基于无人机遥感技术的森林参数获取研究进展

凭借着高分辨率、可控性强和性价比高的特点,无人机遥感技术在森林研究中得到了迅速的发展与应用.对无人机遥感成像平台的发展和国内外利用无人机遥感技术开展森林调查的情况进行介绍,针对单木和林分两种森林资源调查对象,总结了目前利用无人机遥感技术提取森林参数的前沿方法.重点分析和讨论了基于无人机平台的多光谱、高光谱和激光雷达传感...     

基于BBF优化算法的无人机遥感图像配准研究

针对无人机遥感图像中的亮度、尺度、图像重叠等问题,利用BBF优化算法设计无人机遥感图像配准方法。根据无人机遥感成像原理,获取无人机遥感图像作为配准对象,通过图像融合、校正等步骤,完成初始遥感图像的预处理。提取无人机遥感图像的SIFT 特征点和轮廓特征,利用BBF优化算法搜索当前图像与参考图像之间的特征匹配对,完成图像的特征匹配。最终通过粗匹配、精匹配和消除错误匹配点三个步骤,得出无人机遥感图像的配准结果。通过效果测试实验得出结论:与传统配准方法相比,优化设计方法的特征匹配点准确率提升5.15%,漏配率降低了3.75%。     

基于形态Snake模型的遥感影像的单木树冠检测算法

单木树冠检测可以辅助林业统计获取诸如树冠位置、冠幅、胸径等信息,对发展精准林业具有重大意义。针对单木树冠检测中树冠轮廓描绘不精确的问题,文中提出了一种基于形态Snake模型的遥感影像的单木树冠检测算法。该算法首先对林区特征进行了分析,然后 使用局部极值法 对林区特征图和距离变换图提取树冠顶点,最后根据树冠顶点为所有树冠初始化形态Snake模型轮廓,并迭代进行轮廓演变,得到最终的树冠轮廓。为了验证方法的有效性,对比分析了区域生长法、模板匹配法、分水岭法和所提出的形态Snake模型法。实验结果表明,所提方法的检测结果更准确,树冠轮廓更接近实际形状,与其他已有方法相比,整体检测得分提高了6%,面积平均差降低了0.5m²。     

基于对象级的高分辨率遥感影像分类研究

依据高分辨率遥感影像的特点,结合深圳市QUICKBIRD数据提出一种基于多尺度分割的对象级遥感分类方法。文中首先利用分形网络演化法(FNEA)进行多尺度图像分割,获取对地表实体更具代表性的图像对象,然后利用对象所包含的光谱、空间特征来确定地物识别中可能要用到的各种特征参数,最后通过构建语义结构实现了研究区地物的逐级分层分类。研究结果表明,本文所采取的方法比传统方法在分类精度上有了明显的提高,为高分辨率遥感影像的信息提取提供了新的技术途径。     

基于多尺度特征融合模型的遥感图像建筑物分割

针对传统深度网络模型难以精确提取建筑物边缘轮廓特征及对不同尺寸建筑物无法自适应提取的问题,提出一种膨胀卷积特征提取的多尺度特征融合深度神经网络模型(Multiscale-feature fusion Deep Neural Networks with dilated convolution,MDNNet)对遥感图像建筑物自动分割的方法。首先在ResNet101模型中引入膨胀卷积扩大提取视野保留更多特征图像分辨率;其次利用多尺度特征融合模块获取多个尺度的建筑物特征并将不同尺度的特征融合;最终利用特征解码模块将特征图恢复到原始输入图像尺寸,实现遥感图像建筑物精确分割。在WHU遥感图像数据集的实验结果表明,提出模型有效克服道路、树木和阴影等因素影响,分割结果有效保留建筑物边界细节信息,有效提升分割精度,像素准确率PA达到0.864,平均交并比mIoU达到0.815,召回率Recall达到0.862。     

基于改进SIFT算法的无人机遥感图像匹配

将SIFT算法中高斯二阶微分模板与图像函数的卷积运算转化为箱式滤波器对积分图像的加减运算,引入SURF算子,减小特征点检测算子的特征向量维数,降低SIFT算法的计算复杂度,缩短图像匹配时间,从而解决了无人机遥感图像匹配对实时性要求较高的问题。仿真结果表明,改进的SIFT算法在保持原算法鲁棒性和匹配率的前提下,提高了运算速度。     

