无人机可见光遥感影像地物目标提取技术研究

无人机可见光遥感影像中地物目标边界清晰度较低,容易导致地物目标与背景之间的区分度降低,进而难以提取地物目标。为此,提出无人机可见光遥感影像地物目标提取方法。从光谱特征、纹理特征和边缘特征三个方面分析无人机可见光遥感影像特征。结合三种影像特征对无人机可见光遥感影像数据集实行增广处理。对完成增广后的数据集定义影像编码标签,以此确定地物目标增强权重,通过参量化处理地物目标光谱特征,计算光谱吸收指数,获取地物目标提取表达式,从而实现无人机可见光遥感影像地物目标提取。实验结果表明,所提方法能够保证地物目标边界的清晰度,具有较强的地物目标提取能力。     

遥感影像光谱信息处理的EXCEL实践教学

遥感影像数据的光谱信息分析与处理是目前遥感应用的热点之一。通过多年的遥感教学实践,依据PHI（Pushbroom Hyperspectral Imager）航空高光谱影像像元光谱维矢量数据,总结了基于EXCEL软件的高光谱影像地物光谱构建、光谱特征及其相关性分析、光谱微分计算、光谱向量相似性度量等光谱分析与信息识别的教学方法,以使学生在学习专业知识过程中增加实际工作经验与科研能力。     

典型地物的光谱空间结构特征研究

地物光谱是遥感技术应用与研究的物理基础。本文提出将地物在光谱特征空间的几何点阵结构特征作为研究重点,着重分析植被、土壤、岩石的野外实测光谱数据的光谱空间结构特征,并对所测得地物的光谱数据进行光谱线性混合模拟,进而分析线性混合地物的光谱空间结构特征。对实测地物光谱数据空间结构特征的分析不仅可以指导遥感影像数据的分析与应用,而且也为遥感影像地物目标识别和矿化蚀变信息提取技术的研究提供更多的科学理论依据和新的研究思路。     

高光谱遥感数据光谱特征提取算法与分类研究*

针对高光谱数据的特点,探讨了高光谱数据特征提取的若干算法,重点研究了导数光谱和光谱编码技术,并从地物光谱曲线中提取了其光谱吸收特征.对同类曲线特征求交得到识别地物的有效特征;对不同类曲线特征求交得到区分不同类地物的有效特征.最后基于提取的特征建立了地物识别决策树,从而达到快速识别分类地物的目的,能够实现依据地物光谱特征的地物识别与分类.     

基于EXCEL的高光谱影像光谱响应分析

高光谱遥感侧重于从光谱维角度对影像信息进行分析与处理。由于目前高光谱数据的处理技术跟不上数据获取技术,而已有的成熟的多光谱影像处理技术并不适合于处理高光谱数据,因此利用EXCEL软件展开了高光谱影像的地物光谱重建、光谱特征及其相关性分析、光谱微分计算、光谱向量相似性度量和信息提取等研究,并基于PHI（Pushbroom Hyperspectral Imager）航空高光谱影像像元光谱维矢量进行了光谱响应分析,实现信息监测和识别。     

基于改进的三维卷积神经网络的高光谱遥感影像分类技术研究

高光谱遥感影像数据具有多样化的光谱信息和空间信息,然而传统的高光谱影像分类只是针对目标的光谱特征进行处理。基于三维空间滤波操作可以作为一种简单高效的提取高光谱影像光谱和空间特征的方式,基于此提出一种改进的三维卷积神经网络框架以实现更加准确的高光谱遥感影像分类。利用高光谱遥感影像数据立方体有效地提取光谱-空间组合特征,而不依赖于任何预处理或后期处理。另外,与其他传统的基于深度学习的方法相比,该方法去除了池化层,从而达到所需参数更少,模型规模更小,更容易训练的效果。将该方法与其他基于深度学习的高光谱遥感影像分类方法进行了比较,并使用两个真实场景的高光谱遥感影像数据集作为测试。实验结果表明,该方法在地物分类准确度方面较传统的基于深度学习的高光谱遥感影像分类方法取得了更好的分类效果。     

