基于视差的高分辨率遥感影像建筑物变化检测

针对城区高分辨率遥感影像建筑物变化检测中视差引起误检测问题,提出一种基于视差的建筑物变化检测方法。首先,利用改进的双峰分裂法实现对建筑物阴影的检测;然后,借助阴影估计屋顶的位置,并自动选取种子区域,结合区域生长法进行建筑屋顶提取;最后,以视差、视差方位角以及面积等作为判定条件对两时相影像建筑物的变化情况进行分析。通过对WorldView-2影像和IKONOS影像进行变化检测,平均正确率达到了89.6%。实验结果表明:在屋顶光谱均匀且有明显建筑阴影的稀疏建筑区,该方法能够有效解决建筑屋顶种子区域自动选取及高层建筑视差引起误检测等难点问题。     

基于视差的高分辨率遥感影像建筑物变化检测

针对城区高分辨率遥感影像建筑物变化检测中视差引起误检测问题，提出一种基于视差的建筑物变化检测方法。首先，利用改进的双峰分裂法实现对建筑物阴影的检测；然后，借助阴影估计屋顶的位置，并自动选取种子区域，结合区域生长法进行建筑屋顶提取；最后，以视差、视差方位角以及面积等作为判定条件对两时相影像建筑物的变化情况进行分析。通过对WorldView-2影像和IKONOS影像进行变化检测，平均正确率达到了89.6%。实验结果表明:在屋顶光谱均匀且有明显建筑阴影的稀疏建筑区，该方法能够有效解决建筑屋顶种子区域自动选取及高层建筑视差引起误检测等难点问题。     

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。     

基于区域增长的立体匹配算法研究

本文主要讨论分析了一种改进了的基于区域增长的立体匹配算法.利用Harris触点检测完成自动选取种子点的功能,并提出手动方法,以保证匹配精度、提高匹配速度;然后利用区域增长将匹配关系由种子点传播到周围的区域,达到遍历整幅图像的目的.最后根据视差原理计算匹配点对的视差.     

HSL-PCA集成的GF-1影像阴影检测方法

针对目前高分影像阴影检测算法存在对半影区和中等高度建筑阴影检测精度不够及易受水体影响等问题,提出了一种基于HSL-PCA集成的GF-1影像阴影检测方法。首先,对GF-1影像的近红外波段进行分割,获得阴影初步检测结果,但初步检测结果包含道路和河漫滩等非阴影区域;其次,对RGB色彩空间进行主成分分析和HSL色彩空间变换,计算得到包含阴影和水体的信息,但不含河漫滩边缘与道路信息;最后,对两次结果进行逻辑与运算和形态学滤波处理,去除道路、河漫滩、水体等信息,得到准确的阴影信息。实验结果表明,该方法能够高效、准确地提取GF-1影像中中等高度建筑和高大地物的阴影信息。     

遥感影像建筑物阴影中树木阴影的去除方法

高分辨率多光谱遥感影像中的建筑物阴影具有重要作用。针对检测到的建筑物阴影经常受高大树木阴影影响的问题,在可分离亮度的Lab颜色空间建立树木颜色模型,使用查表法准确检测遥感影像中的树木区域。提出根据树木区域和光照方向去除建筑物阴影中树木阴影的方法,通过实验证明其有效性。     

城市航空影像的阴影检测和阴影消除方法研究

阴影是城市航空遥感影像的基本特征之一,阴影的存在影响地物边缘的提取、建筑物的识别和影像的配准等,因此,阴影检测和阴影消除在城市遥感中具有重要意义。本文主要介绍了一种高分辨率城市航空影像的阴影检测和阴影消除方法,在阴影检测过程中,分别对影像RGB色彩空间中的G通道和HIS色彩空间中的亮度通道进行阈值选择检测出阴影区域,然后对这两种阴影检测结果进行与运算得到最终的阴影区域并标记出来。对所标记的阴影区域,根据Retinex理论选择合适的尺度对其进行增强处理,由于阴影区域的地物信息进行增强时阴影边界也有所增强,因此需要对阴影边界进行模糊化处理。试验表明,该方法能较好的检测出阴影区域,而且对阴影区域的地物恢复效果较好。     

遥感影像变化检测综述

变化检测作为土地利用/土地覆盖检测的关键技术,其目的是在同一区域不同时期的遥感数据中检测出变化的部分及其类型。针对传统的变化检测方法中存在繁重的人工劳动和检测结果效果差等问题,大量基于遥感影像的变化检测方法被提出。为了深入了解基于遥感影像的变化检测技术以及进一步研究变化检测方法,通过对大量有关变化检测的研究进行整理、分析和比较,对变化检测进行了较为全面的综述。首先阐述了变化检测的发展历程;然后从数据选择及预处理、变化检测技术、后处理及精度评价这三个方面详细归纳了变化检测的研究进展,其中变化检测技术主要从分析单元和比较方法的方面分别进行概括;最后对变化检测各个阶段存在的问题进行了总结并提出了未来的发展方向。     

