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。     

群智能方法在遥感信息提取中的应用分析

遥感数据作为重要的空间数据源,在众多领域发挥着不可或缺的作用。遥感信息获取技术的不断发展与遥感数据应用领域的不断扩展,促进了遥感信息提取方法的不断进步。随着人工智能算法不断被提出及成功应用,遥感信息提取领域也在逐步引入智能算法实现高效的信息提取。在对遥感信息提取方法的研究进展进行深入分析的基础上,剖析了群智能方法应用于遥感信息提取领域的潜力与优势。并应用微粒群优化方法进行遥感数据的分类,实现了微粒群优化方法应用于遥感数据分类的技术流程,取得了很好的实验结果。因此,群智能方法能够为遥感信息提取领域提供一种新的有效智能处理方法。     

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。     

三维遥感信息的数据模型及应用

三维遥感技术是能同时获取定位（位置）、定性（多波段遥感信息）信息的遥感技术,而三维遥感信息是具有三维地理位置的遥感信息。本文对三维遥感数据的信息模型进行了详细分析和阐述,并对数据模型的表示、处理和存储的数据结构进行了论述。在此基础上结构机载三维成像仪系统获取的三维遥感数据,通过三维遥感数据模型的具体应用,说明了三维遥感模型的可行性。     

一种遥感影像水体信息自动提取方法

本文提出了一种基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法.水体经过LBV变换后形成的B分量图的灰度值很大,水体信息的归一化植被指数值小于0;构建水体信息自动提取模型条件是水体信息满足B分量数值大于某一阈值并且归一化植被指数值小于0;与其它方法进行实验比较该方法可以较准确的进行水体信息的自动提取,同时准确地将水域与低密度覆盖的水植混合体分开.     

IKONOS影像白泡云识别方法研究

高空间分辨率IKONOS影像应用在海洋遥感时,白泡云的强反射特性严重影响了水体信息的提取。本文利用归一化处理后的IKONOS影像数据研究分析了白泡云与其背景地物的光谱特征。通过光谱一阶微分运算形成特定的数学参数使得地物的光谱特征参量化,提取白泡云光谱特征,研究开发了白泡云遥感识别模型。试验结果表明该识别方法准确度高,在识别水体中白泡云区域的基础上可有效处理海洋遥感水体信息提取过程中白泡云的干扰影响。     

基于深度学习的湿地遥感信息提取方法研究

在对湿地遥感信息提取的过程中,当特征分析深度达到一定水平时,便会出现退化问题,导致提取结果存在较大误差,因此基于深度学习研究了湿地遥感信息的提取方法。首先,对遥感信息进行预处理,以位置固定作为控制点选择的标准。将选定的控制点均匀分布在遥感图影像中,再利用二元多项式原理对原始的遥感图像像素坐标进行变换处理。其次,采用深度学习中的深度卷积神经网络,提取经过预处理的遥感图像信息,并在网络中引入残差块,以避免退化问题的出现。最后,个性化设置ReLU激活函数,实现对不同信息的针对性提取,以减小提取结果误差。测试结果表明,设计方法对于湿地温度植被干旱指数的提取结果与实际参数之间的误差稳定在0.01内,明显低于对比方法,说明设计方法有一定的实际应用意义。     

多尺度特征融合的多源异构遥感数据水体提取

针对现有遥感测绘水体提取方法在多源异构遥感数据的信息融合与深层特征提取方面存在的不足,提出了一种基于多尺度特征融合的多源异构遥感数据水体提取方法。首先,设计了一种基于多源异构遥感数据输入的网络模型结构解决多源异构遥感数据的多尺度特征融合问题;随后,提出了一种基于改进残差网络的高维卷积单元,对异构遥感数据进行深层特征提取,同时,构建了基于哨兵一号和哨兵二号卫星的全球水体大规模多源异构遥感数据库。对比实验结果表明,以人工遥感影像标注的水体区域分布真值为精度评价基准,所提出的多尺度特征融合算法的水体提取结果,准确率达到了90.12%,相比现有深度学习领域主流的U-Net图像分割模型方法,准确率提高了3.73%以上,有效提升了多源异构遥感数据的大范围水体提取准确性。     