一种基于光谱知识库的TM影像地物识别方法

地物的波谱特征是识别地物的主要标志之一,在实际应用中发现,由于遥感过程中存在着复杂的大气辐射影响,常常造成光谱知识库中的地物光谱曲线同由遥感图像上获得的光谱曲线不相匹配,进而引起地物识别误差。针对这一问题,从曲线形状分析入手,定义了曲线的形状因子,提出对形状因子构成的曲线进行匹配分析的算法。将该方法应用于TM影像的地物识别,由于形状因子曲线较好地反映了地物的特征信息,它能自动地挖掘遥感图像的细节信息,对地物有较高的识别精度,试验区内总体识别精度达到88.96%。     

基于多时相光谱和物候特征的陕西省神木县地物遥感分类研究

开展了时间序列Landsat TM/ETM遥感影像定量化处理与相对辐射校正,提取了陕西神木县不同地物光谱和NDVI物候特征,结合时间序列NDVI物候特征和多时相光谱信息,采用了地表覆盖的决策树分类算法,实现了陕西神木县地物的高精度遥感分类,包括水体、沙地、城镇、耕地、林地、草地及灌丛等7类地物,分类总体精度达95.77%,Kappa系数达0.93。研究结果表明,基于多时相光谱和物候特征的决策树分类算法能够有效集成多时相、多光谱信息,从而克服了单时相影像分类的缺陷,实现了地物的分类。论文研究方法和结果能够为三北防护林区域的生态环境监测与评估提供技术支持。     

高光谱遥感影像纹理特征提取的对比分析

地物的"同物异谱"或"异物同谱"问题,使得仅仅依据高光谱影像的光谱信息较难得到理想的分类精度.纹理特征是地物空间分布的重要结构信息,能够一定程度上弥补光谱特征在高光谱遥感影像分类中的不足.纹理特征提取在高光谱遥感影像分类中得到了诸多发展,然而当前的纹理特征方法缺乏较为全面的对比分析.因此,选取旋转不变局部二值模式、简单...     

山东省寿光市滨海地区盐田信息提取方法研究

山东省寿光市滨海地区盐田水体因含盐度高,其光谱特征与海域水体及其他地物差异大,光谱特征显著;盐田系人为建造,排列整齐\,几何特征明显,遥感影像上表现为纹理特征显著(棋盘状纹理、条纹状纹理),纹理指标可计算性强。首先采用缨帽变换方法增强光谱信息,采用定向滤波及灰度共生矩阵方法增强纹理信息;其次基于增强的光谱与纹理信息,采用以面向应用为目的的感兴趣地物提取方法对研究区TM图像进行分类,将分类结果与仅依据纯光谱及仅依据纯纹理分类结果相对比,分类总体精度分别为90.8985%、84.9102%和60.4017%。结果表明:以面向应用为目的的感兴趣地物提取方法分类精度最高。     

Deeplabv3+和PSPNet算法对防尘网自动识别的适用性研究

生产建设项目地块数量多而分布分散，当前开展自动化遥感提取生产建设项目地块的研究较少，仍主要采用人工目视解译遥感影像的方法进行提取，存在效率低、成本高、稳定性差等问题。基于高分一号 (GF-1)遥感影像，分析归纳不同类型和阶段生产建设项目组成地物的光谱、形状和空间特征，将防尘网确定为在建生产建设项目检测的特征地物，比较分析不同场景下 DeepLabv3+ 和 PSPNet 2 种深度学习方法对防尘网的提取结果。研究结果表明：不同难易程度场景下，DeepLabv3+ 模型的识别结果均明显优于 PSPNet 模型，从而为在建生产建设项目防尘网的遥感监管提供一种新模式。快速获取生产建设项目地块的位置和边界信息，对提升水土保持监管效率、保护区域水土资源具有重要意义。     