一种改进型面向对象的遥感变化检测方法

针对人工变化发现效率低下和高分影像数据量大的现状,按照"先发现变化区域,再进行分类识别"的检测思路,提出了一种集成改进型变化矢量分析法和面向对象分类法的变化检测方法。该方法利用基于最大类间方差阈值搜索的改进型CVA法以自动快速提取出变化区域,再基于面向对象分类法对变化区域进行地物类型识别。为验证该方法的有效性,本文利用2009年和2013年两期IKONOS高分影像对重庆市沙坪坝区大学城建成区进行了变化检测实验,并采用变化检测一致性比率进行精度分析。实验结果表明,该方法对道路和建筑用地的变化检测精度可以达到85%以上,对耕地和水体的地类检测精度达到70%以上。可见,该方法在大区域的宏观土地利用遥感动态监测工作中具有一定的实用价值。     

综合像素级和特征级的建筑物变化检测方法

针对单独使用像素级变化检测或特征级变化检测对于高层建筑物检测精度低的问题,提出了一种结合像素级和特征级的建筑物变化检测方法。首先对多个时相的遥感图像进行基于比值法的像素级变化检测,得到包含建筑物变化的候选区域,在候选区域上再进行基于建筑物特征的变化检测。该方法首先利用基于Delaunay三角网约束的快速配准算法配准两个不同时相的多光谱图像,利用建筑物的变化会导致建筑物所在局部区域的纹理分布和色调发生变化的特点,提取对辐射差异和配准误差鲁棒的纹理和色调特征进行变化检测。实验结果表明,该方法可以有效提高建筑物变化检测正确率,降低虚检率。     

高分辨率航空影像阴影自动检测和去除

针对高分辨率航空影像的阴影检测与去除问题,通过对阴影的光谱特征的分析,提出了一种新的自动化阴影检测和去除的方法。该方法首先利用约束颜色不变量和水平集分割相结合的方法对阴影进行自动检测,获取完整的阴影区域和精确的阴影轮廓线;然后利用阴影轮廓点的邻域作为同质区域,进行补偿因子估算达到去除阴影。实验证明,该方法能够自动准确地对阴影进行检测和去除,不但提升了阴影区域的亮度,而且使得地物细节得到了很好的恢复。     

双Level Set遥感影像建筑物检测

对传统的基于梯度的Level set方法和基于区域的Chan-Vese分割模型进行分析,提出结合局部梯度和同质区域全局均值信息的双水平集遥感影像分割模型,并利用变分法得到曲线的演化方程。该模型引入一种内部约束能量项近似地表示符号距离函数,使算法摆脱了重新初始化符号距离函数的缺陷,提高了曲线的演化速度,且可以同时分割出多类目标。在建筑物检测中可以同时检测出建筑物的向阳区域、屋顶和阴影区域。实验表明,该方法是一种有效的建筑物检测方法。     

城镇区域高分辨率遥感影像地表覆盖变化检测的误差分析

利用高空间分辨率遥感影像对土地利用/土地覆盖进行变化检测是国土监测的重要内容。但是,高分辨率影像存在一些中低分辨率影像所不具有的难点和不确定性,使得对城市区域进行变化检测获得的结果在阴影、图像配准、阈值选择、检测方法选择和图像后处理等方面的误差更为突出。基于ENVI和ERDAS软件中的工具,使用2009年和2012年两个时相的南京仙林航空彩色图像进行了变化检测,然后按照类内、类间地物类型进行了误差分析。结果表明:漏分误差的97.6%为类间误差,错分误差的87.1%为类内误差。按照误差的主要来源,漏分像素的72.6%来自于检测方法;错分像素的43.6%来自于检测方法、39.7%来自于辐射的不一致性。研究结果可为新变化检测算法的开发提供参考支持。     

基于Siam-UNet++的高分辨率遥感影像建筑物变化检测

针对同—区域前后时序的高分辨率遥感影像背景复杂、变化类别多样、目标变化检测时存在漏检和边界识别粗糙问题,提出了一种基于Siam-UNet++深度神经网络的高分辨率遥感影像建筑物变化检测算法.该算法采用UNet++作为骨干提取网络,在其编码器部分应用Siam-diff(Siamese-difference)结构提取前后两时序图像的变化特征,并在解码阶段的上采样和横向跳跃路径连接之后引入注意力机制,突出建筑物变化的特征,抑制网络对其他类别特征的学习;同时使用多边输出融合(multiple side-output fusion,MSOF)策略加权融合不同语义层次的特征信息,提高了建筑物变化检测的精度;最后采取滑窗的方法对大尺度遥感影像进行预测,减少拼接过程中变化结果图产生的空洞图斑.在大型建筑物变化检测数据集上的实验结果表明,该算法有效提升了建筑物的变化检测效果.     

