对象置信度指引下的高分辨率遥感影像分割

如何减小分割结果与实际地理对象间的差异,是目前高分辨遥感影像分割中面临的一个难点问题。为此,构建了一种新的对象置信度(OC)指标来衡量任意区域与地理对象间的匹配程度,进而提出了一种面向地理对象的多尺度分割算法。该算法主要包括两个步骤:首先,通过对影像进行过分割来构建初始种子区域集合,并确定尺度参数集合;而后,通过跟踪对象置信度指标OC的尺度间变化来指引多尺度区域合并过程,使区域合并结果逐步逼近实际的地理对象。多组实验结果表明,所提出的算法能够显著改善过分割及欠分割问题,准确识别建筑物、道路等地理对象的完整轮廓,在定性分析及定量精度评价中均显著优于商业软件e Congnition及传统多尺度分割算法。     

面向遥感建筑物提取的轻型多尺度差异网络

针对高分辨率遥感影像中建筑物形状多样、大小不一引起建筑物提取精度低及传统分割模型存在参数量大等问题,提出一种基于编码-解码的轻型多尺度差异网络LMD-Net(Lightweight Multi-scale Difference Network)。首先,为了避免单一的特征处理单元堆叠使得模型性能弱化而产生无效参数,通过融合编解码结构的功能差异性,设计出一种轻型差异模型优化性能。其次,引入一种多尺度膨胀感知模块（Multi-Scale Dilation Perception,MSDP）来增强网络捕捉多尺度目标特征的能力。最后,通过双融合机制有效聚合深层跳跃连接和深层解码器两组的特征信息,从而实现增强解码器的特征恢复能力。为验证轻型多尺度差异网络LMD-Net的有效性和适用性,以开源WHU building dataset数据集作为数据源,对LMD-Net网络与常用语义分割网络及近年相关文献研究成果进行了精度、效率方面的评估实验。结果表明：LMD-Net网络在效率与精度两方面均表现出明显优势,不仅很大程度上减少模型的参数量和计算量,而且交并比、准确率分别提高了3.23%,2.57%。表明在基...     

基于区间二型模糊模型的高分辨率遥感影像分割方法

为了解决高分辨遥感影像分割过程中存在的类属和分割决策不确定性问题,提出一种基于区间二型模糊模型的监督分割方法。利用高斯函数建立影像分割一型模糊模型,其模糊隶属度表征像素类属不确定性;为了改善一型模糊模型隶属度对类属不确定性的表达以及增强分割决策的准确性,分别采用均值和方差扩展方法在上述一型模糊模型基础上构建区间二型模糊模型;综合利用一型模糊模型隶属度及二型模糊模型隶属区间等信息实现分割决策。提出算法和经典算法对合成影像、World View-II和IKONOS全色影像进行分割实验,定性和定量的分析结果表明提出算法具有更高的分割精度。     

融合高阶信息的遥感影像建筑物自动提取

针对遥感影像中建筑物目标与背景环境区分度低而造成的提取效果较差的问题,本文提出了融合高阶信息的编解码网络方法以改善建筑物自动提取的精度。首先,针对遥感影像建筑提取任务,使用深度编解码网络完成对建筑物目标的低阶语义特征提取;其次,使用多项式核完成对深度网络中间特征图的高阶描述,以提升网络对于模糊特征的辨识能力;最后,将低阶特征与高阶特征级联后,送入编解码网络的末端,得到对建筑物的分割结果。在Massachusetts Buildings数据集上进行试验,其召回率、准确率和F1-score指标分别达到了85.1%,77.5%和80.9%,综合指标F1-score相比于基础深度编解码网络提升约4%。本文所提方法改进了编解码器网络对于遥感影像建筑物自动提取任务的表现性能,能够更加精确地提取与背景区分度较低的建筑物目标,具有良好的实用价值。     

应用尺度不变特征变换的多源遥感影像特征点匹配

针对多源遥感影像之间灰度值非线性变化导致特征点匹配率大幅度下降的问题,提出了一种利用光谱信息的多源遥感影像特征点匹配算法.首先,以光谱信息对遥感影像波段进行线性拟合,使待匹配影像与参考影像之间的灰度值由非线性转变为线性或者近似线性变化.接着,在拟合的遥感影像上采用改进的尺度不变特征变换(SIFT)算法进行匹配.最后,采用随机抽样一致性算法剔除误匹配点对.与常用特征点检测算法(SIFT,梯度位置朝向直方图(GLOH),RS-SIFT)的对比实验结果表明,本文所用的ETM+影像全色与多光谱影像的特征点匹配率提高了4％左右,CBERS-02B和HJ-1B卫星多光谱影像的正确特征点匹配个数增加了8对.因此,在多源遥感影像特征点匹配中,本文所提算法优于其它检测算法,可以极大地改善匹配效果.     

