基于面向对象方法的沙化土地遥感信息提取技术研究

针对基于像元光谱特征提取沙化土地信息分类精度偏低的问题,以Landsat\|5 TM为数据源,基于面向对象的方法对沙化土地遥感信息提取技术进行研究。首先采用多尺度分割法对影像进行分割以获得同质区域,然后结合野外调查数据制成不同地物类型的多种特征图,从而确定提取目标地物的特征并建立沙化和非沙化地物提取决策树,最后对影像进行模糊分类,并对分类结果进行精度评价。结果表明,基于面向对象提取沙化土地信息的总精度达84.89%,Kappa系数为0.8077。研究结果为后续深入研究奠定了基础。     

基于面向对象信息提取技术的城市用地分类

针对高分辨率遥感影像的城市用地分类,引入了面向对象的信息提取技术,并将其与传统基于像素光谱信息的分类方法进行了比较。在此基础上详述了面向对象信息提取的关键技术---多尺度影像分割和基于分割的分类技术。以城市作为研究区,实现城市用地的自动分类。图像处理过程包括几何校正、HIS融合、图像分割和图像分类。最终分类结果表明:视觉上,面向对象信息提取技术克服了传统方法无法克服的“椒盐”噪声的影响;精度上,面向对象信息提取技术的总体精度高达84.82%,比最大似然法的总体精度提高了10.95%,并且各类地物信息的提取精度均有所提高,其中草地、道路、建筑物阴影的精度较高。     

基于目标分解理论的全极化SAR图像神经网络分类方法

由于全极化合成孔径雷达(synthetic aperture radar)能够测量每一观测目标的全散射矩阵，即可合成包括线性极化、圆极化及椭圆极化在内的多种极化图像，因此与常规的单极化和多极化SAR相比，在雷达目标探测、识别，纹理特征和几何参数的提取等方面，全极化SAR均具有很多优点，但是由于地物分布的复杂性往往造成不同地物具有相似的后向散射信号特征，因而加大了地物信息提取的难度。同时由于这些极化合成图像具有较高的相关性，从而导致了图像分类精度的降低。为了提高全极化SAR图像的分类精度，基于新疆和田地区的SIR-CL波段全极化雷达数据，利用目标分解理论首先将地物回波的复杂散射过程分解为几种互不相关的单一的散射分量。由于这些单一的散射分量都对应于具有不同物理和几何特征以及分布特征的地物，从而提供了更加丰富的地表覆盖信息，这样就很大程度地改善了地物信息的分类精度；然后利用分解后单一散射分量数据结合传统的极化合成数据，可以得到更多的互不相关的数据源，再使用神经网络分类法对这些数据进行分类。分类结果表明，这种方法大幅度提高了全极化SAR数据用于实验区土地覆盖分类的精度。这种分类方法也可以广泛地用于SAR数据地表覆盖和土地利用动态监测和地表参数的提取。     

整合无人机和面向对象的农村居住环境信息提取

无人机遥感和面向对象图像分析技术在环境监测中得到越来越多的发展。然而在科学文献领域,使用无人机和面向对象制图农村居住环境的文献仍然很少。因此本研究构造一个整合框架用于提取农村居住环境中各类地物信息。首先利用尺度参数评估(ESP, Estimation of Scale Parameter)工具和专家判断来确定最优分割尺度参数;然后分别采用专家规则集和监督分类算法提取农村居住环境中各类地物;最后采用基于面的精度评价方法对分类性能进行评估。结果表明,利用ESP工具和专家判断确定最优分割尺度是可行的。总体精度为75.19%,说明基于规则的提取方法对研究区各类地物的提取效果不佳。但在农村居住环境中利用模板匹配结合阈值规则对太阳能热水器提取精度达92%。分析训练样本和特征对随机森林(RF,Random Forest)、支持向量机(SVM, Support Vector Machines)和K最近邻 (KNN, K-Nearest Neighbor) 分类器分类结果的影响,说明RF分类器对农村居住环境分类效果最好,总体分类精度高达91.34%。研究结果表明:该框架在农村居住环境地物提取方面是一种有价值的工具。     