基于混合像元分解的薄云下光学遥感图像恢复方法

云遮挡是限制光学遥感卫星对地观测能力的主要因素之一。针对薄云下光学遥感图像的图像恢复问题,首先将云对光谱观测值的影响在线性混合像元模型中显性地加以表达,提出了针对云特性的改进型线性混合像元模型;其次给出了两种基于混合像元分解的图像恢复方法、直接消除法与丰度调整法;最后分别在两种混合像元分解算法与两种图像恢复方法,即VCA（顶点成分分析）算法/MDC-NMF(最小距离限制的非负矩阵分解)算法与直接消除法/丰度调整法的不同组合下,分别利用模拟数据和真实数据,对相关方法的图像恢复能力和图像恢复效果进行了定性和定量分析。实验结果表明,MDC-NMF算法与丰度调整法的组合处理能够获得最佳的图像恢复效果。     

基于对象关系特征的高分辨率光学卫星影像水上桥梁目标识别方法

利用卫星遥感技术对大中型桥梁进行识别定位,在民用上和军事上都具有很重要的意义。本研究提出了一套利用基元对象关系特征提取高分辨率卫星影像中水上桥梁的技术方法。首先利用多尺度分割算法对高分辨率卫星影像进行分割,利用水体指数或GLCM同质性纹理特征区分河水和陆地;其次,利用对象形状特征和相邻的关系特征提取桥梁潜在区;将河流片段和桥梁潜在区专题二值化,利用数学形态学算子实现河流水面的连续化;最后利用叠加分析的方法获得最终的桥梁目标。本方法充分利用了桥梁与河流相邻和相交的空间关系特征,利用QuickBird和IKONOS高分辨率卫星影像进行实验,证明所提出的方法可以高精度的实现大中型水上桥梁的识别定位。     

基于光谱归一化的变组分光谱混合分析(NMESMA)方法及其应用

混合像元问题在低、中分辨率遥感图像中尤为突出,混合像元的存在不仅会影响地物识别和图像分类精度,也是遥感科学向定量化发展的主要障碍之一。因此,遥感图像混合像元分解及其地表覆盖信息的定量提取是近年来研究的热点。针对城市土地覆盖信息的定量提取问题,利用中等分辨率遥感图像(Landsat TM),集成光谱归一化与变组分光谱混合分析(NMESMA)的方法,基于植被-非渗透表面-土壤(V\|I\|S)模型,定量提取研究区植被、土壤和非渗透表面3类土地覆盖的定量信息,并与固定组分的光谱混合分析(LSMA)分解结果进行对比分析。结果表明:基于光谱归一化的变组分光谱混合分析(NMESMA)方法获得的精度高于传统固定组分的光谱混合分析(LSMA)结果,可有效解决光谱异质性较高的城市区域的混合像元问题,为有效提取城市地表覆盖信息,研究城市生态环境变化和模拟分析,提供了有效的信息提取方法。     

智能遥感：AI赋能遥感技术

随着人工智能的发展和落地应用,以地理空间大数据为基础,利用人工智能技术对遥感数据智能分析与解译成为未来发展趋势。本文以遥感数据转化过程中对观测对象的整体观测、分析解译与规律挖掘为主线,通过综合国内外文献和相关报道,梳理了该领域在遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别、遥感数据关联挖掘以及遥感开源数据集和共享平台等方面的研究现状和进展。首先,针对遥感数据精准处理任务,从光学、合成孔径雷达等遥感数据成像质量提升和低质图像重建两个方面对精细化处理研究进展进行了回顾,并从遥感图像的局部特征匹配和区域特征匹配两个方面对定量化提升研究进展进行了回顾。其次,针对遥感数据时空处理与分析任务,从遥感影像时间序列修复和多源遥感时空融合两个方面对其研究进展进行了回顾。再次,针对遥感目标要素分类识别任务,从典型地物要素提取和多要素并行提取两个方面对其研究进展进行了回顾。最后,针对遥感数据关联挖掘任务,从数据组织关联、专业知识图谱构建两个方面对其研究进展进行了回顾。除此之外,面向大智能分析技术发展需求,本文还对遥感开源数据集和共享平台方面的研究进展进行了回顾。在此基础上,对遥感数据智能分析与解译的研究情况进行梳理、总结,给出了该领域的未来发展趋势与展望。     

