高分辨率航空影像中高压电力线的自动提取

随着航空数字摄影测量技术和数字相机分辨率的提高,数字摄影测量应用于电力线监测已成为可能。然而,目前却很少有公开发表的关于从航空影像中自动提取电力线的文献见诸报道。为此,提出了一种在复杂自然背景条件下,从航空影像中自动提取550kV高压电力线的算法,并设计了抗强噪声的线特征提取算子,即首先用Ratio算子从遥感影像上提取电力线像素点,然后采用分段Radon变换提取并连接各分段电力线,再利用类似卡尔曼滤波技术跟踪连接电力线的断裂部分,实验表明,该方法能有效地自动提取复杂自然背景下的高压电力线。     

一种基于高分辨率遥感影像的道路提取方法

道路等线性地物的自动提取一直是高分辨率遥感影像研究所关注的内容。论文在分析现有的各种提取方法的基础上,结合城市道路在高分辨率遥感影像上的特点,提出一种半自动的道路提取法。该方法先对遥感影像中的道路点进行采样,统计其光谱特征,然后再在道路上设置道路生长原点,从这些生长原点开始,根据统计得出的道路光谱特征对邻域点进行判断生长,最后对生长出的道路图利用数字形态学进行内部腐蚀和边界平滑处理。试验结果表明,该方法提取道路具有较高的精度和实用性。     

基于行道树的高分辨率遥感影像道路提取研究

在城市遥感中,道路自动(半自动)提取一直是研究的重点.本文在现有道路自动(半自动)提取技术基础上,结合高分辨率遥感影像中行道树的分布特点,从地学知识出发,利用归一化植被指数、阀值分割、数学形态学算子及地理信息系统的分析功能等实现基于行道树的道路自动(半自动)提取和道路面积快速、自动计算.结论表明基于行道树的道路提取和面积计算方法具有一定的实用性.     

高分辨率遥感影像上道路中心线的半自动提取

提出一种半自动的基于活动窗口线段特征匹配来提取高分辨率遥感影像上道路中心线的方法.通过用户在道路中心线上输入起始点,采用定义活动模板窗、阈值分割、线段特征匹配和改进的SSDA,实现了道路中心线的自动跟踪.另外,该方法还允许在跟踪过程中加入少量人工干预来处理某些匹配失败的情况,提高了实用性.对0.61m分辨率QuickBird影像和1m分辨率IKONOS影像进行道路提取的实验表明:该方法能够快速、准确地提取出主要道路的中心线,对噪声的干扰具有良好的鲁棒性.     

基于直线特征的遥感影像自动绝对定向

主要研究了道路自动提取和直线空间后方交会在遥感影像自动绝对定向中的应用，分析了用控制线代替控制点在后方交会中的优点，详细阐述了直线空间后交的几何关系并扩展了基于“共线方程”形式的误差方程式，实现了在已有矢量道路网基础上的道路自动提取。通过单幅航空影像绝对定向和高分辨率卫星影像外参数解算试验及精度分析，证明了本文算法和策略的正确性，为航空影像自动空中三角测量、多尺度遥感影像的配准提供了一个可行的方向。     

基于高分辨率卫星遥感影像滑坡提取方法研究现状

滑坡具有强大的爆发力和破坏性,是世界上发生频率较高的自然灾害之一,给人们的生命财产造成了严重的损害。灾后准确快速的提取滑坡,获取滑坡的分布范围,对滑坡灾害调查及危险性评估极为重要。围绕基于高分辨率卫星遥感影像监测滑坡的方法进行了调研,首先介绍了滑坡在高分辨率卫星遥感影像上的解译特征,而后论述了滑坡提取方法和精度评价分析方法的研究进展,最后总结了当前方法的优势与不足,以及未来研究的发展方向。结果表明：深度学习方法具有较大的潜力,未来应加强深度学习与其他自动化解译方法的结合在滑坡监测中的应用,解决样本规模对模型结果的影响,实现模型的可迁移性,提高其自动化程度。     

高分辨率遥感影像中提取道路网方法综述

高分辨率遥感影像中道路网的提取是智能地物提取和分析的重要方面。针对其特点,介绍了高分辨率遥感影像上道路网提取的基本思想和步骤,从提取要素层次的角度对现有的道路网提取方法进行了分析和综述,并指出当前高分辨率遥感影像道路网提取方法需要进一步解决的遮挡、地物特征类似、地物复杂等问题。展望了未来利用高层次知识、图像融合技术、三维信息等高效提取道路网的可行性。     