SAR图像建筑物成像特性及重建研究方法

基于SAR图像中平面屋顶建筑物的成像机理,介绍SAR图像中建筑物的信息获取和重建方法,包括成像特性、建筑物平面长条屋顶的提取、建筑物高度计算.通过成像原理,利用建筑物二次散射亮线及叠掩、阴影区域定位建筑物屋顶区域,再结合叠掩、阴影区域反推出建筑物高度的计算公式,实现建筑物三维重建.     

高分辨率遥感图像中建筑物阴影的提取

在利用城区高分辨率遥感图像进行变化检测及目标提取等应用时,建筑物阴影的影响相对严重.要消除建筑物阴影的影响,就需要准确提取出建筑物的阴影.在分析了现有建筑物阴影提取方法不足的基础上,介绍了一种基于形态学重构来自动提取城区高分辨率遥感图像中的建筑物阴影的算法的原理及方法,并进行了实验.实验表明,算法能很好地去除绿化带和道路的影响,而且也能消除图像背景不均匀对结果产生的影响,提取出的建筑物阴影的大小和形状都能保持得比较好.     

融合WorldView-2与机载激光雷达数据估算城市不透水面

针对高空间分辨率遥感影像进行城市不透水面提取时存在的同物异谱、异物同谱及阴影等局限性,提出一种基于WorldView-2高分影像与机载激光雷达数据融合的分层分类估算城市不透水面的方法。该方法首先运用基于雾霾与比值(haze-and-ratio-based,HR)的融合算法对WorldView-2多光谱波段与全色波段进行数据融合;然后依据LiDAR归一化数字表面模型(normalization digital surface model,nDSM)高度阈值分为地面物体与非地面物体,运用像元尺度上分层支持向量机分类算法进行城市不透水面百分比估算;最后结合特征阈值和GIS空间分析法探测阴影区域不透水面。研究结果表明,与传统的高分影像提取城市不透水面方法相比,该方法可以明显改善材质复杂的建筑物屋顶提取不完整,以及高亮裸土与高反照度屋顶相互混淆的现象,并通过阴影校正可以较好地区分阴影区域的植被与不透水面信息,进而提高城市不透水面估算精度。     

城市规则建筑物阴影去噪

针对建筑物阴影提取受同物异谱和异物同谱特点的噪声干扰较大这一问题,提出一种结合几何特征和语义特征约束条件去噪的城市规则建筑物阴影提取方法。首先,针对阴影在HIS色彩模型中低亮度、高色调和高饱和度的特性,采用归一化阴影指数进行初步阴影检测,并与经过过绿指数变换后的图像做差值运算去除偏蓝色地物的干扰,然后根据建筑物阴影特征采用4种几何指数和阴影方向进行去噪处理。分别选取高分辨率卫星影像和航空影像进行实验,结果表明,该方法对于城市规则建筑物阴影提取具有较高的精度,并且结果边界完整,无破碎图斑。     

融合阈值分割和注意力网络的建筑阴影检测

针对高分辨率高层建筑物遥感影像噪声干扰大、阴影检测困难的问题,本文提出了一种改进阈值分割和注意力残差网络结合的高层建筑物遥感影像阴影检测方法.首先,利用改进最大类间和最小类内阈值分割算法建立阈值分割模型,并基于轮廓间的连通域特性和端点位置约束关系利用欧几里得度量算法对断裂轮廓进行修补得到阴影轮廓;然后,利用生成对抗网络模型对误判数据集进行扩充;最后,对残差网络进行改进,在特征图中加入注意力机制进行全局特征融合.在不同场景下,分别与辐射模型、直方图阈值分割、彩色模型阴影检测方法,支持向量机、视觉几何群网络、Inception和残差网络分类网络进行了对比实验,本文方法综合误判率和漏检率分别为2.1%、1.5%.结果表明,本文提出的高层建筑遥感阴影检测算法能较好地完成阴影区域的分割和检测,有利于节约人力物力资源、协助工作人员进行遥感信息的解译、遥感档案建立等工作,具有实用价值.     

无监督特征优选高分辨率影像变化检测新方法

通过分析面向对象高分辨率影像变化检测面临的问题,从影像对象多特征选择与利用入手来提高其变化检测的性能。提出了一种面向对象的非监督特征优选的变化检测方法,首先利用面向对象的分割方法对原始影像进行分割得到各影像对象并提取特征形成特征影像;然后按尽量消除数据冗余原则提取各单特征影像的变化检测结果;最后利用直方图相交的方法与基准影像中的变化强度信息作比较,并以此为依据进行特征优选。在此基础上利用马尔科夫随机场（Markov Random Fields,MRF）模型将优选特征的变化检测结果进行自动融合。新算法很好地实现了多特征的自动优选和综合利用,验证结果表明算法具有很好的变化检测准确性和鲁棒性性能。