基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

基于分水岭变换的遥感影像面向对象分类

为了提高面向对象分类的自动化程度,提出将分水岭变换与ISODATA聚类相结合对遥感影像进行面向对象分类。首先利用改进的分水岭变换对高分遥感影像进行分割,获得分割的对象后,利用ISODATA聚类方法对其进行分类。试验结果表明,该方法取得了较好的分类效果,且分类速度快,一定程度上提高了遥感影像分类的自动化。     

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。     

基于纹理特征的高分辨率遥感影像分类方法

灰度共生矩阵能较好反映影像灰度统计规律,小波变换能较好反映影像的多尺度特性,利用两者结合进行了纹理特征提取。将灰度共生矩阵和小波变换提取纹理特征作为分类特征向量,建立基于支持向量机分类模型对高分辨率遥感影像进行分类;在支持向量机参数优化问题上,利用遗传算法进行参数寻优,有效的避免多学习和欠学习状态的发生。分类实验结果表明了本方法的有效性。     

结合SURF与SVM的高分遥感影像车辆提取技术

从高分遥感影像中提取车辆信息,对民用和军事领域具有重要意义。为提高车辆信息提取的精度和效率,提出SURF特征和支持向量机(SVM)相结合的方法,对感兴趣区域的车辆进行提取。通过边缘信息消除冗余图像,利用半搜索策略滑动窗口,以提高车辆识别精度,减少计算量。对深圳南山区0.25 m分辨率的遥感影像进行车辆提取测试,测试结果表明:车辆提取的错误率低于20%;车辆提取时间控制在分钟级,本算法具有一定的工程适用性。     

基于残差SegNet模型的高分辨率遥感影像分类方法

为解决深度语义模型(SegNet)在高分辨率遥感影像分类中易出现梯度消失从而影响分类精度的问题,提出一种残差学习改进SegNet语义模型(ResSegNet)的高分辨率遥感影像分类方法,该方法以SegNet语义模型为基础,通过构建更深层次的网络结构并加入残差块以提高模型的特征提取能力,从而提取更深层次影像空谱特征实现分类。利用高分辨率遥感影像语义分割数据集Vaihingen和Postdam进行实验验证,结果表明：相比于支持向量机、面向对象决策树法、传统卷积神经网络和SegNet语义模型分类方法,提出的ResSegNet分类方法的总体精度均最高,分别为89.18%和87.62%,分类效果和分类精度最优。     

基于RFA-LinkNet模型的高分遥感影像水体提取

针对现阶段卷积神经网络模型在复杂地物背景下水体提取精度低、多尺度特征捕获能力差、模型复杂的问题,基于LinkNet模型提出一种结合RFB模块和通道注意力机制的RFA-LinkNet高分辨率光学遥感影像水体提取模型.首先,将RFB模块用于获取高阶水体语义信息与多尺度特征;其次,利用通道注意力机制,对特征编码和解码的特征进行加权融合,抑制背景特征,增强水体语义.与现有卷积神经网络模型相比,提出方法不仅具有高效的性能和鲁棒性,而且能实现高精度的水体提取.     

基于Adaboost算法的K-means遥感影像分类算法

本文利用AdaBoost算法对K-means算法进行提升,提出了一种基于AdaBoost算法的K-means遥感影像分类方法.其中,针对数据集分布调整的具体实施问题,设计了一种有效的加权变值方法.实验结果表明,融合提升后的分类结果较基本K-means在孤立点的消除和细长目标的识别提取上效果更加显著.     

基于混合光谱特征的建筑物高分影像分类样本筛选

设计了随机样本、感兴趣样本筛选方案,选择典型建筑物样本瓦片通过 Ｋ ｍｅａｎｓ非监督分类获得核心地类的最小样本信息及提高精度的影响因素。利用二值聚类获取建筑物的错分漏分光谱变化,从光谱统计角度分析高空间分辨率影像的聚类分割规律,发现地表真实像元的光谱特征与聚类结果类别光谱分布的内在联系,提出了解决建筑物混合光谱感兴趣区筛选的有效方法。研究表明,该方法可以更好的了解高分影像分类器性能对样本瓦片先验场景光谱分布的依赖程度,进而提高建筑物的分类精度。     

高分辨率遥感影像自动化匹配引擎算法研究

海量高分辨率遥感影像的自动匹配,是其三维重建、配准、拼接等关键技术的基础。全局的匹配不仅浪费时间,而且海量特征之间的相似性会导致很多特征点的浪费甚至错误,而分层大尺度由粗到细的匹配常常由于初始大尺度中的误匹配而影响搜索策略的正常进行和模型估计。为此提出了基于大尺度同名点的辅助三角形变换参数的独立分量求法,然后引导其他特征点在预测区域搜索匹配,以构建试验场区遥感影像自动化处理的引擎及框架,实现了快速稳健的全自动化匹配。     

非光谱特征的城市遥感影像判读

目的为提高模拟人脑对城市影像进行计算机判读提供了重要的参考方法.方法通过引入影像的非光谱特征中的语义知识,按照城市规划监测的需要,把遥感影像语义结构按实体要素-实体-用地类型-功能区,进行搭建语义网络模型.结果总结了影响城市遥感影像判读的四个方面:城市与自然环境协调;社会、经济和技术过程;城市历史变迁的继承性;政策规划实施的强制性.结论四项指导原则综合起来不仅为城市遥感图像判读指出了正确的方面,提供了有力的手段和方法,而且也为今后城市遥感图像判读专家系统的建立,提供了丰富的背景知识及和GIS相结合的有效途径.     