高分辨率卫星影像上被行道树遮蔽的主干道的提取

在城市道路提取过程中,由于行道树的遮挡,导致部分城市主干道路不能够直接被检测出来,这阻碍了道路自动提取的过程。针对这个问题文章进行了研究,提出了在高分辨率彩色卫星影像中使用行道树信息的光学特性和几何特性共同来进行道路提取。实验表明文章提出的方法是有效的。     

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。     

高分辨率遥感影像中操场跑道的自动提取

提出一种高分辨率遥感影像中操场跑道的自动识别方法。在分析操场跑道结构特征的基础上,采用改进的Hough变换方法提取操场跑道圆弧形边缘;然后结合识别出的圆弧形结构信息识别与之相连的直线形边缘;最后对识别出的操场跑道进行细化和修剪处理,实现操场跑道的自动识别。     

Land Cover Classification for Different Spatial Resolution Images from CNN

Based on convolutional neural networks and five different spatial resolution remote sensing images, the land use/land cover classification study was carried out on a small area in the eastern part of Xining City, aiming at exploring the differences of image classification by CNN with different spatial resolutions and CNN’s ability to extract different features. In order to improve the selection efficiency of the samples, a window sliding method was introduced to assist the samples selection. The research shows that the overall classification accuracy of the five different spatial resolution images is above 89%, the Kappa coefficient is above 0.86. The result further shows that within the resolution scale the higher the resolution, the performance of the CNN classification results for the details is better, and can maintain high classification accuracy, indicating that CNN is more suitable for high spatial resolution images; at the same time, the image spatial resolution is too high, the ground objects exhibit high intra-class variability and low inter-class variability, the classification accuracy tends to decrease. In comparison, CNN has the best classification effect on SPOT 6 images in this study, and window sliding is an effective sample-assisted selection method. This research has certain reference significance for similar research in the future.     

基于CNN的不同空间分辨率影像土地覆被分类研究

基于卷积神经网络（Convolutional Neural Networks, CNN）和5种不同空间分辨率的遥感影像,对西宁市东部一区域开展土地覆被分类研究,旨在探索CNN在不同空间分辨率下进行影像分类的差异性和对不同地物的提取能力。为提高样本的选择效率,引入了窗口滑动方法进行辅助选样。研究表明5种不同空间分辨率影像的总体分类精度均达89%以上,Kappa系数达0.86以上,分类精度较高。在所涉及的分辨率尺度范围内,空间分辨率越高,CNN分类结果越精细,并能保持较高的分类精度,表明CNN更适合高空间分辨率影像分类;但同时影像空间分辨率越高,地物表现出较高的类内变异性和低类间差异性,分类精度有降低的趋势。相比较而言,SPOT 6影像的分类精度最高,同时窗口滑动是一种有效的样本辅助选择方法。研究对今后同类工作具有一定的借鉴意义。     

基于MMBI的高分辨率影像建筑物提取研究

利用高空间分辨率遥感影像准确提取建筑物信息是在更精细尺度上分析、管理人类活动的重要途径,但建筑物形态的多样性、复杂性使得建筑物提取方法在精度、效率等方面依然面临挑战。基于高分辨率影像中建筑物所呈现的多种形状及结构特点,通过发展形态学建筑物指数并结合具有良好保边去噪性能的引导滤波,提出了基于多结构元素形态学建筑物指数(MMBI)的建筑物提取方法。将之应用于具有不同特征的GeoEye-1影像建筑物提取实验,并与MBI方法进行比较,发现该方法准确率达到88.2%以上,比MBI的准确率提高了约5%,且漏检率下降近6%。结果表明:MMBI方法能够快速、准确地提取出高分辨率影像中的建筑物区域,在建筑物的自动化提取方面具有较好的应用前景。     

