线段提取在高分辨率遥感图像建筑物识别中的应用

提出一种基于感知组织的线段提取方法．该方法有两大特点：在基本线段提取算法中使用了模板,并且在线段合并过程中综合考虑了直线和物体的形状特点．运用该方法对高分辨率遥感图像中的建筑物进行识别,取得了良好效果。     

城市高分辨率影像绿地植被识别研究进展

从高分辨率遥感影像提取城市绿地植被信息是进行现代城市规划和生态环境评价的关键技术.本文先阐述了遥感影像上各类城市绿地的目视解译特征,分析了人工解译方法存在的优缺点.然后概括归纳出目前3类主要的计算机半自动提取植被的方法:基于像元的提取方法、面向对象的分类方法和纹理分析方法,阐述了各类方法的研究进展,并分析了各种方法存在的问题和缺陷.最后分析了从高分辨率影像进行计算机提取绿地植被存在的难点问题.     

高分辨率卫星影像在城市数字地图更新中的应用

城市地图能够全方位的反应城市的发展,以及城市经济经济的综合建设.通过高分辨率卫星影像的应用可以促使城市数字地图得以不断更新,可以促使其数据的补充构成,达到更好的应用效果.基于此,本文就高分辨率卫星影像在城市数字地图更新中的应用进行分析,分析探讨其在前期准备、地形图及地面控制点数据准备、高分辨率卫星遥感影像的处理、融合影像与城市地图的叠合、城市地图的更新等多个方面的更新技术.     

基于改进SLIC与区域邻接图的高分辨率遥感影像建筑物提取

针对传统SLIC超像素算法在高分辨率遥感影像上分割质量差的问题,提出一种基于降维的改进SLIC与区域合并的方法对建筑物进行分割.首先,对传统SLIC的五维计算进行降维简化,采用灰度特征信息替换色彩信息,减少LAB颜色空间五维特征向量表征的冗余;其次,采用区域邻接图对过分割图像进行合并;最后,对改进SLIC中的主要参数即超像素数目k、紧凑度m和迭代次数p对分割结果的影响做了分析与比较.实验表明：该方法不仅分割出了大部分的建筑物信息,还提高了算法的运行效率与空间效率.运行时间效率比传统SLIC提高了25.5%;对建筑物的提取精度能达到97.6%.     

高分辨率自主卫星数据在电子政务中的应用研究

梳理了高分辨率自主卫星数据在电子政务中的应用方向,总结了不同层次的服务需求,定量地归纳了性能指标需求,在此基础上结合《自然资源和地理空间基础信息库》项目第一期的实践提出了一种基于高分辨率自主卫星数据的电子政务遥感信息服务体系框架及其工作模式,并对其后续建设的规划设计提出了思路。研究成果可为其他自主高分辨率遥感卫星数据应用系统建设提供了借鉴。     

融合高分辨率遥感影像和POI数据的多特征潜在语义信息用于识别城市功能区

准确识别和划分城市功能区对合理规划城市发展和解决城市问题具有重要作用.遥感影像拥有丰富的光谱纹理特征但难以表征建筑物的社会经济属性,而社交媒体数据等城市数据为城市研究与应用提供了丰富的数据资源,补充了遥感影像所缺失的建筑物内在特征.融合高分辨遥感影像和POI数据的多特征信息,利用嵌入主题模型挖掘其潜在语义信息识别城市功...     

