高分辨率遥感影像结合LiDAR数据的面向对象分类方法

为了更准确地对遥感数据进行分类,结合Geo Eye高分辨率遥感影像和机载Li DAR数据,通过对分割参数、特征选择、分类规则等特征进行研究,提出采用面向对象的模糊分类方法——成员函数法选择实验区进行了分类研究。实验结果表明:该分类方法能够更有效地提取出建筑物、煤堆、灌木等矿区典型地物,总体分类精度达到93.92%,KIA为92.52%,分类精度相比单一遥感数据明显提高。     

基于遥感数据提取建筑物的主动轮廓改进模型

针对传统的主动轮廓模型在提取建筑轮廓时不能区分与其具有相似反射率的地物和需要建筑物附近的初始轮廓等问题,从两方面对其进行了改进:1)将原始的单一数据改为利用高分辨率遥感影像与激光雷达(LiDAR)数据融合后的数据进行建筑物的提取;2)在原始模型的能量公式中加入比例系数,控制各波段在能量泛函中的比重.采用Matlab编程实现了所提出的算法,并对徐州市两个地区的快鸟(Quickbird)影像进行了分析.结果表明:改进后的模型可以很好的完成建筑物轮廓的自动提取,并且具有对噪声不敏感、不需要建筑物附近的初始轮廓和隐式改变拓扑结构的优点,达到了较好的效果,证明了改进主动轮廓模型的可行性.所提出的算法为建筑物的轮廓提取提供了有效手段.     

基于机载LiDAR数据的建筑物点云提取

LiDAR技术是快速获取地面及地物三维数据的新型测绘技术,也是近年来进行城市三维建模的一种重要手段,而对建筑物的提取是城市三维建模的重要步骤。为了从原始机载点云中有效地提取出城市建模所需要的建筑物点云,在常用机载LiDAR滤波与点云分类思想的基础上,提出了结合面积与斜率两特征参数的区域增长算法,实现了高大植被与建筑物点云的有效分离,完成了建筑物点云的提取。通过设定合理的面积阈值与斜率阈值,结合具体的数据通过该算法获得了较好的提取效果,最后对提取方法及效果进行了客观分析与评价。     

高分辨率遥感影像建筑物震害信息提取方法比较研究

利用高分辨率遥感影像进行建筑物震害信息提取是地震灾害损失评估的重要手段,建筑物震害信息的提取技术是准确获取灾害信息的关键。利用青海玉树震后QuickBird影像,采用面向对象和像素的分类方法进行建筑物震害信息提取,通过精度评价和目视比较分析发现,面向对象的分类方法提取建筑物震害信息分类结果与实际震害情况具有较好的一致性,精度更高,能够避免基于像素的分类提取中出现的"椒盐现象"。     

LIDAR数据结合特征线获取高精度DEM及DOM

LIDAR点云数据是一种快速提取DEM的方法。但由于LIDAR点云的一些特性和地面上物体的复杂性,很难直接提取出高精度的DEM及获取高质量的DOM。介绍一种LIDAR点和特征线相结合的方式,即新兴技术和传统技术相结合,此方法既克服周期性长的缺点,又保证精度。     

高分辨率影像香榧树分布信息提取

为了准确确定香榧树的空间分布、定量分析香榧树的适宜生长环境,基于IKONOS卫星影像,通过地统计半方差分析评价植被类型的可分性,并获取灰度共生矩阵纹理计算的最佳窗口;综合光谱信息、植被指数和纹理信息,应用C5.0决策树算法获取研究区地物分类的最优特征及规则,对香榧树的分布进行信息提取,其生产者精度为77.33%,用户精度为76.32%,该结果表明,基于决策树的香榧树分布遥感信息提取方法具有应用价值.     

