城市遥感影像语义模型

在快速的城市化进程中,遥感技术可以为城市土地利用变化提供直观、准确、同步的资料.在应用城市遥感影像的过程中,根据城市的社会、经济及自然环境特征,按照城市用地类型的分类建立不同功能区的模型,最终结合起来,组成整个城市的遥感影像判读应用语义模型,使在目视判读中所积累的知识应用到计算机的自动判读过程中,以提高遥感技术在城市领域的应用精度与效率.     

多特征融合的高分辨率遥感影像建筑物分级提取

目的 针对高分辨率遥感影像普遍存在的同谱异物和同物异谱问题,提出一种综合利用光谱、形状、空间上下文和纹理特征的建筑物分级提取方法。方法 该方法基于单幅高分辨率遥感影像,首先利用多尺度多方向梯度算子构造的建筑物指数和形状特征提取部分分割完整的矩形建筑物目标;然后由多方向线性结构元素和形态学膨胀运算确定投票矩阵,从而获取光照方向,并利用光照方向和阴影特征对已提取建筑物进行筛选,剔除非建筑物对象,完成建筑物初提取;最后借助初提取建筑物对象的纹理特征向量建立概率模型,取得像素级建筑物提取结果,将该结果与影像分割相结合实现建筑物提取。结果 选取两幅高分辨率遥感影像进行实验,在建筑物初提取实验中,将本文方法与邻域总变分法和Sobel算子进行对比,实验结果表明,本文方法适用性强,为后提取提供的建筑物样本可靠性更高。在建筑物提取实验中,采用查准率、查全率和F₁分数3个指标进行定量分析,与形态学建筑物指数结合形态学阴影指数算法、邻域总变分结合混合高斯模型和贝叶斯判决算法相比,各项精度指标均得到显著提升,其中查准率提高了2.90个百分点,查全率提高了12.49个百分点,F₁分数则提升了8.84。结论 本文提出的建筑物分级提取方法具备一定抗干扰能力,且提取准确性高,适用性强。     

基于POI数据的城市功能区识别与分布特征研究

以天津市中心城区为研究对象,基于丰富的OSM道路网数据、POI大数据在精细化尺度下进行功能区识别：利用OSM道路网数据生成道路空间将天津市中心城区划分成1 960个研究单元,结合权重赋分的POI数据分析其密度分布以及功能区分布特征。研究结果表明：(1)在城市功能密度分布中,除工业功能在中心城区外围有集中分布以外,其他城市功能的分布都呈现出从中心向外围逐渐分散的特征;(2)单一功能区中,商业区和公共管理与公共服务区所占比重较大,其他4个单一功能区所占比重较小;(3)混合功能区中,以商业—公共管理与公共服务为主的混合功能区所占比重最大;(4)将功能区识别结果与高德地图对比分析,发现识别结果准确性较高。     

高分辨率遥感影像道路线性要素识别

为有效从高分辨率遥感影像中自动提取道路,提出利用线性要素间的拓扑关系识别道路线性要素的方法。提取影像中的线性要素并获取其邻域的光谱属性形成有向直线段;利用提出的道路线性要素识别模型,将满足条件的有向直线段聚类生成道路要素集;利用先验知识进一步验证。该方法主要使用道路线性要素的结构信息,适用于大范围、场景复杂的遥感影像,具有较高鲁棒性,目前该方法已应用于基于高分辨率遥感影像的GPS导航道路数据的生产和更新。     

高分辨率遥感影像空间结构特征建模方法综述

高分辨率遥感影像能够提供详细的地面信息,具有复杂的空间结构特征。有效地描述和建模这种结构特征对实现影像解译、目标识别与提取以及场景理解等具有重要的作用。首先介绍了高分影像结构特征的概念和内涵,将结构特征划分为像元结构、目标结构和场景结构3个层次;然后对高分影像结构特征描述与建模方法进行了系统的综述,介绍了这些方法的基本思想、分析了其研究现状,并指出了存在的一些问题;最后给出了总结和展望。     

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.     

