基于面向对象方法的遥感影像桥梁提取

面向对象的分析方法是一种有效的高分辨率遥感影像处理技术,提出一种基于图像对象的水上桥梁识别方法。首先采用区域生长方法对影像进行分割,以分割后产生的图像对象为基本处理单元进行分类,提取出水体类别。然后在分析桥梁目标特征的基础上,利用图像对象的形状特征,以及桥梁和水体的上下文关系特征,提取影像中的桥梁目标。最后以实验验证了所提出方法的有效性。     

面向对象的高分辨率遥感影像桥梁提取研究

根据桥梁和水体相交的空间关系,提出一种面向对象的高分辨率遥感影像桥梁提取方法,首先利用面向对象的影像分析方法对IKONOS全色影像进行河流、陆地分类;然后将陆地提取为一个矢量图层,同时对分类后的影像进行二值化处理,分成河流和陆地两部分,再经数学形态学处理,获得连通的河流对象,并提取河流为一个矢量图层;最后通过河流与陆地求交的空间运算获得桥梁。实验结果表明,这种方法简单、运算量小、效率高,在从高分辨率遥感影像提取桥梁的实践中具有广泛的适用性。     

基于国产GF-1遥感影像的面向对象桥梁提取方法研究

以国产“高分一号”2m/8m高空间分辨率遥感图像为数据源,使用基于规则的面向对象的方法实现了对高分辨率影像中桥梁目标的精确提取。首先,经过多尺度分割实验并结合下垫面特征选择最优分割尺度;其次,利用水体指数、阈值函数等方法建立规则集,逐步获取水体和桥梁潜在区的矢量文件;最后,通过二值化、数学形态学处理、叠加分析等方法成功提取桥梁目标。实验结果表明,该方法可以准确、高效地提取出桥梁信息,总体精度在90%以上,Kappa系数在85%以上,在高分辨率遥感影像高精度提取桥梁的实践中具有广泛的适用性,该研究成果或对国产高分影像处理系统的研究与应用提供了一定的科学参考。     

一种面向对象的高分辨率影像道路提取方法

高分辨率遥感影像为用户提供了丰富的地表细节信息, 如何利用图像分析技术从高分辨率遥感影像中进行目标提取、更新地理信息数据库, 成为遥感信息处理研究的热点。传统的道路提取方法一般采用像素级检测方法, 仅利用了像素的光谱信息作为道路提取的依据, 无法利用影像的空间信息。提出了一种面向对象的高分辨率卫星影像道路提取方法, 并选取南京市IKONOS 影像进行了实验。首先, 对影像进行分割获取影像对象, 再通过对IKONOS 影像中道路特征的分析, 利用影像对象的光谱特征、几何特征和空间关系建立知识库, 最后, 利用知识库中的规则来提取影像中的道路。实验结果表明采用本方法能够较好地提取出实验区中的道路。     

结合多特征和模糊偏好关系的高分辨率遥感影像分割

高空间分辨率(简称高分辨率)遥感影像除光谱特征外,还包含丰富的纹理特征,为了实现高分辨率遥感影像的高精度分割,提出结合多特征和模糊偏好关系的分割方法.首先,通过像素光谱测度定义多种统计特征,根据定义的各个特征提取特征影像并分别实现影像分割,利用其结果构建模糊决策矩阵;然后,基于像素定义特征间的模糊偏好关系矩阵,计算不同特征对最终分割决策的权重,并对模糊决策矩阵加权以突出优势特征,抑制劣势特征;最后,通过反模糊化决策矩阵得到最优影像分割结果.对合成影像和真实高分辨率遥感影像的分割结果进行定性和定量评价,结果表明,合成影像的分割总精度为99.8%,Kappa值为0.998,说明所提出的算法通过结合各特征的优势部分能够获得高精度的分割结果.     

资源三号卫星在汶川震区滑坡快速识别中的应用方法研究

针对当前采用野外人工调查和遥感目视解译获取地震灾区滑坡信息存在主观性强、耗时费力等缺点。以汶川震区为实验区,应用资源三号(ZY-3)卫星影像,采用多尺度最优分割方法构建多层次识别对象,融合光谱、纹理、几何等影像特征和地形特征建立多维滑坡识别规则集合,以及基于高分辨率影像认知模式与场景理解过程提出滑坡分层识别模型,从而实现滑坡空间分布及其滑源区、滑移区和堆积区的快速识别。通过实验结果发现最低识别精度为82.97%,而滑坡的堆积区最容易识别。研究结果验证了该方法及资源三号卫星数据快速识别地震滑坡信息的有效性,可为震区滑坡调查提供技术支持,并可促进国产卫星的推广应用。     