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。     

油田地理信息系统的基本框架及其实现

油田地理信息系统OFGIS管理海量空间数据和各种类型的属性数据。地面信息涵盖一般空间信息的几乎所有类型，地下信息动态变化快速。OFGIS管理的专业信息子系统包括石油勘探子系统、石油开发工程子系统、石油化工子系统、石油储运子系统、石油销售子系统等。OFGIS包括油田基础信息层、油田专题信息层、油田综合和决策服务层三个基本层。OFGIS的功能包括空间数据库的管理、地理信息管理、空间信息加工处理及空间信息应用等。遥感信息的自动提取、遥感与GIS及全球导航卫星系统的数据融合、无缝GIS、WebGIS、3DGIS以及地表信息与地下信息的统一管理将成为油田GIS发展的热点。     

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。     

基于密集连接全卷积神经网络的遥感影像水体全自动提取方法

针对常规遥感水体监测方法存在的易受人为主观因素影响、泛化能力弱、效率低、自动化程度较低的问题,提出利用深度学习实现遥感影像水体信息快速自动化提取的方法。通过引入DenseNet密集连接结构(dense block)构建水体提取深度学习全卷积神经网络,弥补了一般网络存在的浅层特征丢失问题,提高了网络对遥感影像中细小水体的敏感程度,实现了更优的水体提取效果。实验结果表明,该方法水体提取结果的像元精度达到96.3%,均交并比达到91.1%,斑块漏检率为0,水体边界长度和面积精度分别达到95.8%和98.5%,均高于传统NDWI法、光谱监督分类法、决策树方法。同时,该方法表现出所对比方法不具备的高效、自动化和泛化性优势,在遥感影像水体提取上有较强的应用价值。     

基于多源信息融合的土壤含水量估算

遥感信息在大面积土壤水分监测中具有不可替代的优势。通过对试验区域的气象数据、土壤类型数据、土壤和水体的光谱特征曲线、多时相遥感影像数据等进行预处理,提取图像信息和属性数据,并对土地利用类型和植被覆盖度进行划分。基于土壤的光谱响应机制建立像元反射光谱信息分解模型,以此计算出该区域土壤容积含水率。结果表明该方法对于低植被区的监测精度较高(理论精度89.78%),可作为土壤水分监测预警的依据。     

不同粒度遥感信息的非线性优化Otsu分割算法

遥感影像具有覆盖面广、光谱信息丰富及不同粒度的遥感信息应用需求特点,传统的图像分割算法不能较好地适用于这类图像的信息提取。针对遥感影像多波段的特性和遥感信息不同粒度需求的特点,基于最大类间方差算法(Otsu算法),设计了不同粒度遥感信息的非线性优化Otsu分割算法:(1)引入PCA算法对遥感影像的多波段数据进行降维,降低了遥感影像的信息冗余度;(2)基于最小值判断,添加分割算法的终止条件,提高了不同粒度遥感信息分割的计算效率。最后,以舟山海域的空间地物信息提取为例,比较了非线性优化Otsu分割算法与传统的Otsu、2D-Otsu、K-means、FCM分割算法的优劣性。结果表明,非线性优化Otsu分割算法:(1)兼顾了遥感影像的波谱信息,降低了遥感信息的错分率;(2)通过降低遥感影像的信息冗余,提高了计算效率;以两类地物类别提取为例,与Otsu算法相比,时间效率提高了59.88%;(3)通过添加计算约束条件,求解不同地物类别的分割阈值,满足了不同粒度遥感信息的应用需求。     

不同粒度遥感信息的非线性优化Otsu分割算法

遥感影像具有覆盖面广、光谱信息丰富及不同粒度的遥感信息应用需求特点,传统的图像分割算法不能较好地适用于这类图像的信息提取。针对遥感影像多波段的特性和遥感信息不同粒度需求的特点,基于最大类间方差算法(Otsu算法),设计了不同粒度遥感信息的非线性优化Otsu分割算法:(1)引入PCA 算法对遥感影像的多波段数据进行降维,降低了遥感影像的信息冗余度;(2)基于最小值判断,添加分割算法的终止条件,提高了不同粒度遥感信息分割的计算效率。最后,以舟山海域的空间地物信息提取为例,比较了非线性优化Otsu分割算法与传统的Otsu、２D-Otsu、K-means、FCM 分割算法的优劣性。结果表明,非线性优化Otsu分割算法: (1)兼顾了遥感影像的波谱信息,降低了遥感信息的错分率;(2)通过降低遥感影像的信息冗余,提高了计算效率;以两类地物类别提取为例,与Otsu算法相比,时间效率提高了59.88％;(3)通过添加计算约束条件,求解不同地物类,别的分割阈值,满足了不同粒度遥感信息的应用需求。     