基于激光雷达和航拍影像的城市地物分类研究

航拍影像富含光谱信息、纹理信息和空间信息,机载LiDAR(Light Detection and Ranging)能够提供地物的三维信息。综合利用两类数据的优势,研究了一种面向对象的城市地物分类方法。通过预处理将LiDAR点云转换成二维栅格数据,与航拍影像进行配准;结合光谱信息和高度信息对研究影像进行多尺度分割,依据最优分割尺度计算模型选择最优分割尺度;对分割对象提取各类特征,采用XGBoost算法进行特征选择,选择支持向量机(Support Vector Machine,SVM)分类器进行分类,为体现XGBoost算法的优势,借助SVM分类器与Relief和RFE两种传统的特征选择算法比较;基于一定规则将阴影区域地物区分以及合并到真实地物类别中,实现最终的城市地物分类。在3个区域测试分类方法,结果表明本文研究方法可行有效,能够较好地应用于城市地物分类。     

基于高分二号数据的面向对象城市土地利用分类研究

利用国产高分二号数据提取城市地物类别的方法研究具有重要的意义。以鸡西市城区作为研究区域,采用高分二号(GF-2)遥感影像为数据源,对影像进行多尺度分割,建立相应地物的分类规则,采用规则集的面向对象分类方法对地物进行分类,并与支持向量机(Support Vector Machine,SVM)监督分类结果进行比较。实验结果发现:利用面向对象方法对城市土地利用分类的总体精度92.52%,Kappa系数为0.91,与SVM方法相比较,有很大的提高,分类效果更加能体现城市地类形状特征。使用面向对象的分类方法对高分二号影像进行分类效果更好,精度更高,基于高分二号数据面向对象分类方法是提取城市土地利用分类的有效方法。     

基于分布目标模型的SAR场景模拟

地理环境的场景回波模拟直接影响到合成孔径雷达(SAR)对抗系统仿真试验的效能评估.通过分析研究场景地表地物的电磁特性,利用高分辨率卫星影像数据的地物特征,采用面向对象的多尺度分类分割算法,提取得到了真实地物电磁特性数据.在构建分布目标模型时,先将实测数字高程模型(DEM)数据进行分形插值处理,建立几何模型,再利用小面单元模型建立散射模型,小面单元的电磁散射特性数据由与DEM数据对应区域的卫星影像数据提取得出,从而建立真实地理环境的SAR回波模型.通过ChirpScaling成像算法对回波信号进行处理,证明了方法的可行性.得到的场景回波模型与通常所用的忽略地物电磁特性得到的回波模型相比,具有逼真度高的优点,为SAR对抗系统仿真试验提供支持.     

基于窗口傅立叶变换功率谱分析的盐田地区高分辨率遥感影像分割分类方法探讨

图像分割是面向对象图像分析的基础。目前常规的图像分割算法普遍基于光谱同质性假设,但是这种假设对于提取干旱地区盐田这种具有析出结晶盐与卤水两种高反差地物共存的空间对象而言显得不足为用。针对面向对象图像分析中只采用光谱和形状异质进行图像分割的不足,以吉兰泰盐田及周边地区2008年11月SPOT 5影像为例,首先采用窗口傅立叶变换功率谱方法提取影像纹理特征,然后进行基于纹理、光谱的多尺度分割,进而对分割后图像进行多层次分类来提取盐田信息。实验结果表明,该方法对盐田地区的信息提取有较好的效果。     

面向对象分类方法在铁尾矿堆快速提取中的应用研究

以黄石市大冶铁矿区为例,利用面向对象分类方法进行铁尾矿堆信息快速提取试验研究。首先,根据WorldView-2影像特点,充分利用其丰富的光谱特征及精确的空间形状特征进行图像分割,突出影像对象边缘、重现地物实际存在情况;其次,分析影像对象的光谱、形状、纹理、拓扑关系等特征信息,建立分类规则进行分类,提取出尾矿堆信息。为了进一步提高分类精度,可以利用eCognition软件RS/GIS数据集成功能,在面向对象分类结果上进行目视解译。试验证明,面向对象分类方法适用于提取矿区尾矿堆信息,是高分辨率遥感影像自动分类的理想选择。     

基于决策树规则的面向对象遥感影像分类

高分辨率影像包含了丰富的空间信息,这使得基于像素的传统分类方法的分类精度受到局限.基于此,本文对面向对象的分类方法进行了探讨.首先,利用图像的光谱和形状因子对图像进行合理的分割.然后,建立决策树分类判别知识库,将对象归属到某一类上并进行分类.结果显示,面向对象方法的分类精度较传统分类方法有了很大程度的提高,这为通过建立决策树知识库对地物光谱混杂的城区分类提供了一种有益的尝试.     

