基于邻域总变分和势直方图函数的高分辨率遥感影像建筑物提取

针对现在的高分辨率遥感影像建筑物识别与提取方法存在的准确率低及数据要求严格等问题,提出一种基于邻域总变分（NTV）和势直方图函数（PHF）的方法。首先,计算遥感影像各像元的加权邻域总变分似然函数取值,并进行区域生长分割,将矩形度和长宽比作为约束条件提取候选建筑物;然后,进行阴影自动提取;最后,利用数学形态学对阴影进行处理,计算处理后的阴影和候选建筑物之间的邻接关系得到建筑物,并用最小外接矩形对其边界进行拟合。为了验证所提算法的有效性,选取深圳市PLEIADES影像中9幅具有代表性的子影像进行实验。实验结果表明,所提方法的平均查准率和平均查全率分别达到97.71%和84.21%,与水平集和基于颜色不变性特征两种建筑物提取方法相比,在总体性能F₁上具有10%以上的提高。     

高分辨率SAR影像形态学层级分析的建筑物检测

目的 现有基于结构分析的高分辨率SAR影像建筑物检测方法,只考虑了直线和L形结构建筑物,并且依赖建筑物高亮线条处阴影区作为建筑物识别的主要特征;当处于复杂场景时,阴影区受制于背景较暗或建筑物密集而无法准确得到,导致建筑物检测误差大、检测率低。针对上述问题,提出一种基于形态学层级分析的高分辨率SAR影像无监督建筑物检测算法。方法 该方法基于单幅单极化高分辨率SAR影像,首先利用改进的形态学交替滤波算子有效抑制其固有的斑点噪声,大大剔除了同质区背景噪声的干扰;然后利用层级分析形态学差分属性断面算法来实现对SAR影像建筑物的几何结构特征的提取;最后结合特征融合和属性阈值分割等后处理步骤得到复杂场景下建筑物提取信息。结果 将上述方法在建筑物密集的城区SAR影像中实验,通过与其他方法对比分析,具有检测率高、误差小的特点,准确率和召回率分别为95.38%、86.31%,并对降低虚警率方面有明显的优势。结论 将形态学交替滤波与形态学属性滤波的改进与结合,在对不同走向、尺寸和形状的高密度建筑物检测中具有较好的适应性。     

利用格式塔的高分辨率遥感影像建筑物提取

目的 格式塔心理学的理论基础为通过对事物的部分感知,实现对事物整体的认识。本文将该思想应用到建筑物提取中,提出一种兼顾目标细节及整体几何特征的高分辨率遥感影像建筑物提取方法。方法 首先,利用SIFT算法提取特征点作为候选边缘点;然后定义格式塔序列连续性原则判别边缘点,从而得到边缘点点集;并由边缘点点集拟合边缘,实现遥感影像建筑物提取。结果 利用提出算法,对WorldView-2遥感影像进行建筑物提取实验。通过与基于多尺度分割和区域合并的建筑物提取算法对比可以看出,提出算法能够更加准确、完整地提取出建筑物。采用分支因子、遗漏因子、检测率和完整性4个定量化指标对实验结果的定量评价,本文算法的检测率和完整性均大于对比算法,且本文算法的检测率均在95%以上,验证了提出基于格式塔理论的高分辨率遥感影像建筑物提取算法的有效性和准确性。结论 基于格式塔的高分辨率遥感影像建筑物提取算法能够准确刻画建筑物细节特征,同时兼顾建筑物整体几何轮廓,准确提取高分辨率遥感影像中的建筑物。本文算法针对高分辨率遥感影像,适用于提取边缘具有直线特征的建筑物。使用本文算法进行遥感影像建筑物提取时,提取精度会随分辨率降低而降低,建议实验影像分辨率在5 m以上。     