结合Landsat时序遥感干扰检测的福建将乐县森林林龄估算与评价

高精度的森林林龄可以改善森林生物量、蓄积量、碳储存量等的估算精度。为提高频繁发生干扰区域森林年龄估算精度,以森林干扰强度较大的福建省将乐县为例,通过构建将乐县1987～2019年Landsat时序数据集,利用LandTrendr算法获得森林干扰开始时间节点特征,与林龄建模,实现干扰区林龄估算;接着利用GF-1号影像的波段、植被指数、纹理以及地形因子特征,通过递归特征消除的随机森林算法,与林龄建模,实现非干扰区林龄估算;最后将两部分的林龄合并,得到研究区2019年森林年龄。结果表明：(1)将乐县森林干扰总面积为346.37 km2,其中,针叶林、阔叶林干扰面积占比75.06%;(2)利用LandTrendr算法的干扰开始时间节点估算的林龄误差（RMSE=1.91 a）较小,模型精度（R2=0.94）较高;(3)通过递归特征消除的随机森林算法估算的针叶林、阔叶林林龄的R2和RMSE分别为0.64、0.48和4.71 a、12.71 a。研究表明：结合长时间序列的干扰算法可以有效提高干扰区森林年龄估算精度,为亚热带山区的区域尺度上进行森林林龄估计提供参考。     

基于改进决策树分类算法的遥感影像分类研究

针对现有分类器对遥感影像分类结果存不准确的问题,本文提出了一种基于决策树分类器的遥感影像分类方法,该方法以复合决策树Boost Tree思想为基础,首先利用分形理论中的毯模型提取遥感影像的纹理特征,根据遥感影像分类的特点,构造新的单棵决策树生成算法对遥感影像进行分类。以北京市五环内区域为研究区,使用landsat7 ETM数据源,实现了基于分形纹理特征、光谱特征的改进决策树分类。实验结果表明：通过毯模型提取的纹理特征可以很好地表达表面特征,辅以该纹理信息的改进决策树分类精度相比于只用光谱信息进行分类的精度有一定的提高,改善了分类效果。     

基于无人机影像的烟草精细提取

烟草是一种特殊农作物，烟草的提取对其信息统计起着重要作用。针对烟草单株提取难的问题，提出了一种结合多特征和超像素的无人机影像烟草精细提取方法。首先利用简单线性迭代聚类 （Simple Linear Iterative Clustering， SLIC）算法对影像进行超像素分割；然后统计超像素的平均值、亮度、长宽比、形状指数、红绿蓝波段值和自定义植被指数；接着通过对超像素特征组合和特征阈值选取来实现烟草的精细提取；最后对提取信息进行统计和分析。实验结果表明：该方法能有效地提取烟草株树，准确度分别为99%和98.6%。利用该方法，在计算烟草产量方面供了有效参考，节省了大部分的人力财力。     

基于颜色特征的遥感图像中烟的识别方法

针对无人机遥感在林火监测中的实际应用问题,根据森林火灾中烟的光谱特性,提出基于颜色特征的识别方法,建立分析识别模型,使用线性噪声清除方法,满足实时性要求,解决无人机遥感在林火监测中的自动识别问题。该方法利用交互式数据语言开发出相应的分析处理系统。实验结果表明,使用该方法对无人机遥感数据进行自动识别,识别率在77．71％以上。     

基于高斯金字塔的遥感云图多尺度特征提取

提出了一种针对可见光遥感图像云图的多尺度特征提取方法。该方法通过高斯金字塔将遥感云图分解到多尺度空间,以此为基础将图像的灰度特征进行多尺度延拓,从而得到图像的多尺度特征矢量。实验结果表明在相同的特征算法和分类器条件下,多尺度延拓能够提升分类精度,更加有效地实现云图和地物的分类。     

多尺度遥感语义分割网络

高分辨率遥感图像语义分割在国土规划、地理监测、智慧城市等领域有着广泛的应用价值,但是现阶段研究中存在相似地物和精细地物分割不准确问题。为解决这一问题,提出了一种新型的多尺度语义分割网络MSSNet。它由编码层、解码层和输出层组成。为解决相似地物的分割问题,编码层使用深层网络ResNet101充分提取地物特征,并在解码层的解码器中加入残差块,提高基于像素点的分类能力。为解决精细结构地物的分割问题,解码层中的解码器加入了空洞空间金字塔池化结构提取多尺度地物特征,以便精确分割不同尺度的地物。为了强化语义分割能力,输出层合并了多个解码器的输出,为最终的预测提供了更多的信息。在两个公开数据集Vaihingen和Potsdam上进行了实验,分别取得了87%和87.3%的全局精确度,超过了大多数已发表的方法。实验结果表明,提出的MSSNet能够精确地分割相似地物和精细地物,并且具有训练过程简单和易于使用的优点,非常适合进行高分辨率遥感图像语义分割。     

基于分割质量的遥感图像最优尺度分割方法研究

实现最优尺度分割是遥感图像自动化分割的理想目标.本文首先定义遥感图像区域对象的分割质量,然后使用连续的多个尺度对遥感图像进行分割,计算每一尺度上所有区域对象的分割质量,最后计算原子区域对象的最优分割尺度,实现遥感图像的最优分割.通过目视判断和定量分析发现最优尺度分割结果优于单尺度分割结果.     

