基于三种高分辨率影像样本迁移学习的城市水体提取研究

水体提取是遥感监测城市水环境必不可少的步骤,提取城市中的细小水体目前已成为遥感影像深度学习领域的热点。但是,深度学习需要大量的样本数据集作为输入,而且不同空间分辨率影像往往需要构建不同的样本集。如果影像的空间分辨率差异不大,可以先采用分辨率较低的影像样本训练模型,并加入少量的较高分辨率样本再次训练模型,这种模型可以保证精度和节约时间。研究选用了U-net图像分割模型,针对3种不同空间分辨率——分别为0.5 m、0.8 m和2 m的影像进行样本迁移学习。发现2 m到0.8 m、2 m到0.5 m、0.8 m到0.5 m 3种迁移学习后,提取水体结果对应评价指标F1-score、MIoU、Kappa都在0.80以上。在分辨率差异不大的前提下,这种从较低分辨率样本迁移到较高分辨率影像提取城市水体的方法基本可行,结果精度较好,适用于缺水型城市的水体提取。     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树.其基本思路为:首先利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最后根据面积对水体进行补充识别.与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法(DBSCAN)描述的空间密度特征区分城市水体和建筑物阴影.对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18％,虚警率为13.82％,表明本方法是基于中分辨率多光谱影像提取城市水体的有效方法.     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树。其基本思路为：首先 利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最 后根据面积对水体进行补充识别。与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法 （DBSCAN）描述的空间密度特征区分城市水体和建筑物阴影。对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18%,虚警率为13.82%,表明本方法是基于 中分辨率多光谱影像提取城市水体的有效方法。     

一种基于遥感数据快速提取水体信息的新方法

“数字流域”建设已成为水利现代化的重要组成部分。利用遥感技术进行水体信息提取可为构建数字流域提供重要的数据来源。在对Landsat ETM+影像上的水体及其背景地物进行光谱特征分析的基础上,发现水体在近红外和中红外波段（对应于Landsat数据的Band 4、Band 5和Band 7）同时具有强吸收这一典型特征,据此提出了一种新型的水体指数NWI（New Water Index）。其中,将Band 7用于水体指数模型的构建和水体信息的提取目前较少见于文献报道。以厦门岛为研究区,将该指数在经过大气校正的遥感影像上进行实验的结果表明：NWI可用于水体信息的快速有效提取,且具有较高的精度。     

基于高分辨率遥感影像的城市建筑目标提取研究

基于Geoeye-1高分辨率遥感影像,根据机场、大型公共建筑、污水处理厂3类建筑目标的光谱特征和形状特征,采用面向对象分类识别方法,并结合城市总体规划专题数据,对上述3类建筑目标进行提取实验。实验表明,本文提出的技术路线对上述3类城市建筑目标提取具有较好的应用效果。     

从高分辨率遥感影像中提取城市道路的新方法

在综合几种现有算法优点的基础上,提出一种新的道路提取策略。首先以角度纹理特性法分割原始影像;接着利用直线匹配原理剔除初始分割结果中的非道路地物,得到更为规则的道路条带;然后通过形态学手段获得道路中心线,并将每条中心线拆分为多段直线;结合上下文知识的马尔可夫模型被用于组织道路段的中心线,从而恢复完整道路网。实验结果表明：新方法具有良好的性能,可以从高分辨IKONOS遥感影像中提取出复杂的城市道路。     

高分辨率遥感影像中提取复杂道路的新方法

从遥感影像中提取具有弱边缘线的道路具有相当大的难度,在综合了相位编组和动态规划两种原理的记错上,提出了针对这一问题的新方法。首先借鉴相位编组原理形成边缘线支持区并对其进行连接;然后利用动态规划方法从支持区中检测出边缘线并对这些线进行平滑;最后连接由边缘线构成的道路段,得出道路提取结果。实验表明,该方法可以较好地提取出无清晰连续边缘线的道路,对于边缘对比度较大的道路则可取得更为令人满意的结果。     

一种有效的高分辨率遥感影像水体提取方法

针对高分辨率遥感图像,提出一种有效的水体自动提取算法。设计基于局部二值模式和[K]最近邻的算法,对遥感图像进行水陆粗分离,并采用形态学滤波抑制各分类区域内的噪声;设计基于局部二值模式和支持向量机的方法,对水陆边界区域进一步细分离,并对细分离结果采用形态学滤波去除水陆边界附近噪声点;针对细化结果,采用形态学腐蚀运算对水体边缘进行平滑,得到最终的水体提取结果。实验结果表明,提出的算法能快速、有效地检测遥感图像中的水体目标。     