基于高空间分辨率与立体像对遥感数据的建筑物三维信息提取

准确获取建筑的三维分布信息对于城市规划与管理、灾害风险评估与防范以及灾后救助等都具有非常重要的意义。针对目前建筑物信息提取研究集中于二维平面信息提取,三维信息提取研究较少,且方法自动化程度较低,实用性和和推广性不足,提出了综合立体像对和高空间分辨率两种遥感数据进行建筑物三维信息提取的方法。首先,基于小波变换融合方法对GeoEye\|1高空间分辨率全色和多光谱影像进行融合,然后运用面向对象方法对融合后的高空间分辨率遥感影像进行建筑物基底轮廓提取,再利用IRS\|P5立体像对反演地物高度,最后通过数据整合获得研究区建筑物的三维空间分布。研究结果表明:该方法可以充分利用不同遥感数据的优势,获得较高的提取精度;研究所需数据容易获取,方法具有较好的可操作性和推广性。     

高分辨率光学遥感图像建筑物提取研究进展

建筑物提取是高分辨率光学遥感图像理解和目标识别的重要研究方向。实现自动化、智能化、可靠准确的遥感图像建筑物提取对基础地理数据获取和更新具有重要的应用价值和现实意义。在概述高分辨率光学遥感图像建筑物提取研究现状的基础上,综述了当前建筑物提取的主要思想和方法,将主流的建筑物提取代表性方法分为自底向上数据驱动方法(Data-driven)和自顶向下模型驱动方法(Model-driven)两大类,在综合比较评述各方法特性的基础上,对该领域仍然存在的问题和研究方向进行了分析和展望。     

基于WorldView-2影像和语义分割模型的小麦分类提取

为使用高分辨率遥感影像和深度学习语义分割模型实现快速准确的小麦种植空间信息提取,以WorldView-2遥感影像为数据源,制作尺度分别为128×128、256×256、512×512的样本数据集,对U-net和DeepLab3+语义分割模型的参数进行训练,建立小麦遥感分类模型;通过与极大似然和随机森林方法比较,检验深度学习分类效果。结果显示：(1)不同尺度样本训练得到的模型总体精度、Kappa系数分别在94%和0.82以上,模型精度稳定,样本尺度大小对小麦分类提取模型影响较小;(2)深度学习方法的小麦分类总精度和Kappa系数分别在94%和0.89以上,极大似然和随机森林则在92%和0.85以下,表明该研究建立的小麦遥感分类模型优于传统分类方法。研究结果可为高分辨率遥感影像作物种植信息的深度学习方法提取提供参考。     

结合像元形状特征分割的高分辨率影像面向对象分类

针对高分辨率遥感影像空间分辨率高,结构形状、纹理、细节信息丰富等特点,提出一种新的融合特征的面向对象影像分类方法来提取城市空间信息。基本过程包含以下4个方面:①提取影像的几何纹理等结构;②融合几何与纹理特征的面向对象影像分割;③提取对象的形状、纹理和光谱特征,并优选最佳特征子集;④最后基于支持向量机(SVM)完成面向对象的影像分类。通过对福州IKONOS影像数据实验,结果表明融入影像特征后的分割效果明显优于原始影像的分割结果,而信息最大化(mRMR)的特征选择能够快速地获得较好的特征子集。通过与eCognition最邻近分类方法比较,表明本文方法的分类总体精度大约提高了6%,效果显著。     

基于热红外像元分解的裸土信息自动提取方法

基于热红外波段像元的分解与重构,对缨帽变换指数和归一化裸土指数进行逻辑组合,提出了一种新的裸土指数Bareness Index,并利用Landsat ETM+数据对珠江三角洲进行了裸土信息自动提取实验。结果表明:该方法在增强裸土信息的同时,可以有效抑制背景地物的干扰,并提高了检测精度,信息提取精度为84.7%。研究对区域土地利用类型分类精度的提高具有一定的理论与现实意义。     

基于自适应多神经网络的胎盘超声图像自动分级研究

针对胎盘超声图像自动分级这一临床应用问题，提出一种基于自适应多神经网络的分级算法。该算法与一般的一次性分离算法不同，其是通过设计两级BP神经网络模型来对胎盘图像进行两级分离。该算法在神经网络的训练中，对神经网络的输出没有采用一般的四舍五人来得到胎盘级数，而是采用了更合理的胎盘级数判定准则，并由此提出了一种自适应确定阈值的算法，用来判定胎盘级数。实验及临床应用表明：该算法能得到与专家手工分级基本吻合的自动分级结果，其阈值分割前得出的分级结果更可以给医生一个精确的定量衡量胎盘成熟期的参考，因此具有较好的临床应用前景。