基于COSMOＧSkyMed和SPOTＧ５的城镇洪水淹没信息快速提取研究

洪水是我国最为频繁的自然灾害之一,如何快速准确地获取洪水淹没范围在救灾减灾工作中具有重要意义.目前,卫星遥感技术已广泛应用于洪水信息提取的研究中.不同的遥感数据源在洪水信息提取中各有利弊,综合研究雷达影像和可见光影像的优缺点,建立了基于多源遥感数据的洪水淹没信息快速提取模型.首先,利用灾中第一时间获取的COSMOＧSkyMed雷达影像,采用面向对象的方法提取出洪灾发生时的水域空间信息;其次,利用灾前SPOTＧ５高分辨率光学影像,采用多光谱影像波段运算和决策树分类的思想提取出常态下的水域空间信息;最后,对灾中雷达影像COSMOＧSkyMed提取的水体和灾前光学影像SPOTＧ５提取的水体进行空间差值运算,得到洪水淹没范围信息,并利用洪水当天拍摄的无人机遥感影像对结果进行精度评价.将该模型应用于２０１３年浙江余姚水灾,监测结果表明:在洪水发生后,能够快速获取淹没范围空间信息,并且提取精度达到９３．７％,为洪灾的防治以及抗洪抢险救灾工作提供强有力的技术支撑和基础数据信息.     

Building Height Estimation from GF-2 Image based on Morphological Shadow Index

GF-2 is a high resolution earth observing satellite with sub\|meter resolution which is developed by our own technique.To estimate urban building height based on GF\|2 remote sensing image combined with the idea of mathematical morphology and object\|oriented classification.First of all,segment image based on multi\|scale segmentation.Then extract shadow and calculate its length based on object\|oriented classification combined with spectral,shape,Morphological Shadow Index (MSI) and other features.In the end,estimate building height based on the geometrical model of satellite,sun and building and then accuracy evaluation and error analysis are carried out by using the field measurement data.Experimental results showed that 90% of the buildings’ absolute error is less than 1 m.This experiment demonstrate that the method can extract the height of urban building from the GF\|2 image effectively and the immense potential of domestic high resolution remote sensing image in applications on urban building information extraction.     

基于面向对象方法的露天煤矿用地类型提取优先级分析

高分辨率影像为矿产资源开发遥感监管提供了更为精确有效的数据.以霍林河露天煤矿区为研究区,应用高分一号卫星影像为主要数据源,在面向对象的影像分类基础上,探讨了露天煤矿区用地类型信息提取优先顺序对最终分类精度的影响.结果表明:露天煤矿区的用地类型信息提取中,采用优先提取采矿场和排土场等资源开发用地类型、而后提取其他非开发用地的优先级顺序的分类精度最高,其总体精度达到８２％,Kappa系数达到０．７８,可以为露天煤矿区的用地类型信息提取提供理论和方法支持.     

Extracting Built\|up Areas from TerraSAR-X Data Using Object-oriented Classification Method

Urban sprawl stands for one of the most dynamic process in the context of global land use changes.Currently developing countries are going through the tide of urban expansion,represented by China and India.The constantly increasing loss of land resources due to growing settlements comes along with various ecological and socioeconomic challenges such as air pollutant,water contamination,urban heat island effect and urban waterlog disaster.In order to prevent these negative consequences,effective methods and strategies for a sustainable development of urban planning is the availability of accurate and up\|to\|date geo\|data on the location,shape,and dynamics of built\|up areas.Based on single\|polarized TerraSAR\|X,the approach generates homogeneous segments on an arbitrary number of scale levels by applying a region\|growing algorithm,which takes the intensity of backscatter and shape\|related properties into account.The object\|oriented procedure consists of three main steps:firstly,the analysis of the local speckle behavior in the SAR intensity data,leading to the generation of a texture image;secondly,a segmentation based on the intensity image;thirdly,the classification of each segment using the derived texture file and intensity information in order to identify and extract build\|up areas.In our research,the distribution of BAs in Dongying City is derived from single\|polarized TSX SM image (acquired on 17th June 2013)with average ground resolution of 3m using our proposed approach.By cross\|validating the random selected validation points with geo\|referenced field sites,Google Earth high\|resolution imagery,confusion matrices with statistical indicators are calculated and used for assessing the classification results.The result of kappa coefficient is 0.85,OA coefficient is 92.89%.We have shown that connect texture information with the analysis of the local speckle divergence,combining texture and intensity of construction extraction is feasible,efficient and rapid.     