结合多尺度分割和形态学运算的高分辨率遥感影像阴影检测

目的 针对阴影在高分辨率遥感影像的特性,提出了一种多尺度分割和形态学运算相结合的阴影检测方法。方法 基于面向对象思想,首先利用均值漂移法实现影像分割生成对象,并以对象为基本单元分别进行形态学膨胀和腐蚀运算,从而获得面向对象的阴影指数;然后对影像进行多尺度分割,生成阴影指数矢量;最后对阴影指数矢量和亮度均值分别指定高低阈值,进而获得阴影检测结果。结果 选取高分二号和Google earth影像进行实验,采用误检率、漏检率和总错误率3个指标进行定量分析,并将实验结果与结合多特征法和形态学阴影指数法进行比较。在阴影检测定量精度分析中,相比于对比方法,本文方法的误检率偏高,但漏检率平均降低了7.31%;在建筑物阴影检测实验中,本文方法的漏检率同样下降了4.5个百分点;在多尺度效果融合分析中,本文方法在多组尺度组合下,各项精度指标均较理想;在阴影压盖地物实验中,3种方法的误检情况差异不大,但本文方法的漏检率得到较大改善,其下降程度平均达到了19.29%。结论 本文提出的阴影检测方法具备一定的抗干扰能力,适用性强,可靠性高。     

残差密集空间金字塔网络的城市遥感图像分割

目的 遥感图像语义分割是根据土地覆盖类型对图像中每个像素进行分类,是遥感图像处理领域的一个重要研究方向。由于遥感图像包含的地物尺度差别大、地物边界复杂等原因,准确提取遥感图像特征具有一定难度,使得精确分割遥感图像比较困难。卷积神经网络因其自主分层提取图像特征的特点逐步成为图像处理领域的主流算法,本文将基于残差密集空间金字塔的卷积神经网络应用于城市地区遥感图像分割,以提升高分辨率城市地区遥感影像语义分割的精度。方法 模型将带孔卷积引入残差网络,代替网络中的下采样操作,在扩大特征图感受野的同时能够保持特征图尺寸不变;模型基于密集连接机制级联空间金字塔结构各分支,每个分支的输出都有更加密集的感受野信息;模型利用跳线连接跨层融合网络特征,结合网络中的高层语义特征和低层纹理特征恢复空间信息。结果 基于ISPRS （International Society for Photogrammetry and Remote Sensing） Vaihingen地区遥感数据集展开充分的实验研究,实验结果表明,本文模型在6种不同的地物分类上的平均交并比和平均F₁值分别达到69.88%和81.39%,性能在数学指标和视觉效果上均优于SegNet、pix2pix、Res-shuffling-Net以及SDFCN （symmetrical dense-shortcut fully convolutional network）算法。结论 将密集连接改进空间金字塔池化网络应用于高分辨率遥感图像语义分割,该模型利用了遥感图像不同尺度下的特征、高层语义信息和低层纹理信息,有效提升了城市地区遥感图像分割精度。     

利用邻域质心投票从分类后影像提取道路中心线

目的 利用分类算法对高分辨率影像中的道路进行分割时,得到的二值图像往往混杂了许多非道路区域,且道路区域呈面状,无法直接应用于生产与研究。针对该问题,提出一种利用邻域质心投票提取道路中心线的算法。方法 首先检测像素在各方向上的连通距离以构建邻域多边形,随后进行质心投票来提取道路的中心线,与此同时估算道路宽度并判断出连通距离较长的方向数目,以排除非道路区域的干扰,最后经形态学处理得到细化的中心线。结果 选取测试图像及具有不同道路分布特征的高分辨率航空影像的分类结果进行实验,并将该算法与Zhang和Couloigner提出的算法进行了对比分析。结果显示,该算法的提取质量为80.6%和79.0%,且计算效率较高,处理实际影像的用时小于参考算法的20%,此外在稳定性及对不同路宽的适应性等多个方面均具有优势。结论 提出一种邻域质心投票算法,该算法能够同时实现传统方法中提纯与中心线提取两个步骤所对应的功能,从分类影像直接提取道路中心线。实验结果表明,该算法能够根据形状特征有效检测道路,且具备一定抗干扰能力,适用于对混杂了非道路区域的高分辨率影像的分类结果进行处理。     