卫星图像数据变换新方法在彩色合成中的应用

近年来,作者建议了一种陆地卫星图像数据变换的新方法,它在图像信息处理方面已显示出较大的潜力。这里介绍它在MSS图像彩色合成中的应用(详见中心插页彩图)。一、新方法的特色与过去已提出的一些变换不同,这个方法从地学和生物学角度出发,将现在通用的遥感数据转换成物理含义明确的辐射值,借以分析     

窗户纹理的时频描述及其在建筑物提取中的应用

航空影像中，窗户纹理的合理描述对建筑物提取具有重要意义。依据灰度图像中窗户区域呈现出的明暗变化规律，在建筑物垂直边缘检测的基础上，利用时频分析和Radon变换描述了窗户纹理的周期性和方向性。实验结果表明，合理地描述窗户纹理可用于获取较高层建筑物存在的确凿证据、其垂直边缘的准确位置以及局部墙面水平方向，其为建筑物检测和三维信息的获取提供了一条新的有利途径。     

高分辨率遥感影像GeoEye-1在黑河下游柽柳生物量估算中的应用

以黑河下游绿洲柽柳为研究对象,利用高分辨率遥感影像GeoEye-1柽柳分类结果,基于典型样点生物学特性调查与生物量试验,建立柽柳冠幅面积与生物量关系模型,计算研究区柽柳地上部分的生物量,分析黑河0~2、2~5、5~10与10~15 km不同缓冲带柽柳生物量空间分布规律。结果显示:研究区柽柳总生物量为4.10×10⁵ t,其中:0~2、2~5、5~10与10~15 km缓冲带内柽柳生物量分别为2.34×10⁵、1.07×10⁵、6.35×10⁴和5.17×10³ t。河流距离对柽柳生物量影响显著,单位面积柽柳生物量随着与河流距离的增加而减少,二者相关系数为-0.97。     

密集反卷积网络在遥感建筑物提取中的应用

遥感图像覆盖范围广、场景复杂,目前基于卷积神经网络的建筑物提取方法因层数较少,不能充分挖掘图像的抽象信息,导致正确率较低,错检率较高。简单地增加网络的层数会导致梯度流消失和信息流弥散等问题,无法有效地训练网络。将密集连接方式引入到反卷积网络中,提出了一种新型的深层密集反卷积神经网络。该网络共有51层卷积权重层,能够自动学习多层级图像的特征,充分挖掘图像信息,并且该网络是端对端可训练的,避免了深层网络中信息传递消失的问题。同时利用反卷积网络实现了像素级别的建筑物提取,在ISPRS 2D的遥感标注数据集上有良好的表现,具有较强的实际应用价值。     

基于面向对象的高分影像分类研究

遥感技术已经成为实现地表信息提取的主要手段。以高分辨率影像为主要数据源,采用面向对象的多尺度分割算法,根据对象的光谱、形状等特征,实现了面向高分遥感数据的土地利用分类算法。该算法结合了面向地物对象和综合对象特征的分类方法,充分发挥了高分辨率影像进行精细地物分类的优势,得到了高精度的分类结果。通过西双版纳纳板河流域国家级自然保护区实例验证表明:该算法总体精度达到88.58%,Kappa系数达到0.77,精度符合应用要求,能够实现土地利用高精度、快速的分类。     

粒计算及其在图像分类中的应用研究

粒计算作为一种新的信息和知识处理方法,近年来在许多领域中得到了应用。本文在学习和研究粒计算基本理论与技术的基础上,将其应用于图像模式识别领域。通过分析研究不同粒度的特征信息粒所形成的图像特征信息粒格结构,提出了基于图像特征信息粒格的分类器。     

Disaster Monitoring of Satellite Image Processing Using Progressive Image Classification

The analysis of remote sensing image areas is needed for climate detection and management, especially for monitoring flood disasters in critical environments and applications. Satellites are mostly used to detect disasters on Earth, and they have advantages in capturing Earth images. Using the control technique, Earth images can be used to obtain detailed terrain information. Since the acquisition of satellite and aerial imagery, this system has been able to detect floods, and with increasing convenience, flood detection has become more desirable in the last few years. In this paper, a Big Data Set-based Progressive Image Classification Algorithm (PICA) system is introduced to implement an image processing technique, detect disasters, and determine results with the help of the PICA, which allows disaster analysis to be extracted more effectively. The PICA is essential to overcoming strong shadows, for proper access to disaster characteristics to false positives by operators, and to false predictions that affect the impact of the disaster. The PICA creates tailoring and adjustments obtained from satellite images before training and post-disaster aerial image data patches. Two types of proposed PICA systems detect disasters faster and more accurately (95.6%).     