基于大疆精灵4无人机多光谱影像的西沙植被监测

西沙群岛位于热带,常年多云,在光学卫星数据获取时易受天气影响导致缺失,使得地表动态监测困难。为解决这一问题,探讨无人机低空平台对西沙群岛植被的监测能力,选取大疆精灵4多光谱无人机,通过5个多光谱波段提取4项植被指数,包括归一化差值植被指数（NDVI）、叶绿素指数（GCI）、绿色归一化植被指数（GNDVI）以及归一化绿红差值指数（NGRDI）,评估了2020年5月西沙群岛北岛的植被生长状况,并结合关键气象参数以及Worldview2卫星光学影像对比分析了2020年5月和2018年5月北岛植被生长变化及其潜在归因。研究结果表明：2020年5月北岛平均NDVI、GCI、GNDVI和NGRDI别为0.30、0.84、0.26和0.05,反映出植被覆盖度较低,可能存在枯黄现象,与地面监测结果一致;2020年人工管理植被区和自然生长植被区各项指数差异由2018年的-23%—15%增加到15%—40%,表明2020年自然生长植被长势显著差于人工管理植被,反映出较强的环境胁迫;气象数据显示2020年4月—5月该地区日平均温度较常年同期升高、累计降水量减少、平均风速增大同时增加了土壤水分亏缺,可能是引起...     

Research Progress of Remote Sensing Classification and Change Monitoring on Forest Types

Forest is one of the main vegetation type in the terrestrial ecosystem,and using remote sensing technology on discriminating and change monitoring forest types are of great significance importance for the global carbon cycle study and sustainable development of forest resources.This article reviewed the classical remotely sensed classification methods forest remote sensing classification methods,including pixel-based,object-oriented,red-edge spectral information based and deep learning methods,separately.We also introduced the details and individual advantages of these methods in the some specific applications.Finally,the limitations of the current study on forest remote sensing classification and change monitoring on forest types were indicated in order to provide reference for the dynamic supervision of forest resources under the new situation.     

独立分量分析在多光谱遥感图像分类中的应用

多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础。但是在多光谱遥感波段图像中存在不同地物对应着相同的灰度,即异物同谱的问题。独立分量分析算法对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的。但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用。文章对独立分量分析的一种快速算法FastICA进行改进,减少了计算量,提高了算法的有效性。在性能相当的情况下,改进FastICA算法能有效地减少算法的计算量。由于FastICA算法是线性ICA算法,对于非线性混合的光谱信号的估计存在一定误差,因此应用BP神经网络的非线性特性对其进行自动分类。在同原始遥感图像的BP神经网络分类结果进行比较,结果表明独立分量分析算法能提高多光谱遥感图像的分类的正确率。     

多源遥感影像分形特征分析

分形理论在遥感影像地物空间结构及其变化规律研究方面具有很大优势。本文使用三折线拟合法确定"无标度区间",改进传统的分线分维数计算方法,使分线法的计算结果具有实际意义并且更为准确。利用改进后的分线法对多源遥感影像进行分形特征研究,发现城区、田地、山体植被、水体等典型地物的分维特征在不同空间尺度遥感影像上比较相似,在同一尺度遥感影像上又具有比较明显的方向性特点。这些特征为更有效地进行遥感影像地物识别提供了重要参考。     

一种基于灰度直方图的遥感影像阴影自动检测方法

在高分辨率全色遥感影像中,阴影的存在既给目标识别带来了困难,又包含了地物的层次和高度信息。本文运用灰度统计直方图的势函数对全色遥感影像的灰度统计直方图函数进行拟合,使用一阶差分找到直方图势函数的第一个谷点,以该谷点对应的灰度值对原始影像做阈值分割完成阴影检测。实验表明,在各种复杂地物环境下,本文方法都能能完成灰度分割阚值的自动选取,其阴影检测结果是快速有效的。     

基于最小类内方差优化算法的遥感图像分割

为有效提高最小类内方差算法在遥感图像分割中的实时性,在分析最小类内方差算法和k-均值聚类算法原理的基础上,证明两者判别准则函数的等效性,利用k-均值聚类算法的高效性对最小类内方差算法进行优化。实验结果表明,优化的最小类内方差算法搜索空间小,获取阈值速度快,具有较强的实时性。     

遥感图像决策树分类器研究与实现

针对传统分类方法在处理空间特征分布极为复杂的数据时效果不佳的缺点[1],结合“分层思想”的树分类技术,将广泛用于数据挖掘模型中的CART决策树算法应用到遥感影像分类中,具有更好的弹性和鲁棒性,且分类结构简单明了,达到了更好地分类效果。并以VC 6.0作为开发工具,设计了一种特殊的数据结构,实现了该分类系统。实践表明,该系统具有很好的稳定性和交互性,实用性较强。