利用序列ISAR图像获取空间目标3-D信息的方法

如何从空间目标序列性二维(2-D,Two-Dimentional)逆合成孔径雷达(ISAR,Inverse Synthetic Aperture Radar)成像获取目标的三维(3-D)信息,是目标特征自动识别(ATR,Automatic Target Recognition)技术的重要研究课题。利用双向射线跟踪(BART,Bidirectional Analytic Ray Tracing)方法,计算连续多角度观测条件下空间目标的电磁散射数据,并由此获取空间目标的ISAR序列2-D图像。再利用KLT(Kanade-Lucas-Tomasi)特征跟踪算法,跟踪提取2\|D序列ISAR图像中的特征点(强散射点),获得其2-D坐标。然后,基于正交因式分解法(OFM,Orthographic Factorization Method),计算强散射点的3\|D坐标,获取空间目标的3-D信息。通过简单六棱柱模型,验证重构算法的精度;并以ENVISAT卫星模型为例,给出强散射点的3-D重构结果。结果表明,本文对空间目标3\|D信息获取方法能有效地从ISAR序列2-D图像中重构目标的三维信息。     

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。     

基于影像融合和面向对象技术的植被信息提取研究

高分辨率影像具有丰富的光谱信息和空间信息。采用不同的图像融合技术融合GeoEye影像全色波段和多光谱波段,用建立的参考多边形和对应多边形残差法评价分割质量,以确定研究区各地物类型的最优分割参数组合,选择目标地物分类特征,建立分类规则,在此基础上实现研究区内不同地物类型的面向对象信息提取。结果表明:Gram-Schmidt(GS)融合法具有最优的融合效果,所选特征能够很好地实现目标地物信息提取,并且具有明确的地学意义,面向对象信息提取总体精度达到90.3%,Kappa系数为0.86,该研究为高精度植被信息的提取提供了有效的方法。     

基于高分辨遥感数据的胡杨与柽柳树冠提取

胡杨、柽柳是干旱荒漠区生境的指示种,其树冠提取是荒漠生境遥感定量监测的基础。以塔里木河下游胡杨、柽柳为研究对象,基于QuickBird数据,使用光谱单数据源SVM、光谱结合纹理SVM、面向对象分类和最大似然分类法提取树冠。结果表明:1光谱结合纹理SVM比光谱单源SVM分类精度高9.65%,冠幅估测精度高7.18%,表明高分辨影像上纹理是提高分类精度的重要因素;2面向对象分类法精度最高,分类总体精度86.47%,较光谱单源SVM提高15.67%,较光谱结合纹理SVM提高6.02%,较最大似然法提高22.58%,其冠幅估测精度达87.45%。它兼顾面向对象影像分割与支持向量机方法优点,有效利用分割对象光谱、纹理和空间等信息,较好地解决了其他方法"同物异谱、异物同谱"造成提取树冠破碎的问题,使树冠提取具有较好的稳定性和较高精度。     

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。     

结合地籍数据的高密度城区面向对象遥感分类 

利用高分辨率遥感影像和GIS辅助数据,对高密度城区进行面向对象的土地利用覆被分类研究。使用NAIP高分辨率航空遥感影像,在多尺度影像分割的基础上,针对特定地物选择合适的影像分割参数。采用决策树方法建立高密度城市地区的分类规则,并结合该地区地籍图数据作为辅助数据,逐步进行高密度城市地区地物信息提取。利用辅助数据进行面向对象的遥感分类效果优于单纯依靠遥感影像进行的分类,且有效提取了道路和复杂的房屋等信息,得到了理想的分类结果,其总分类精度从常规面向对象方法的84.08%提高到89.79%。利用辅助数据进行遥感分类提高了高分辨率遥感影像的分类精度,说明了利用辅助数据进行遥感分类方法的有效性。