融合CNN和Transformer的遥感图像建筑物快速提取

遥感图像建筑物高效提取在城市规划、灾害救援、军事侦察等领域发挥着重要作用。基于深度学习的建筑物提取方法虽然具有很高的精准度,但通常是由复杂的卷积运算和极大的网络模型实现的,提取速度低,难以满足现实需求。为此,设计了一种遥感图像建筑物快速提取方法。在STTNet模型的特征提取网络中引入多尺度卷积,在同一卷积层内提取多尺度特征,进一步提高模型的特征提取能力。改进空间稀疏特征提取器结构,在带有空间注意力权值的特征图中应用通道注意力,有效学习通道注意力权值,进而解决使用骨干网络输出特征图学习时通道注意力权值浮动的问题。为降低模型参数量,加快模型的运算速度,将STTNet模型由并联结构改为串联结构。INRIA建筑物数据集上的实验表明,本文方法在保证精度和IoU的前提下速度比STTNet提升了18.3%,明显优于主流方法。     

基于对比学习方法的遥感影像特征提取与分类

为了解决使用深度学习进行遥感影像特征提取与分类时标注数据不足的问题,提出一种基于非对称预测算子的简易对比学习方法。首先,使用水平翻转、颜色抖动和灰度化方法对输入图像进行数据增强,得到同一幅图像的两个相关视图。接着,将其分别输入到孪生网络的两个分支进行特征提取。然后,使用非对称预测算子对特征进行变换,通过最大化两种特征间的相似度优化网络。最后,固定特征提取网络的参数,训练一个线性分类器完成特征分类。在四个公开数据集NWPU-RESISC45,EuroSAT,UC Merced,SIRI-WHU上使用20%的标注样本进行微调,分类精度分别达到77.57%,87.70%,60.52%和65.83%。本文提出的方法能够在不使用数据标签的情况下充分挖掘遥感影像中的高层语义特征,在只使用少量标注样本的情况下性能优于有监督方法得到的ImageNet预训练模型和目前最新的对比学习方法SimSiam。     

基于Rough集的遥感影像增强方法研究

通过对Rough集理论特点和遥感影像信息的不确定特性分析,基于对Rough集理论的不可分辨关系、近似集合和分类概念的分析,研究实现了一种保护图像边缘的遥感图像滤波和增强的算法,并通过实验证明了该算法的效果和有效性.     

基于谱聚类的高分辨率全色遥感影像分割

为了协调高分辨率全色遥感影像区域和边界的最优分割,提出了一种基于像素邻域和光谱特征的谱聚类高分辨率全色遥感影像分割方法。该算法重点着手于构建影像图模型,在其中引入像素邻域作用并充分顾及像素光谱测度差异。假定邻域像素具有连接关系,并在此基础上构建影像连接矩阵,再考虑像素光谱测度差异的影响建模像素间相似性,最终结合像素连接性和相似度构建影像权值矩阵完成图模型建立;而后在图模型的基础上,采用对权值矩阵特征分解并就分解结果进行选择的方式将影像数据变至低维特征空间,进而对获取的新数据执行FCM聚类算法达到影像分割目的。为了验证提出算法的有效性,分别对模拟影像和高分辨率全色遥感影像进行分割实验,定性、定量的评价结果表明了该算法的可行性与优越性。     

多源遥感数据的道路提取技术研究现状及展望

遥感图像道路信息提取既是土地利用检测、地理信息系统更新等传统行业应用的必要步骤,又是数字城市、智能交通等新基建领域中关键技术之一.回顾道路提取方法的发展历程,按照使用数据源的不同,现有的遥感图像道路提取技术主要分为高分辨率成像、多光谱/高光谱成像、激光/点云成像和SAR成像四大类.本文首先介绍了四种遥感技术在道路信息提...     