高分辨率遥感影像的多特征多核ELM分类方法

针对高分辨率遥感影像地物分布复杂多变,利用ELM的快速分类性能,提出了一种ELM的多特征多核高分辨率遥感影像分类方法。首先利用多尺度分割算法将原始影像粗分为若干地物区域;然后依据区域合并准则对粗分割图像合并得到典型地物特征的对象信息,并提取分割对象的光谱特征与空间特征;最后以多种核函数加权组合的方式构建多核ELM对影像分类,获得最终的分类结果。实验结果表明,所提方法不仅降低了对目标训练样本的要求,同时还提高了分类的准确性、及时性和完整性。     

融合边界信息的高分辨率遥感影像分割优化算法

目的 针对目前区域分割算法获取的区域边界与真实地物边界不一致问题,利用高分辨率遥感影像地物内具有均质性和地物间边缘信息突出的特点,提出一种融合边界信息的高分辨率遥感影像分割优化算法。方法 首先采用Canny算法对遥感影像进行边缘提取并进行边缘连接处理,产生闭合边界;然后将边界与初始分割结果进行融合处理,获得新的分割结果;最后在闭合边界约束下,基于灰度相似性准则对新的分割结果进行区域合并,获得优化后的最终分割结果。结果 采用本文提出的分割优化算法对Mean Shift算法和eCognition软件获得的分割结果进行优化处理,优化后的分割结果与初始分割结果相比正确分割率（RR）平均提高了4%,验证了本文算法的有效性。结论 该优化算法适用性广,可优化基于区域、基于边界和基于聚类等多种分割方法,同时该算法既能保持高分辨率遥感影像分割的区域完整性,又能保持地物边缘细节特征,提高了分割精度。     

高分辨率多光谱遥感影像中城区道路信息的自动提取

提出一种从高分辨率遥感影像提取城市区域道路网络的方法。该方法采用改进的数学形态学运算方法对影像进行分割,进而得到粗略道路信息网,然后利用道路网的几何特征实现道路与建筑物的有效区分,最后通过抽骨架的方法获得最终道路网中心线。试验数据为某一城区高分辨率卫星影像,并对最终提取的结果进行了评价,结果表明,所提出的方法能够从高分辨率多波段卫星遥感影像上精确、有效、自动提取城区道路网络。     

基于高分辨率遥感影像的城市建筑目标提取研究

基于Geoeye-1高分辨率遥感影像,根据机场、大型公共建筑、污水处理厂3类建筑目标的光谱特征和形状特征,采用面向对象分类识别方法,并结合城市总体规划专题数据,对上述3类建筑目标进行提取实验。实验表明,本文提出的技术路线对上述3类城市建筑目标提取具有较好的应用效果。     

基于特征的遥感影像数据融合方法

基于小波的多分辩率分析理论提出了一种新的遥感数据融合它利用区域方差最大和一致性准则对不同尺度下的子带数据进行融合，采用加权运算对相应带数据进行复合。文中给出了黑白航空影像与ＴＭ影像，ＳＡＲ影像的融合结果。     

城市住宅区遥感影像的分形特征研究

本文以分形理论和方法为基础，首先运用图像处理技术，对一幅上海城区彩红外航片扫描成像，并对住宅区分三类和８个区域进行了光谱数据采样。进而设计了粗视化求分维的算法和程序，分别从两个波段、两种采样方式计算获得了每一样区的４个分维数据。分析表明：住宅区影像的光谱曲线是一种典型的分形曲线，它们的分维值有效地反映了各类住宅区的图像结构特征。本研究揭示了城市住宅区遥感影像的分形特征提取可以进一步应用于住宅区的建设、规划和管理等定量指标估算。     

基于多特征空间及其优化的城市遥感图像目标识别

城市遥感图像目标识别能够监测城市地物类型,是近年来的热点研究话题,然而,基于像元的传统方法不能充分利用高分辨率遥感图像的特征信息,基于对象的传统方法无法精确提取到对象.针对传统方法的不足,本文提出一种基于多特征空间及其优化的城市遥感图像目标识别方法,该方法以两种传统方法为前提,在联合像元特征与对象特征的基础上,补充VG...     