基于机载LiDAR和高分辨率遥感影像的城市道路网提取

利用单个数据源的数学形态学道路提取方法不能充分利用道路的特征,提取的道路信息不完整。针对这一缺陷,并考虑到机载LiDAR数据可以提供高程信息,提出了将机载LiDAR数据和高分辨率遥感影像数据结合起来的城市道路网的提取方法。以徐州市的机载LiDAR数据和高分辨率遥感影像数据作为实验数据,首先将两者进行精确配准,然后利用伪道路信息去除的方法分别将植被信息和建筑物信息等去除,得到基本的道路轮廓,再利用形态细化算法提取道路的中心线,最后,在ArcGIS和Matlab编程环境下实现了改进的道路修剪算法(IRT),利用该算法进行道路修剪,得到了平滑和连贯的城市道路网。经过精度评价可以看出:利用该方法可以较好地避免建筑物阴影、低矮植被群等对道路提取的影响,道路的识别精度达到84%以上。     

基于Hough变换的高分辨率遥感影像城市直线道路提取

根据高分辨率遥感影像城市直线道路特性,提出在图像分割获得道路网轮廓的基础上,使用Hough变换检测道路所在直线,对直线进行道路判断,再将所得道路段进行修剪、连接形成道路网,实现道路提取。实验结果表明,该方法能有效的从高分辨遥感影像中提取城市直线道路。     

基于Sentinel-2影像的多种水体指数法提取地表水对比研究

高时空分辨率的Sentinel-2影像日渐成为地表水体提取的主要遥感数据源,开展基于该卫星影像的多种水体指数方法提取效果的对比研究,对提升地表水遥感监测能力具有重要参考价值。本研究针对目前较为常用的7种水体指数（NDWI、MNDWI、AWEInsh、AWEIsh、WI2015、CDWI和MNDWI＿VIs）,以分布在华北、东北、长江中下游和西北的具有不同地表水体类型组合特征的4个样区为例,在GEE(Google Earth Engine)平台上采用Sentinel-2 MSI影像实现了基于7种水体指数的地表水提取,进而定量分析了不同指数提取水体的精度。结果表明：总体而言,7种水体指数均可以较好识别地表水,但在不同类型的地表水体提取时的表现存在一定的差异;NDWI指数在瞬时性水体（如水田、洪泛区等）会低估地表水的分布,漏分率较高;而AWEInsh、AWEIsh和WI2015指数整体存在高估倾向,错分率较高;MNDWI＿VIs水体指数在复杂水体类型的区域提取精度保持最高;在长时序水体变化监测方面,7种水体的性能表现与基于单景影像所得结论基本一致。本研究为不同类型水体开展地表水监测提供了重要...     

基于高分辨率遥感影像的城市建筑密度和容积率提取方法研究

尝试利用QuickBird高分辨率卫星影像上的阴影来提取建筑物高度信息,并将其应用于计算城市建筑密度和容积率的领域中,探索一种快速、有效的估算建筑密度和容积率的方法。以重庆市渝中区为例,计算该区域的建筑密度和容积率。通过对该区建筑密度和容积率计算结果的对比,发现城市规划格局受经济影响非常大,渝中区的总体规律是:经济水平高、容积率高、建筑密度小,反之亦然。这一结果可以为研究区域的规划、土地利用提供参考信息。最后本文以楼层数为单位进行实地抽样验证,计算结果的准确率达到88.3%。表明高分辨率遥感影像在获取城市建筑密度和容积率方面有巨大的潜力。     

基于高分可见光遥感指数的城市阴影高效提取研究

高效识别阴影信息是利用阴影和消除阴影的关键前提,有助于城市遥感应用研究的开展,现有关于城市阴影检测多关注在近红外和可见光的多波段合成方面,而对可见光提取阴影的能力检测有待深入。针对这一问题,基于红、绿、蓝（R、G、B）高分卫星影像,结合色彩空间变换和影像多波段运算,研究并提出一种由绿光波段、蓝光波段和亮度分量构建的城市阴影优化指数OUSI(Optimization Urban Shadow Index),从视觉效果及提取精度评估角度进行验证分析。结果表明：OUSI可较完整地提取城市阴影,总体精度达90.46%,高于当前常见的指数法和深度学习阴影检测算法;OUSI受不同土地覆被类型的影响较小,阴影检测结果稳定。与既往基于特征的方法不同,研究构建的阴影指数对原始影像数据仅依赖RGB三波段信息,OUSI指数简洁有效、运算耗时少,进而可以为实现大区域和高精度的城市阴影检测提供切实可行的方案。     