基于航空影像提取建筑物高度的探讨

从航空影像中自动提取建筑物高度,是利用航空影像完成地物测绘的关键技术之一。针对含有大量建筑物信息的航空影像,研究了一种在图像边缘检测的基础上,基于Canny算子进行边缘检测和基于Hough变换提取直线信息的方法,并通过某建筑物的航空影像对该方法进行验证。     

多源SAR影像监测矿区建筑物三维位移场

合成孔径雷达差分干涉(差分InSAR)技术仅能获取雷达视线向(LoS)一维形变信息.通过分析LoS向形变的三维空间合成模型,研究了融合多源合成孔径雷达(SAR)影像求解建筑物三维形变的模型与算法.该算法利用具有不同空间几何的SAR影像获取目标在不同LoS向的形变信息,联合求解目标三维形变场.结果表明:三维算法反演的垂直向位移(即下沉)与水准数据相互吻合,均方根误差为士10 mm;东西向水平位移场符合开采沉陷规律.由于卫星采用极轨飞行,使得三维算法对南北向位移不敏感,反演精度差;由三维位移场计算的倾斜值以及东西向水平变形与实测值间的均方根误差分别为±0.21,±0.06 mm/m.     

基于LIDAR点云数据插值方法研究

利用机载LIDAR技术可以获取高精度﹑高密度的三维坐标数据,并生成三维立体模型,构建用户感兴趣的DEM和DSM,如今需要快速高效的处理LIDAR点云数据,研究和探讨最合适的插值方法就显得特别重要,本文着重研究了不同插值算法的特点。     

基于面向对象的建筑物信息提取方法研究

为了更好地进行城市建设和规划,对建筑物进行有效识别非常重要。针对目前遥感技术对建筑物难以实现高精度提取的问题,本文提出一种基于引入红色边缘波段规则的面向对象和基于样本的面向对象相结合的方法,提取城市建筑物信息。该方法利用worldview 2影像的全色和多光谱的融合数据,进行尺度分割,根据建筑物的光谱特征、形状特征、数字表面模型(digital surface model,DSM)和worldview2的红色边缘波段(RedEdge)的纹理特征建立双层规则知识库,进行建筑物信息提取;同时,利用基于样本的面向对象方法对worldview 2数据影像进行建筑物信息提取。最后,对2种方法获取的建筑物信息结果进行融合,实现建筑物的高精度提取。以广州市天河区试验区为例,研究结果表明:基于样本的面向对象法、基于规则的面向对象法、基于引入红色边缘波段规则的面向对象法以及本文方法的分类精度分别为81.27%,83.75%,87.06%,91.43%。基于引入红色边缘波段规则的面向对象与基于样本的面向对象分类相结合的方法比其他3种方法提取的精度都高,为高分辨率遥感影像建筑物信息的识别提供了有效的手段。     

基于样本形态变换的高分遥感影像建筑物提取

针对高分辨率遥感影像中建筑物屋顶光谱信息多变引起建筑物提取精度降低的问题,提出基于样本形态变换的建筑物提取方法. 利用偏移阴影分析法自动提取初始建筑物样本,根据建筑物屋顶形态特征,合理利用样本旋转、偏移、缩放变换方法,构建自适应样本精细提取变换组合,以更完整、全面地提取建筑物样本;结合支持向量机（SVM）分类器进行影像分类,得到建筑物初始提取结果;提出基于形态特征的格网占比法对初始提取结果进行确认,剔除不规则非建筑物,实现对建筑物的准确提取. 对高分辨率遥感影像进行对比实验分析,以验证方法的有效性. 结果表明,与面向对象分类、反向传播（BP）神经网络、基于偏移阴影分析3种参照方法对比,所提方法的建筑物提取精度均优于参照算法.     

异源高分辨率卫星遥感影像配准新方法

首先建立了粗配准模型。然后对影像进行边缘提取,采用Hough变换提取同名直线。利用同名直线交点构建虚拟点集并进行特征描述,通过几何约束和互信息方法提取初始同名点。最后采用RANSAC算法获取最终的匹配结果,并利用获取的同名点对构建三角网进行小面元纠正。实验结果表明:相对于传统的SIFT匹配算法,本文方法可提取更多的同名点,均方根误差(RMSE)可以控制在1个像素以内。     

高分辨率遥感卫星影像的处理技术与解决方案

就当前遥感领域的研究热点之一,遥感影像定量化处理中高分辨率遥感卫星影像的处理技术,结合现有的实用系统,讨论可提供的成果和应用解决方案.     