基于遥感数据特征和像元替换技术的边缘提取方法

随着城市化的发展，城市遥感领域在中国发展迅速。高分辨遥感图像的边缘提取是当前城市遥感的重要研究领域。实践中，传统的边缘检测算子主要是通过图像空城特征微分，建立不同结构的模板完成。高分辨率遥感数字图像包括了空间域和光谱域两种信息，因此，借助于图像的光谱和空间域两种特征信息提高提取城市边缘信息精度已经成为当前算法开发的基本思路。该研究通过设计光谱分解和边缘检测的算子模板，综合利用了图像的光谱、空间特征信息。研究结果表明，这种方法有效地提高了城市遥感数据边缘信息的提取精度，同时还具有方法简便、计算速度怏的特点。     

基于遥感图像水体识别与检测研究综述

地表水的勘测对于海岸线变化、环境保护、防灾减灾、水质检测都有重要的意义,借助遥感图像可以快速、反复、精确地获取到地表水的时空分布特征.文章调研国内外学者在遥感图像水体识别方向的研究成果,简述基于遥感技术的水体识别方法.其中,阈值法通过对水体和背景地物的光谱曲线进行分析,选取适合的阈值进行图像分割,操作简单便利,存在信噪...     

基于PPMU-net的多特征高分辨率遥感道路提取

针对复杂地形条件下道路特征选取不具代表性,分割精度低的问题,提出了一种基于卷积神经网络（PPMU-net）的高分辨率遥感道路提取的方法。将3通道的高分二号光谱信息与相应的地形信息（坡度、坡向、数字高程信息）进行多特征融合,合成6通道的遥感图像;对多特征的遥感图像进行切割并利用卷积网络（CNN）筛选出含道路的图像;将只含道路的遥感图像送进PPMU-net中训练,构建出高分辨率遥感图像道路提取模型。在与U-net神经网络、PSPnet神经网络相比时,所提的方法在对高分辨率遥感道路提取时能够达到较好的效果,提高了复杂地形条件下道路分割的精度。     

基于支持向量机的遥感图像厚云去除算法

厚云的存在大大降低了遥感图像的利用率,利用支持向量机超强捕获边缘点的能力和图像融合方法,提出了一种基于支持向量机遥感图像厚云去除算法。首先构造支持向量值轮廓波变换并对图像进行分解,然后进行云层检测和图像融合,最后进行支持向量值轮廓波逆变换,得到重构图像。仿真实验表明,对于有厚云覆盖但无云区重叠的遥感图像,该算法能取得满意的去云效果,不仅保留了图像边缘信息,而且有效地解决了云层残留问题。     

基于HJ-1B卫星遥感数据的水稻识别技术研究

为快速、准确地在遥感图像上识别水稻作物的信息,满足县级尺度水稻遥感监测的需要,以野外实地调查资料、1∶5万地形图数据为辅助,通过光谱分析法,分析研究HJ-1B星CCD数据的水稻作物的光谱反射特性,建立水稻作物遥感信息识别模型。采用决策树分类方法提取水稻作物信息,并将该技术方法应用于广西宾阳县水稻作物信息提取研究。采用实测样地数据,利用混淆矩阵进行精度评价验证,总精度为94.9%,Kappa系数为0.8533。研究表明,该水稻作物的识别技术,可以为了解我国水稻种植情况,进行水稻长势监测和产量估测提供技术参考。