基于关联规则的面向对象高分辨率影像分类

以北京市昌平区Geoeye-1高分辨率遥感影像为试验数据,研究了关联规则挖掘和面向对象相结合的地物分类方法。首先探讨了关联分类法的原理,再通过图像分割、特征提取、关联规则挖掘、分类器构建一系列过程实现了基于关联规则的面向对象高分辨率影像分类,最终评估分类精度并与K-近邻法进行了对比。结果表明,该方法具有较好精度,能够在一定程度上摆脱地物分类对于专家知识的依赖。     

一种快速提取建筑物高度的方法研究

目前有多种利用单张高分辨率卫星影像计算建筑物高度的模型,但是其适用条件限制了建筑物高度提取的速度和精度。为了解决这一难题,提出利用建筑物投影同名点线段长度估算高度方法,并结合高分辨率影像数据和实测建筑物高度数据对估算结果进行分析。结果表明计算模型正确、精度较高(绝对误差在2.04 m以内)、使用参数较少、普适性强,在城市灾害评估与预测方面具有较大的实用潜质。     

基于知识库的面向对象卫星云图分类

为了提高卫星云图分类精度和实时识别云类,基于云类知识库采用面向对象的分类方法对卫星云图进行分类。首先对2011年7~8月的FY\|3A/VIRR卫星云图进行预处理,从中裁截500个云样本,随机选取42%云样本作为训练样本,提取训练样本的光谱和纹理特征,基于ReliefF方法进行特征选择,采用反向传播神经网络进行训练构造分类器,利用剩余58%云样本进行网络测试,至此云类知识库构建完毕。然后对待解译的云图进行JSEG分割获取云对象,基于云类知识库已训练好的分类器实现面向对象的云图分类。试验结果表明:所设计的云图分类算法有效,分类结果与云分类产品数据基本达到一致。     

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。     

样本自适应多特征加权的高分辨率遥感图像分类

高分辨率遥感影像能够提供丰富的地物细节,但各种地物空间分布复杂,同类目标呈现出较大的光谱异质性,给传统模式识别分类器带来极大的挑战。提出了一种样本自适应多特征加权的遥感图像分类方法。常见的多特征组合分类器未能充分利用各种特征之间的局部相关性,提出通过分析测试样本局部特征相关性,探究各个特征在不同样本的分类中所占权重的不同,据此对不同分类器进行自适应加权。在一个大型遥感图像数据库上的实验结果表明,不同特征在遥感图像中对不同样本的分类作用是不同的,样本自适应特征加权法将平均分类精度从78.3%提高到90%。     

深度学习在高分遥感图像场景分类中的应用

高分遥感图像场景分类致力于自动辨别土地利用或覆盖的类别,在军事和国土资源勘探等领域具有重要的应用价值.基于深度学习的高分遥感图像场景分类方法取得了比传统方法更好的效果,也是当前研究的热点,对此类方法进行归纳总结和综合评估.按照监督方式的不同,对基于深度学习的流行方法进行了逐类分析.对不同监督方式下的流行方法在三个公开数...     

改善TM卫星遥感图像自动识别精度的研究和应用

介绍利用计算机处理TM遥感图像数据产生重庆市江北县典型地区土地利用分类图技术。为克服单个像元由于光谱混杂和其它噪声引起的分类不确定性，对图像数据实施了两次分类处理。首先用最大似然监督分类法对像元点做一次分类，并且在修改训练样本和先验概率，分层处理等方面采取了灵活的对策。继而采用局部领域覆盖法进行二次分类，利用空间信息进一步改善分类精度。在重庆江北县地区所做的实验研究结果表明，上述做法有效地提高了分类精度，是合理的，算法简明实用。