乏的问题,也考虑到高光谱影像高维特性和模型深度之间的平衡问题,模型充分利用空谱联合提供的语义信息,有利于提取小样本和高维特性的高光谱影像特征。基于双卷积池化结构的3D-CNN网络将没有经过特征处理的3D遥感影像作为输入数据,产生的深度学习分类器模型以端到端的方式训练,不需要做复杂的预处理,此外模型使用了BN和Dropout等正则化策略以避免过拟合现象。结果 实验对比了SVM（support vector machine）、SAE（stack autoencoder）以及目前主流的CNN方法,该模型在Indian Pines和Pavia University数据集上最高分别取得了99.65%和99.82%的总体分类精度,有效提高了高光谱遥感影像地物分类精度。结论 讨论了双卷积池化结构的数目、正则化策略、高光谱首层卷积的光谱采样步长、卷积核大小、相邻像素块大小和学习率等6个因素对实验结果的影响,本文提出的双卷积池化结构可以根据数据集特点进行组合复用,与其他深度学习模型相比,需要更少的参数,计算效率更高。     

改进卷积网络的高分遥感图像城镇建成区提取

目的 城镇建成区是城镇研究重要的基础信息,也是实施区域规划、落实城镇功能空间布局的前提。但是遥感影像中城镇建成区的环境复杂,同时不同城镇建成区在坐落位置、发展规模等方面存在许多差异,导致其信息提取存在一定困难。方法 本文基于面向图像语义分割的深度卷积神经网络,使用针对特征图的强化模块和通道域的注意力模块,对原始DeepLab网络进行改进,并通过滑动窗口预测、全连接条件随机场处理方法,更准确地实现城镇建成区提取。同时,针对使用深度学习算法容易出现过拟合和鲁棒性不强的问题,采用数据扩充增强技术进一步提升模型能力。结果 实验数据是三亚和海口部分地区的高分二号遥感影像。结果表明,本文方法的正确率高于93%,Kappa系数大于0.837,可以有效地提取出大尺度高分辨率遥感影像中的城镇建成区,且提取结果最为接近实际情况。结论 针对高分辨率遥感卫星影像中城镇建成区的光谱信息多样化、纹理结构复杂化等特点,本文算法能在特征提取网络中获取更多特征信息。本文使用改进的深度学习方法,提出两种处理方法,显著提高了模型的精度,在实际大幅遥感影像的使用中表现优秀,具有重要的实用价值和广阔的应用前景。     

一种基于背景自学习的高光谱图像生物信息提取方法

为了提取指纹、癌变区域等重要的生物信息,传统方法一般是使用物理、化学手段直接作用在信息载体上,这不仅需要较长时间,容易对原有信息及载体造成破坏,而且提取过程不可重现、精度较低.高光谱成像技术避免了获取信息时物理接触造成的破坏,能多次稳定获取图像,成为了一种优秀的生物信息采集途径.在此介绍一种基于背景自学习的高光谱图像信息提取方法,它解决了传统非结构化背景模型适应性不强的问题,利用空间光谱信息进一步提升了信息提取精度.实验证明,该方法能有效对背景信息进行估计,提取完整的生物目标信息,精度优于传统目标信息提取方法.     

基于光谱归一化的变组分光谱混合分析(NMESMA)方法及其应用

混合像元问题在低、中分辨率遥感图像中尤为突出,混合像元的存在不仅会影响地物识别和图像分类精度,也是遥感科学向定量化发展的主要障碍之一。因此,遥感图像混合像元分解及其地表覆盖信息的定量提取是近年来研究的热点。针对城市土地覆盖信息的定量提取问题,利用中等分辨率遥感图像(Landsat TM),集成光谱归一化与变组分光谱混合分析(NMESMA)的方法,基于植被-非渗透表面-土壤(V\|I\|S)模型,定量提取研究区植被、土壤和非渗透表面3类土地覆盖的定量信息,并与固定组分的光谱混合分析(LSMA)分解结果进行对比分析。结果表明:基于光谱归一化的变组分光谱混合分析(NMESMA)方法获得的精度高于传统固定组分的光谱混合分析(LSMA)结果,可有效解决光谱异质性较高的城市区域的混合像元问题,为有效提取城市地表覆盖信息,研究城市生态环境变化和模拟分析,提供了有效的信息提取方法。     

GIS支持下的湿地遥感信息高精度分类方法研究

遥感影像高精度自动分类方法的实现是制约遥感数据应用的瓶颈之一。以知识和地理信息系统为支撑,进行湿地遥感影像的分类,并对各项分类方法的精度进行比较评价,从而为湿地遥感的分类方法提供依据。实验结果表明经辐射增强降噪处理后湿地边界更加明晰;而对于处于生长期的湿地影像,经过光谱增强缨帽处理后,明显提高了区分湿地亚类的精度。结合以上两种分类方法的优势,利用GIS技术对二者进行空间处理,取长补短,生成了湿地遥感影像分类图。实验证明基于3S技术的分类方法精度更高,是一种较好的湿地影像自动分类方法。     

Towards an intelligent multi-sensor satellite image analysis based on blind source separation using multi-source image fusion

In this paper we propose a new approach for land cover classification using blind sources separation (BSS) and satellite image fusion methods simultaneously. Satellite image pixels are represented by radiometric values where each pixel is considered as a mixture of several independent sources. The BSS methods were developed in order to extract maximum information from different statistical features such as spatial correlation and local high order statistics. The statistical independence of the sources can be obtained through the joint approximate diagonalization of eigen-matrix in two dimensions (JADE-2D) algorithm. A reduction of spatial correlation can be obtained using the second order blind identification in two dimensions (SOBI-2D) algorithm. Non-Gaussianity can be measured using the fast-independent component analysis in two dimensions (Fast-ICA-2D) algorithm. These algorithms allow extraction of features by estimating the source images, mixing and un-mixing the matrix. These source images will be used by our framework as secondary knowledge, which is useful for a supervised classification.     

The Dynamic Extraction of Classification Rules for Land Consolidation through Object-oriented Features Space Optimization

The high resolution remote sensing image is an important data sources for the accurate extraction of land consolidation area surface information.In this paper,a new object-based method,combining with genetic algorithm and artificial immune algorithm,is used to extract classification rules based on the characteristics of the sample image.After fuzzy classification,the results show that overall accuracy is increasing from 40% by traditional method to 86% corresponding to the genetic algorithm and 90% corresponding to the artificial immune algorithm,and the Kappa coefficient is increasing from 0.3 by traditional methods to 0.82 corresponding to the genetic algorithm and 0.89 corresponding to the artificial immune algorithm.All in all,not only this method can improve the convenience and versatility,changing the previous situation that the rule extraction requires users a large amount of priori knowledge and testing,but also the test results show the significant improvement in classification accuracy.Therefore,it has an important significance for land consolidation,especially using the high-remote sensing images for feature identifying and monitoring.