面向遥感图像水域分割的图像熵主动轮廓模型

为提高遥感图像水域分割的准确度,结合高分率遥感图像中水域与背景纹理复杂度差异较大的特点,将图像熵引入到CV模型中,提出两种图像熵主动轮廓模型用于高分辨率遥感图像的水域分割。其中,针对水域纹理相对简单的遥感图像,在CV模型中引入零水平集内的图像熵而构成局部图像熵主动轮廓模型,可以有效降低背景中灰度值与水域近似的区域发生误分,从而提高水域分割的准确度;针对水域纹理相对复杂的遥感图像,在CV模型中同时引入零水平集内外图像熵而构成全局图像熵主动轮廓模型,改进了水平集函数进化过程中对灰度信息的依赖,并能使零水平集进化到全局最优,进一步提高了遥感图像中水域分割的准确度。针对高分辨率遥感图像中的湖泊、河流和海域分割对比实验结果表明:局部图像熵主动轮廓模型的分割精确率分别为90.1%、81.5%和93.6%,F值分别为0.94、0.885和0.96;全局图像熵主动轮廓模型的分割精确率分别为94.5%、85.3%、94.9%,F值分别为0.956、0.895、0.967。本文提出的两种图像熵主动轮廓模型均能有效减小背景误分,提高了遥感图像水域分割的准确度。     

基于多尺度特征融合的遥感图像场景分类

为了解决遥感图像场景分类中因样本量小而分类精度不高的问题,提出了一种基于多尺度特征融合(MSFF)的分类方法。首先,对遥感图像进行尺度变换,得到同一遥感源图像的多个不同尺度图像。接着,将其分别输入深度卷积神经网络(DCNN)中进行卷积操作。然后,将各卷积层和全连接层提取出的不同尺度特征进行降维和编码/平均池化操作。最后,将各尺度特征进行编码融合并利用多核支持向量机(MKSVM)进行场景分类。在两个公开遥感图像数据集UCM Land-Use和NWPU-RESISC45中进行试验,分类精度最高分别达到98.91%和99.33%。本文方法能够利用不同尺度的图像特征,结合低、中、高层语义表示,使融合特征的可辨识性更高,同时使用多核支持向量机提高了深度网络学习的泛化能力,因此分类效果更好。     

遥感影像在海洋特别保护区地理信息系统研发中的应用

海洋特别保护区具有位置偏僻、信息数据难以获取等特点,由于遥感影像是真实的航空像片和卫星像片,在海洋特别保护区地理信息系统中加入遥感影像数据可以客观地、真实地反映保护区基本状况.结合锦州大笔架山国家级海洋特别保护区地理信息系统,通过精确配准、二次开发等手段对遥感影像数据在系统中的应用以及遥感影像数据与矢量数据的融合方法和管理方法进行了研究.     

光学遥感图像中复杂海背景下的舰船检测

本文针对光学遥感图像中复杂海背景下的舰船检测问题,提出一种快速精确的舰船检测方法。首先,基于最大对称环绕显著性检测完成初始目标候选区域提取,并结合一种基于元胞自动机的同步更新机制,利用图像局部相似性和舰船目标几何特征,对初始目标候选区域进行更新,并通过OTSU算法获取最终目标候选区域;然后,根据舰船目标的固有特性对方向梯度直方图特征进行改进,提出一种新的表征舰船特性的边缘-方向梯度直方图特征对舰船目标进行描述,与传统HOG特征相比,这种特征向量侧重于对边缘特征的描述,对梯度向量鲁棒性更强,并且仅为一个24维的特征向量,计算复杂度低;最后,通过构建的训练库完成AdaBoost分类器的训练,并利用训练完成后的AdaBoost分类器完成目标的最终判别确认。本文的检测算法,针对尺寸为1 024pixel×1 024pixel的遥感图像,检测时间为2.386 0s,召回率为97.4%,检测精度为97.2%。实验表明,本文提出算法的检测性能优于目前主流的舰船检测算法,在检测时间和检测精度上都能够满足实际工程需要。     

高分辨力遥感相机视频处理的温度适应性设计

对遥感相机成像电子学系统进行了温度适应性设计,以使其在温度大范围变化时或电路存在局部温差时均能实现高质量成像.分析了成像链路中的温度延时因素,提出了温度适应性设计方案和相关双采样( CDS)位置的初始精密对准方法,并进行了实验验证.该方法将CCD驱动器的输出经分压整形处理后作为双采样信号的时序基准,从而使双采样信号具备...     

基于规则划分和RJMCMC的可变类图像分割

为了自动确定遥感图像分割中的类别数,提出了一种结合规则划分和逆跳马尔科夫链蒙特卡洛(RJMCMC)算法的可变类图像分割方法。首先,将图像域划分成若干个不同的规则子块,并假设每个子块内的像素满足同一独立的多值Gaussian分布;在此基础上,根据贝叶斯定理,建立基于区域的图像分割模型;然后利用RJMCMC算法模拟该分割模型,以自动确定图像类别数并实现区域分割;为了进一步提高分割精度,设计了精细化操作。利用本文提出的方法,分别对合成及彩色遥感图像进行可变图像分割,实验结果表明,提出的方法不仅能自动确定图像类别数,还可以实现区域分割,从而验证提出算法的可行性及有效性。