不同指数法在地表水体提取中的效果比较

由于遥感技术能够快速、高效地获取地表水体的时空分布特征,目前基于影像提取内陆水体的方法很多,但针对不同类型的水域,哪一种方法提取效果更好,是值得探讨的问题。以天健湖、须水河和黄河郑州段3个水域为研究对象,基于GF-2,Landsat 8,SPOT5卫星影像,采用水体、植被指数法等几种方法提取水域部分。通过分析提取效果,得出:对于水体较浅的天健湖,无论是GF-2还是Landsat 8影像,提取效果较好的方法是水体指数法,提取效果较差的均为单波段阈值法;对于相对较深的须水河,无论是GF-2还是Landsat 8影像,提取效果较好的方法是植被指数法,提取效果较差的均为单波段阈值法;对于含沙量较大、有细小水体的黄河水域,提取效果相对较好的是水体指数法,较差的是单波段阈值法和植被指数法。表明:在基于影像提取水体时,首先应弄清水域的情况,以采用相应的遥感指数。     

结合水体指数与卷积神经网络的遥感水体提取

常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证。在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体提取方法。该方法首先选取典型水体样本进行训练,构建深度学习卷积神经网络(convolutional neural networks,CNN)水体识别模型。其次,计算多光谱影像NDWI指数并分割成图斑,以图斑包络矩形构建初始的水体目标子区。最后,构建NDWI指数与CNN水体识别概率的联合估计模型,并以迭代运算实现最优化遥感水体提取。实验验证了该方法的高可靠性与准确性。相比常用方法,水体识别准确率高达94.19%,而错分率仅为5.04%,显著提高了水体提取精度。     

不同水体指数提取淤泥质海岸线的分析与比较

水体指数是快速、准确提取大范围区域中海岸线的有效方法。但水体指数对以淤泥质岸线提取海岸线的适用性有待检验。本文以上海市的部分淤泥质海岸为研究区,以三幅Landsat影像为数据源,采用NDWI、MNDWI、AWEInsh、AWEIsh等四种水体指数提取海岸线,使用遥感影像进行目视解译的海岸线作为参考,探究上诉四种水体指数提取海岸线的差异。结果表明:MNDWI指数提取的海岸线能得到最佳提取效果;在120 m范围内,各种水体指数的海岸线提取精度均高于50%。     

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。     

基于高分辨率SAR图像的道路自动提取

在传统算法的基础上,用多条件加权法进行道路边缘点的判断,充分利用道路的物理特性,将道路边缘点像素上下文特性作为判断的条件,以实现道路边缘线段的识别。桥接模式的思想是根据道路边缘线平行且宽度一定的特性,通过算法找出两条边缘线段之间的对应点,连接对应点以实现道路提取。经实验测试,该算法能消除地物间的影响和噪声干扰,有效地提高了道路提取的精度和速率。     

基于高分辨率SAR图像的道路提取算法

针对合成孔径雷达(synthetic aperture radar,SAR)图像中道路边缘的特点,提出了一种基于多条件加权法的高分辨率SAR图像道路提取算法。该算法使用FROST滤波抑制相干斑噪声,并使用OSTU算法对高分辨率SAR图像进行二值化,对二值化后的SAR图像进行膨胀与腐蚀,再使用五邻居边缘检测器与多条件加权法提取道路的一个边缘,最终使用桥连接模式提取出完整的道路边缘。实验结果表明,该算法可以消除噪声,消除障碍物的干扰,有效的提取道路边缘。     

基于高分辨率遥感图像的道路提取研究

道路是现代交通的主要组成部分,对于管理和更新地理信息系统数据库中的道路信息非常重要.目前,自动提取道路网络的主要数据源为遥感图像数据,但随着近年来遥感影像的地面分辨率不断提高,图像中地物信息愈加丰富,对图像中道路信息的提取难度也随之增大.文章主要展开一种利用机器学习对高分辨率遥感图像的道路提取研究.首先对高分辨遥感图进...