改进U-Net型网络的遥感图像道路提取

目的 遥感图像道路提取在城市规划、交通管理、车辆导航和地图更新等领域中发挥了重要作用,但遥感图像受光照、噪声和遮挡等因素以及识别过程中大量相似的非道路目标干扰,导致提取高质量的遥感图像道路有很大难度。为此,提出一种结合上下文信息和注意力机制的U-Net型道路分割网络。方法 使用Resnet-34预训练网络作为编码器实现特征提取,通过上下文信息提取模块对图像的上下文信息进行整合,确保对道路的几何拓扑结构特征的提取;使用注意力机制对跳跃连接传递的特征进行权重调整,提升网络对于道路边缘区域的分割效果。结果 在公共数据集Deep Globe道路提取数据集上对模型进行测试,召回率和交并比指标分别达到0.847 2和0.691 5。与主流方法U-Net和CE-Net（context encoder network）等进行比较,实验结果表明本文方法在性能上表现良好,能有效提高道路分割的精确度。结论 本文针对遥感图像道路提取中道路结构不完整和道路边缘区域不清晰问题,提出一种结合上下文信息和注意力机制的遥感道路提取模型。实验结果表明该网络在遥感图像道路提取上达到良好效果,具有较高的研究和应用价值。     

结合影像和LiDAR点云数据的水体轮廓线提取方法

从遥感影像中提取水体的传统方法在阴影处和水体浑浊处存在一定局限;机载激光雷达（LiDAR）获取点云数据时水体受阴影和浑浊的影响小,因此使用点云数据提取水体比使用影像数据更加稳健;但点云数据的分辨率低,所提取的轮廓线精度不高。为了提高水体边缘轮廓线的精确度,提出一种高分辨率影像与点云数据相结合的水体轮廓线提取方法。实验结果表明,该方法所提取的水体轮廓线定位精确、细节完好,水体提取准确率达到98.6%。     

具有部分监督的遥感影像模糊聚类方法研究及应用

遥感信息主要反映的是地球表层信息。由于地球表层系统的复杂性和开放性,地表信息是多维的、无限的,遥感信息传递过程中的局限性以及遥感信息之间的复杂相关性,决定了遥感信息其结果的不确定性和多解性。模糊分类是遥感影像分类研究的重要趋势。在Ｆｕｚｚｙ－ＩＳＯＤＡＴＡ 方法的基础上,探讨如何在样本数据集中融合部分知识和随机样本,通过聚类分析获得目标类别的模糊隶属度矩阵和特征空间的特征模式的方法。提出了基于该方法的遥感影像模糊分类模型     

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。     

基于视觉注意机制的大范围水体信息遥感智能提取

建立契合遥感数据内在特征的智能信息分析模型与方法,是解决遥感大数据时代信息智能提取的关键所在。从普适性的大范围水体信息遥感智能采集的需求出发,构建一种基于视觉选择性注意机制与AdaBoost算法的水体信息遥感智能提取方法。首先通过对遥感多特征指数的RGB配色方案的优化设计,实现水体信息图像特征的增强和可视化表达。然后在HSV颜色空间中,利用色差距离图像的关键节点信息构造分类特征集,并采用AdaBoost算法构建水体识别分类器,据此从图像色彩聚类结果中自动识别出水体所属类别,实现水体信息的智能提取。对比实验结果表明,该方法的水体信息提取结果在漏分率（LR）和复合分类精度（CCA）上都有明显提高;同时,该方法能有效减少对高质量训练样本的依赖性,对于丰水期泥沙含量较高水体以及洪灾导致的淹没区等临时性水域也具有较好的识别性能。