基于LBP算子与多尺度分析的高分辨率遥感影像道路自动提取方法改进研究

提出一种基于LBP算子与多尺度分析手段的高分辨率遥感影像道路提取方法。首先使用邻域均值作为阈值进行二值化,以改进一般LBP算子;再根据局部方差与尺度间的关系,找到适合道路LBP纹理值的最佳尺度;最后利用区域生长和形状指数提取最佳尺度下的影像道路信息,并通过尺度收缩关联到原始影像。实验结果表明本文方法可取得较好效果。     

高分辨率遥感图像灾区建筑物检测

在遥感图像中,灾区建筑物的检测对灾情获取和灾后应急救援具有重要意义。针对灾区高分辨率遥感图像中建筑物检测的问题,提出了一种改进 的基于形态学特征的多方向和多尺度分割方法,以实现灾区建筑物的自动化检测。首先将形态学算子的重建、粒度和方向等性质 整合到建筑物的亮度、大小和对比度等特征中,对遥感图像进行初步的分割并提取高亮和高对比度的建筑物,然后结合图像的区 域边缘信息,进一步提取潜在的建筑物。实验结果表明,所提方法对灾区高分辨率图像中的建筑目标有较高的检测率和较低的误检率。     

基于形态学建筑物指数的城市建筑物提取及其高度估算

通过引入高分辨率影像的形态学建筑物指数和阴影指数,并结合面向对象的地物信息提取思想,准确地提取出城市建筑物及其阴影,进而实现了城市建筑物的高度估算。首先,利用形态学建筑物指数的多方向多尺度特征,将建筑物与邻近光谱相似的道路目标进行分离;其次,采用双阈值策略提取建筑物与相应的阴影,进一步提高了建筑物的提取精度;最后,根据成像时刻卫星和太阳的高度角、方位角,建立建筑物阴影长度与建筑物高度的估算模型。试验利用厦门市思明区软件园资源三号(ZY\|3)数据进行城市建筑物提取及其高度估算,证实该方法能够较准确地估算出建筑物的高度信息,并且比基于SVM的监督分类方法具有更高的建筑物提取精度,建筑物高度估算的中误差可达±1 m。     

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。
     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树。其基本思路为：首先 利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最 后根据面积对水体进行补充识别。与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法 （DBSCAN）描述的空间密度特征区分城市水体和建筑物阴影。对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18%,虚警率为13.82%,表明本方法是基于 中分辨率多光谱影像提取城市水体的有效方法。     

Textural and local spatial statistics for the object‐oriented classification of urban areas using high resolution imagery

Textural and local spatial statistical information is important in the classification of urban areas using very high resolution imagery. This paper describes the utility of textural and local spatial statistics for the improvement of object‐oriented classification for QuickBird imagery. All textural/spatial bands were used as additional bands in the supervised object‐oriented classification. The texture analysis is based on two levels: segmented image objects and moving windows across the whole image. In the texture analysis over image objects, the angular second moment textural feature at a 45° angle showed an improved classification performance with regard to buildings, depicting the patterns of buildings better than any other directions. The texture analysis based on moving windows across the whole image was conducted with various window sizes (from 3×3 to 13×13), and four grey‐level co‐occurrence matrix (GLCM) textural features (homogeneity, contrast, angular second moment, and entropy) were calculated. The contrast feature with the 7×7 window size improved classification up to 6%. One type of local spatial statistics, Moran's I feature with the vertical neighbourhood rule, improved the classification accuracy even further, up to 7%. Comparison of results between spectral and spectral+textural/spatial information indicated that textural and spatial information can be used to improve the object‐oriented classification of urban areas using very high resolution imagery.     