高分辨InSAR中的城市高层建筑特征提取

在分米级超高分辨下,为先进干涉合成孔径雷达技术等提供先验信息,可以依据高层建筑在干涉合成孔径雷达图像中的投影有其独有的特性,对城市高层建筑进行更多细节信息的提取。因此提出一种基于图像、感兴趣区域、高层建筑、像素级别的从上至下逐步细化的处理方法,结合高层建筑在超高分辨干涉幅度、干涉系数及缠绕相位中的投影结构和特性,引出高层建筑的方向角和等高同向像素等特征定义,并实现对高层建筑检测及特征提取。采用德国TanDEM-X系统获得的城市高层区域侧视数据进行实验,验证了所提方法的有效性和可行性。     

GNSS/高分影像结合的复杂地形城市居住区灾情制图

在高分卫星影像分析的基础上探索了灾害影像与GNSSS/RTK高精度定位结合的复杂地形城市居住区灾情制图技术。先利用高分遥感影像确定灾情点的准确位置,再用检校过的GNSS/RTK观测装置完成灾情点附近的RTK控制点采集与多时相高分影像校正,分析了影响山地城市灾情数据采集的主要因素和复杂地形条件下减少观测冗余量、缩短观测周期的方法。利用分级符号展现了观测精度的变化,根据野外踏勘实验设计了评估GNSS灾情观测效率的进度曲线。该评估方法能够提供灾情演化的三维坐标,与高分影像提供信息紧密结合、相互补充,适合我国西南复杂地形城市的灾损制图工作。     

基于高分辨率卫星影像的输电走廊植被生长预警

为从卫星影像中提取出输电走廊的信息,提出一种基于高分二号遥感影像的输电走廊信息提取方法.首先基于低分辨率多光谱影像进行加权灰度变换并实现影像二值化,利用影像边缘检测和直线检测方法提取输电线路和杆塔的信息.然后,利用最小距离法对融合后的高分辨率影像进行植被精细识别,并计算植被覆盖指数.最后,在植被分布影像中重构输电线路,...     

基于无人机遥感影像的水体提取方法

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞,实现水体提取. 实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.     

手指静脉图像感兴趣区域提取方法研究

研究了一种手指静脉感兴趣区域(ROI)的定位与提取方法,以解决手指在采集静脉图像时的随机运动对手指静脉识别结果的影响。通过计算手指轮廓线的主方向和末节关节腔位置对手指摆放位置的随机变化进行校正,并初步定位分割出手指静脉感兴趣区域。运用迭代优化方法实现手指静脉感兴趣区域分割结果的精确提取。在小型数据集上进行实验的结果表明:该方法得到的感兴趣区域具有较好的聚类特性。说明该方法能够有效地从同一手指姿态变化的多幅静脉图像中定位并分割出相似度较高的感兴趣区域。     

基于改进的DUNet遥感图像道路提取

为进一步提高遥感图像道路提取的精度,提出一种改进的DUNet遥感图像道路提取方法。在编码器部分,为使网络关注道路信息,在第3个池化层分别使用有注意力机制和没有注意力机制两个分支提取道路特征;在解码器部分,同时使用传统UNet的解码器和DUNet解码器两个分支进行上采样,最大限度减少信息丢失。试验结果表明,与其他8种常用的分割模型结果相比,此方法在Massachusetts和DeepGlobe 2018数据集上都获得最高的平均交并比和平均Dice系数,其中平均交并比最高分别提高2.90%和8.99%,平均Dice系数最高分别提高2.53%和7.66%。这表明改进的DUNet能够有效实现遥感图像的道路提取,与传统DUNet相比,在小路区域的分割效果得到提升,进一步提高了传统DUNet的分割精度。