基于形态学阴影指数的高分二号影像建筑物高度估计

高分二号卫星是我国自主研发的高分辨率对地观测卫星,分辨率达到亚米级。利用高分二号卫星遥感影像,结合数学形态学和面向对象分类的思想进行城市建筑物高度估计。首先,利用多尺度分割将影像分割成对象;进而结合光谱、形状、形态学阴影指数(MSI)等特征面向对象进行分类,相对准确提取出建筑物的阴影并计算阴影的长度;最后,结合影像成像时的卫星、太阳和建筑物的几何关系模型进行建筑物高度估计,并利用实地测量数据进行精度评价和误差分析。结果显示,90%的估计结果绝对误差小于1m,说明该方法可以有效地从高分二号影像中提取建筑物高度,展现了国产高分辨率遥感影像提取城市建筑物信息的巨大潜能。     

高分辨率遥感卫星影像的河流提取方法研究

为了克服单纯采用光谱信息提取河流的缺陷,利用高分辨率遥感影像突出的高分辨率的特性提出一种综合影像中光谱、纹理、几何特性等多特征联合提取河流的方法。该方法分别对河流水体的光谱特征、纹理特征及河流几何形状进行描述,选取特征参数,构造综合特征矩阵,利用均值聚类分割最终得到河流目标。通过对真实高分辨率遥感影像Worldview1影像进行的实验验证了该方法的高精准性及快速性。     

基于自监督学习的河流分割方法

针对水上桥梁图像受地形、天气、环境的影响,河流情况复杂且形式较多,无法事先采集所有图像中的河流样本等问题,本文提出一种基于自监督学习的河流分割方法,利用K均值聚类与Harris角点相结合的方法自动提取部分河流区域作为自监督学习的河流样本,以及河流样本的颜色和纹理特征,再根据提取的图像的河流特征利用支持向量机（SVM）的单分类功能进行训练学习,通过训练好的分类器完成河流的分割。实验结果表明,本文的河流分割方法能较好地分割出河流并适应不同场景的水上桥梁图像。     

基于多尺度分割的遥感影像滨海湿地分类

基于多尺度的高分辨率遥感影像分类方法研究,可以为滨海湿地动态监测、规划保护提供更详尽的湿地分类信息和更快速的数据获取方法,对湿地保护具有重要意义。选取连云港青口河入海口处湿地为研究区,以高分辨率遥感影像WV\|Ⅱ和航空遥感影像为数据源,利用多尺度分割方法将影像分割成不同层次的实体对象;在不同层次,以实体对象为单元,结合光谱、形状、纹理等不同影像特征,进行滨海湿地分类研究,结果表明:利用该方法分类后,研究区各种湿地类型都达到较高精度。基于多尺度分割的影像分类方法能充分利用各种影像特征完成湿地分类,有效地减少了遥感影像中的“椒盐”现象,提高了分类精度;选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提。     

Extraction of bridges over water from IKONOS panchromatic data

Compared to remote sensing images of medium or low spatial resolution, high‐resolution remote sensing images can provide observation data containing more detailed information for georesearch. Accordingly, an important issue for current computer and geoscience experts is to develop useful methods or technology to extract information from these high‐resolution satellite images. As part of a series of research into object extraction, this paper focuses mainly on the extraction of bridges over water from high‐resolution panchromatic satellite images. Since bridges over water are obviously adjacent to water in remote sensing images, this paper proposes a practical knowledge‐based bridge extraction method for remote sensing images of high spatial resolution. The steps involved are: water extraction based on Gauss Markov Random Field (GMRF)‐Support Vector Machine (SVM) classification methods which use a SVM to classify the image based on textural features expressed by a GMRF; image thinning and removal of fragmented lines; main trunk detection by width; vectorization; and feature expression. Finally, tests are described for two pieces of panchromatic IKONOS satellite images with a 1 m resolution. The experimental results show that the proposed method is suitable for images with a single‐peak histogram (contrast between water and land is sharp) or a multi‐peak histogram (greyscale value of water is close to that of land).     

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...     