基于各向异性Markov随机场的遥感影像亚像元尺度建筑物提取

基于遥感影像的建筑物自动提取方法容易受混合像元影响,目标提取精度不高。亚像元定位可以提取亚像元尺度地物分布信息,减轻混合像元对目标提取结果造成的影响。传统亚像元定位模型采用各向同性邻域描述地物的空间相关性,并没有考虑地物特有的形状信息,难以满足建筑物提取的需要。在考虑建筑物光谱特征的基础上,建立了平行与垂直于目标建筑物主方向的各向异性邻域,并采用基于各向异性Markov随机场的亚像元定位模型进行了亚像元尺度的建筑物提取。基于QuickBird多光谱数据与AVIRIS高光谱数据的实验结果表明,该模型提取的建筑物不仅具有更高的空间分辨率,而且能够较好地保持建筑物边缘与角点的形状信息,是一种有效的亚像元尺度建筑物提取方法。     

结合非监督分类和几何—纹理—光谱特征的高分影像道路提取

目的 目前针对复杂场景高分辨率遥感影像道路提取多采用监督分类方法,但需要人工选择样本,自动化程度低且具有不稳定性。基于像元级的方法,提取完整度低且易产生椒盐噪声;面向对象的方法易产生粘连问题。为了提高道路提取的完整度、准确度和自动化程度,提出一种基于非监督分类和几何—纹理—光谱特征的道路提取方法。方法 首先考虑光谱特征利用非监督分类进行初步分割,结合基于纹理特征分类的结果得到初始道路区域。然后根据道路特征建立一套完整的非道路区域滤除体系：边缘滤波断开道路和非道路的连接、纹理滤波滤除大面积非道路区域、形状滤波去除剩余小面积非道路区域。最后利用张量投票算法得到连贯、平滑的道路中心线。结果 选择复杂场景下的高分辨率IKONOS影像和QuickBird影像进行实验,与国内外基于像素和面向对象的两种有代表性的道路提取方法进行对比,采用完整率、正确率、检测质量3个评价指标进行定量评价。实验结果表明该方法相比于其他算法在完整率、正确率和检测质量上平均提高26.61%、5.57%和26.77%。定性分析结果表明,本文方法可以有效改善椒盐噪声和粘连现象。此外本文方法的自动化程度更高。结论 提出了一种基于非监督分类和几何—纹理—光谱特征的高分辨遥感影像道路提取方法,非监督相对于监督分类的方法有更高的自动化程度,复杂场景下的道路提取融合几何—纹理—光谱特征有效避免了基于像元级道路提取易产生的椒盐噪声现象和面向对象道路提取易产生的粘连现象。该方法适用于高分辨率遥感影像城市道路提取,能够得到较高的完整度、准确度以及自动化程度。非监督分类和多特征结合的道路提取方法有广阔的应用前景。     

A multiscale feature fusion approach for classification of very high resolution satellite imagery based on wavelet transform

A novel methodology based on multiscale spectral and spatial information fusion using wavelet transform is proposed in order to classify very high resolution (VHR) satellite imagery. Conventional wavelet‐based feature extraction methods employ single windows of a fixed size, which are not satisfactory as the VHR imagery contains complex and multiscale objects. In this paper, spectral and spatial features are extracted based on a set of concentric windows around a central pixel in order to integrate the information across different windows/scales. The proposed method is made up of three blocks: (1) the conventional wavelet‐based feature extraction methods are extended from single band processing to multispectral bands, and from single window to multi‐windows, (2) two multiscale fusion algorithms are proposed to exploit the multiscale spectral and spatial information and (3) a support vector machine (SVM), a relatively new method of machine learning, is used to classify the multiscale spectral–spatial feature sets. The proposed classification method is evaluated on two VHR datasets and the results show that the multiscale approach can improve the classification accuracy in homogeneous areas while simultaneously preserving accuracy in edge regions.     

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.