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%。     

融合纹理和形状特征的高分辨率遥感影像道路提取

提出一种结合纹理和形状特征提取道路信息的方法。首先利用灰度共生矩阵提取纹理特征,并将其应用于最大似然分类中提取面状道路,然后利用形态学方法分割道路与其相连地物,最后利用提出的3个形状指数(凹度、精密度、偏心角)有效地识别和区分了道路与非道路地物,并最终实现了提纯道路的目的。实验结果证明,该方法可以准确地提取主干道路网,剔除非道路地物的影响。     

基于机载LiDAR和高分辨率遥感影像的城市道路网提取

利用单个数据源的数学形态学道路提取方法不能充分利用道路的特征,提取的道路信息不完整。针对这一缺陷,并考虑到机载LiDAR数据可以提供高程信息,提出了将机载LiDAR数据和高分辨率遥感影像数据结合起来的城市道路网的提取方法。以徐州市的机载LiDAR数据和高分辨率遥感影像数据作为实验数据,首先将两者进行精确配准,然后利用伪道路信息去除的方法分别将植被信息和建筑物信息等去除,得到基本的道路轮廓,再利用形态细化算法提取道路的中心线,最后,在ArcGIS和Matlab编程环境下实现了改进的道路修剪算法(IRT),利用该算法进行道路修剪,得到了平滑和连贯的城市道路网。经过精度评价可以看出:利用该方法可以较好地避免建筑物阴影、低矮植被群等对道路提取的影响,道路的识别精度达到84%以上。     

基于简化随机场模型的高分辨率遥感影像分割方法

提出了一种灰度分割的基础上添加辅助的纹理分割的基于简化随机场模型的遥感影像目标分割方法,即用常用的描述局部图像特点的特征代替MRF中定义的特征,将这些特征组合成特征向量进行模糊C均值聚类完成分割。给出了算法流程和实验结果,并将该结果与基于高斯马尔可夫随机场模型法分割的结果进行比较,实验结果表明简化随机场模型法在保证一定的分割精度的情况下,分割速度明显快于高斯马尔可夫随机场模型法。     

基于主题模型的高分辨率遥感影像变化检测

提出一种基于主题模型的高分辨率遥感影像变化检测方法。将前后两期遥感影像对应的像素点对作为基本单位,提取其邻域亮度相关度、均值、标准差以及邻域回归直线的斜率、截距等低层次特征,在此基础上映射得到像素点对的高层次视觉单词特征,并通过潜在狄利克雷分配模型进行分析,挖掘其潜在的主题信息,即变化与不变,从而实现变化检测。实验结果表明,该方法能够有效检测高分辨率遥感影像的变化。     

基于IHS的高分辨率遥感影像自适应融合算法

在分析几种IHS算法的基础上,提出了一种适合于高分辨率遥感影像的自适应加权融合算法。该算法基于快速IHS变换,从亮度成份构成和空间细节注入程度两个方面加以改进,采用相关系数来调整权重,避免了人工指定权重带来的主观因素偏差,在提高影像空间细节和光谱保持之间取得了较好的均衡,同时还具备了高计算效率。通过融合实验并与几种改进的IHS算法的对比分析,该算法均优于其他几种改进算法。     

一种应用机载LiDAR数据和高分辨率遥感影像提取城市绿地信息的方法

提出了一种新的面向对象的城市绿地信息两阶段提取方法。该方法分阶段使用高分辨率遥感影像的光谱和2维形态信息以及机载LiDAR数据的3维形态信息作为分类依据。第1阶段,影像首先被分割为对象,对象被分类为无阴影的植被、阴影下的植被、水体、建筑物、空地和阴影6类地物;无阴影的植被和阴影下的植被合并为城市绿地对象,在第2阶段,将LiDAR数据产生的归一化数字表面模型nDSM与绿地对象叠加,计算每个对象的3维形态属性,进一步将绿地对象细分为草坪、灌木和乔木。以美国休斯敦中心城区为例,介绍了方法流程。精度分析表明,绿地的分类精度达到9346%;方法中的主要误差来源于遥感影像当中的建筑物阴影以及生成数字地形模型时所产生的误差。