基于PPMU-net的多特征高分辨率遥感道路提取

针对复杂地形条件下道路特征选取不具代表性,分割精度低的问题,提出了一种基于卷积神经网络（PPMU-net）的高分辨率遥感道路提取的方法。将3通道的高分二号光谱信息与相应的地形信息（坡度、坡向、数字高程信息）进行多特征融合,合成6通道的遥感图像;对多特征的遥感图像进行切割并利用卷积网络（CNN）筛选出含道路的图像;将只含道路的遥感图像送进PPMU-net中训练,构建出高分辨率遥感图像道路提取模型。在与U-net神经网络、PSPnet神经网络相比时,所提的方法在对高分辨率遥感道路提取时能够达到较好的效果,提高了复杂地形条件下道路分割的精度。     

基于COSMOＧSkyMed和SPOTＧ５的城镇洪水淹没信息快速提取研究

洪水是我国最为频繁的自然灾害之一,如何快速准确地获取洪水淹没范围在救灾减灾工作中具有重要意义.目前,卫星遥感技术已广泛应用于洪水信息提取的研究中.不同的遥感数据源在洪水信息提取中各有利弊,综合研究雷达影像和可见光影像的优缺点,建立了基于多源遥感数据的洪水淹没信息快速提取模型.首先,利用灾中第一时间获取的COSMOＧSkyMed雷达影像,采用面向对象的方法提取出洪灾发生时的水域空间信息;其次,利用灾前SPOTＧ５高分辨率光学影像,采用多光谱影像波段运算和决策树分类的思想提取出常态下的水域空间信息;最后,对灾中雷达影像COSMOＧSkyMed提取的水体和灾前光学影像SPOTＧ５提取的水体进行空间差值运算,得到洪水淹没范围信息,并利用洪水当天拍摄的无人机遥感影像对结果进行精度评价.将该模型应用于２０１３年浙江余姚水灾,监测结果表明:在洪水发生后,能够快速获取淹没范围空间信息,并且提取精度达到９３．７％,为洪灾的防治以及抗洪抢险救灾工作提供强有力的技术支撑和基础数据信息.     

基于高分辨率遥感图像的道路提取研究

道路是现代交通的主要组成部分,对于管理和更新地理信息系统数据库中的道路信息非常重要.目前,自动提取道路网络的主要数据源为遥感图像数据,但随着近年来遥感影像的地面分辨率不断提高,图像中地物信息愈加丰富,对图像中道路信息的提取难度也随之增大.文章主要展开一种利用机器学习对高分辨率遥感图像的道路提取研究.首先对高分辨遥感图进...     

遥感湖泊面积MTMF提取方法及空间尺度效应研究

主要研究遥感湖泊面积亚像元分解提取方法和空间尺度效应,为遥感湖泊面积提取、检验及基于此的局地气候变化分析提供科学的基础数据。在对TM遥感数据进行升尺度处理的基础上,采用混合调制匹配滤波(Mixture Tuned Matched Filtering,MTMF)进行亚像元分解,得到不同空间分辨率的湖泊面积。进而分析不同面积湖泊随遥感空间尺度的变化。结果表明:(1)当通过对高空间分辨率的遥感数据重采样获取多尺度遥感影像进行湖泊面积提取及湖泊空间尺度效应分析时,采用最近邻法比像元聚合重采样法更合理。(2)MTMF亚像元分解法可以用于基于水体光谱特征的遥感湖泊边界提取和面积计算,但边界提取过程中容易将湖泊与河流或其他非湖泊的水体混淆。(3)遥感湖泊面积的提取结果受所用遥感影像空间分辨率的影响较大,影像的空间分辨率越低,湖泊面积提取的偏差越大,尤其对面积较小的湖泊。     

基于QuickBird影像城市道路特征语义信息提取

快速、准确地获取城市道路信息,对于城市GIS数据更新具有重要意义。以昆明市为研究区,采用QuickBird卫星影像为数据源,开展了城市道路信息提取的特征语义信息提取实验研究。结果表明:①引入人脑认知OAR模型,提出高分辨率遥感影像城市道路认知框架,建立了道路信息提取语义模型,用数学方法和逻辑规则语言表达道路语义模型,再进行特征语义信息提取的研究思路是可行的;②采用Canny算子进行边缘检测道路、道路特征点细化、基于结点的线段追踪,进而提取对象语义信息、空间关系语义信息、局部上下文语义信息,最后通过GIS对提取的道路网络优化,实现道路网络最终提取,经检验提取道路信息长度的准确率为89.19%,宽度的准确率为71.54%,道路提取完整率为50.32%。     

高分辨率遥感影像桥梁特征提取方法研究*

根据桥梁水体相连的知识，提出了一种基于知识的高分辨率遥感影像水上桥梁提取的实用方法，即在水体提取的基础上将图像细化，通过宽度限制检测桥梁主干线，并对其进行矢量化和特征表达来实现桥梁提取，通过实验证明了该方法的有效性。实验证明此方法不仅适合于水体与陆地灰度差别大，即单峰直方图的影像，还适合于水体与陆地灰度差别不大，即直方图多峰或峰顶不明显的影像。     

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。