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.     

漓江下游河流地貌50年变化的高分遥感影像解译分析

以美国 １９６２年的高分辨率间谍卫星 ＫＨ－４和 ２０１２年我国高分辨率资源卫星 ＺＹ－３的遥感影像为信息源,对桂林漓江下游上龙-木桥背河段河流地貌 ５０年发生的变化开展了对比研究,旨在寻找漓江河流地貌的变化规律。通过基于 ＥＮＶＩ的图像处理和 ＭａｐＧＩＳ的目视解译,对两时相下的河流边滩、江心洲、凹凸岸个数、曲率和河段面积等地貌信息进行了测量和计算,在此基础上开展统计和对比分析,结果表明：（１）区内边滩有的在逐渐消亡,有的在加深堆积,状态并不统一;江心洲的面积和周长均有所增大。（２）凹凸岸规模变中有稳的趋势,长度为 １～２ｋｍ和 ３～４ｋｍ的个数在减少,而 ２～３ｋｍ的个数则在增加。（３）河段曲率、河段面积及周长都有减小的趋势。     

基于SVM不同核函数的多源遥感影像分类研究

选取同地区同时相的多光谱和高光谱影像,在实验样本和验证样本相同的情况下,采用SVM分类算法中4种不同的核函数,对2种影像进行分类实验.结果表明,对于多光谱影像,RBF核函数分类精度最高,Sigmoid最低;对于高光谱影像,Linear核函数分类精度最高,Sigmoid最低;对于同地区相同分辨率的遥感图像,在分类条件相同的情况下,多光谱影像的分类精度和高光谱的分类精度相近.     

基于SVMs的大幅遥感影像目标快速检测方法

针对高分辨率遥感影像数据幅度大、内容复杂的现状，提出了基于分层分类器的检测方法。从简化分类器的结构和缩减检测区域探讨了提高系统效率的途径。实验表明，这种新的搜索策略提高了大幅遥感影像目标检测的效率。     

基于自编码神经网络的电网故障预测算法

针对电力设备因素、人为因素与气象因素导致的电网故障问题，提出了一种基于自编码神经网络的电网故障预测算法.利用电网运维数据与气象数据来预训练自编码网络，以提取其特征及不同数据间的关联关系.基于多级别特征融合和预测网络来构建各影响因素与电网故障间的映射，根据当前电网环境得到电网故障类型，并使用稀疏正则项来增强网络的鲁棒性.仿真与算例分析结果表明，所提出的算法能够提取出丰富的气象特征，并准确预判电网在给定条件下是否会发生故障及发生故障的概率.     

基于纹理特征的遥感影像居民地自动提取方法

基于纹理特征提取居民地信息的纹理分析方法有四类,即基于统计特征的、基于空间频率的、基于结构的、基于模型的分析法。基于纹理特征的遥感影像居民地信息自动提取方法的发展趋势是将纹理分析方法与新的算法及其他提取方式相结合,并建立居民地信息提取专家系统。     

基于eCogniton的高分辨率遥感图像的自动识别分类技术

传统的遥感信息分类和提取,主要是利用数理统计与人工解译相结合的方法．这种方法不仅精度相对较低,效率不高,而且依赖参与解译分析的人,在很大程度上不具备重复性．专业高分辨率遥感影像分类软件eCogniton采用一种全新的面向对象图像的分类技术来进行影像的分类和信息提取．面向对象图像分类技术的关键技术在于：（1）用来解译图像的信息并不在单个像元中,而是在图像对象和其相互关系中;（2）eCogniton采用多分辨率对象分割方法生成图像对象,提高了分类信息的信噪比;（3）基于对象的分类技术不同于纯粹的光谱信息分类,图像对象还包含了许多的可用于分类的一些其他特征：形状、纹理、相互关系、上下关系等信息．eCogniton的分类结果与传统分类方法相比。其特征提取算子更加地适合于几何信息和结构信息丰富的高分辨率图像的自动识别分类．     

基于视觉显著性的高分遥感影像变化检测

随着遥感科学技术的快速发展,对地观测数据的时间、空间分辨率以及光谱分辨率都得到了显著的提高.然而面对目前丰富的影像信息,传统的遥感影像处理算法难以进行快速、准确、全面的解译,因此高分影像就不能彰显出它的优势.由于视觉注意机制的显著性具有速度快、定位准的优势,利用人类视觉注意机制的显著性来研究多时相高空间分辨率遥感影像的变化检测技术,并通过新的显著性计算模型,模拟人类视觉对显著变化目标信息的捕捉机制,来实现高分影像真实变化目标的快速高精度提取.在显著变化目标提取过程中尽可能的使显著图分辨率与原影像一致,防止失真,并且解决了虚警率、漏警率和总错误率相互冲突无法同时降低的问题.     

基于彩色空间多特征的高空间分辨率遥感影像阴影检测

高空间分辨率遥感影像中的阴影检测对于影像的目标识别和信息恢复十分关键。针对单一特征阴影检测中普遍存在的强反射性地形、地物漏检和水体错检的情况，提出了一种基于彩色空间多特征的阴影检测方法：首先，利用改进的阈值法进行一般阴影的检测；然后利用色调值较高的特征检测包含强反射性地形地物的阴影区域；再利用水体在RGB不同波段的反射亮度差值来进行水体与阴影的区分。实验结果表明：该方法较好地克服了阈值反复试算、包含强反射性地形、地物阴影区域漏检和水体错检的问题，提高了阴影的检测精度。