扫描蛇：一种从高分辨率遥感图像上提取道路的新方法

为了能对高分辨率遥感图像上各种复杂情况下的道路进行有效提取,提出了一种称之为"扫描蛇"的半自动新方法。该方法的基本过程是:首先根据用户确定的起始点确定道路的基本走向、路宽、灰度分布等剖面特征;然后在起始剖面两侧进行深度搜索,寻找满足符合条件的道路边缘(梯度极值)点对;最后进行点对连接形成双线道路。在"北京一号"小卫星图像上的实验证明在道路方向、灰度特征分布发生显著改变,道路间断、相互交叉等一系列复杂条件下,该方法均能有效地提取主干道路,体现出较强的鲁棒性和实用价值。     

高分辨率遥感影像上交通枢纽信息的自动提取方法

提出了一种在高分辨率遥感影像上自动提取交通枢纽,即重要道路交汇口的有效方法。方法的基本过程如下:利用高斯马尔可夫随机场纹理模型与支撑向量机进行图像分类得到道路块,通过细化得到道路轴线并登记宽度信息,然后通过启发式规则进行轴线连接得到道路网。而后在路网基础上,自动提取高宽度道路轴线之间的交点作为交通枢纽。通过实验证明了方法的有效性。研究可广泛应用于城乡交通基础设施规划、物流规划、军事作战分析等领域。     

Segmentation of High Spatial Resolution Remotely Sensed Data Using Watershed with Self-adaptive Parameterization

Segmentation of high spatial resolution remotely sensed image is the important foundation of Object\|Based Image Analysis(OBIA), most of the image segmentation algorithms involve the problem of parameter setting. Self\|adaptive Parameterization is one of the key factors that affect the efficiency and effectiveness of remote sensing image segmentation. Considering that traditional watershed segmentation algorithm is susceptible to noise and the segmentation scale parameter is difficult to be self\|adaptively chosen,this paper propose a scale self\|adaptive method in watershed segmentation. After median filtering in primary image, this paper uses spatial statistical method to realize the self\|adaptive setting of watershed segmentation parameters, and then segments the high spatial resolution remote sensing image. This study uses IKONOS and Quickbird multispectral images as experimental data to testify the validity of the method proposed by this paper. The homogeneity within the segmentation parcels and the heterogeneity between thesegmentation parcels are used to build up a synthetic evaluation model to quantitatively evaluate the segmentation results by the proposed method by comparing with different parameter sequences segmentation results. The comparison result show that the proposed method perform well in high spatial resolution image segmentation. As result, the method proposed in this paper not only improves the accuracy of image segmentation to a certain extent, but also raises the automation of the segmentation parameter selection, which provides a new way for image segmentation and the research of parameterization in the future.     

高空间分辨率遥感图像分类的SSMC方法

近年来随着高空间分辨率遥感的发展。影像的空间细节描述能力得到提高，像元之间的空间相关性得到增强，使传统的遥感影像光谱分类方法面临着巨大的挑战。基于此背景，提出了高分辨率遥感影像分类的SSMC（spatial and spectral mixed classifier）方法，旨在同时采用光谱和空间特征进行遥感影像分类。本文是基于SSMC方法的一个具体的实验，通过多尺度的空间金字塔构造每个像元的空间参数，整合影像的光谱信号和空间信息进行高分辨率遥感影像分类。实验结果证明，SSMC方法对于提高高分辨率遥感影像的分类精度具有积极的意义。     

多光谱遥感影像建筑物提取

针对传统遥感影像目标提取对数据要求严格及应用受限的问题,提出一种基于非线性尺度空间滤波的建筑物提取算法.首先,构造多光谱影像各个波段的非线性尺度空间并进行迭代滤波;然后,搜索全局影像的标准差曲线的第一个谷点,停止迭代过程;最后,利用最大类间方差法分别对各个波段的滤波结果进行二值化.为了验证本文方法的有效性,选取福州市的一幅航空影像,并与同类方法进行对比.试验结果表明,本文算法能在平滑噪声的同时保留建筑物边缘信息,对于提取排列紧密的建筑物有更好的效果,在保证查准率的前提下,查全率有5%以上的提高.     

Forest Above Ground Biomass Estimation from Remotely Sensed Imagery in the Mount Tai Area Using the RBF ANN Algorithm

Forest biomass is a significant indicator for substance accumulation and forest succession, and can provide valuable information for forest management and scientific planning. Accurate estimations of forest biomass at a fine resolution are important for a better understanding of the forest productivity and carbon cycling dynamics. In this study, considering the low efficiency and accuracy of the existing biomass estimation models for remote sensing data, Landsat 8 OLI imagery and field data cooperated with the radial basis function artificial neural network (RBF ANN) approach is used to estimate the forest Above Ground Biomass (AGB) in the Mount Tai area, Shandong Province of East China. The experimental results show that the RBF model produces a relatively accurate biomass estimation compared with multivariate linear regression (MLR), k-Nearest Neighbor (KNN), and backpropagation artificial neural network (BP ANN) models.     

土地覆盖遥感专题信息的分层提取方法及其应用

重点讨论了土地覆盖遥感专题信息的分层提取方法,即根据各类目标的不同特征,采取相应的信息提取方法,分别建立专题信息层,最后把各专题层合并得到整体分类图;在此方案实施过程中,对各类目标开展了野外遥感调查和特征系统分析,并对样本区进行了ＧＰＳ定位,以获取空间辅助信息,提高提取精度;分层提取方法充分考虑到各类目标的不同特点,从而避免了通常分类方法中,单纯利用光谱特征所造成的地物混分现象     

杭州湾海岸线信息的遥感提取及其变迁分析

综合利用ISODATA分类、地图综合、离散地物去除和岸线追踪等技术,通过ENVI和ArcGIS实现了海岸线遥感信息的提取。以1979、1987、2000和2005年4期Landsat影像为基础数据,提取了杭州湾海岸线;将提取的目标海岸线重采样为30~960 m等10种空间分辨率,从而计算分维数并分析其变迁。研究表明:1979~2005年杭州湾海岸线长度增加了近37.5 km,其中北岸增加的长度(24.9 km)大于南岸(12.5 km);同时,杭州湾海岸线具有显著的分形特性,其中1979~1987年分维数增大,1987~2000年降低,而2000~2005年则为增大。宁波、绍兴、嘉兴、金山、奉贤和芦潮港6个重点海岸的岸线变迁表明,隶属上海市的海岸线受泥沙淤积、港口建设、沿海工业建筑和土地开发等的影响较大;而隶属浙江省的海岸线受自然条件、近海水产养殖和滩涂围垦等的影响较大。     

基于基元的高分辨率遥感建筑物提取研究

如何自动地从高分辨率遥感影像中提取建筑物等人工目标是高分辨率遥感影像处理与理解领域的一个热点与难点问题,建筑物作为人类改变自然界的标志性地物之一,其各种信息的快速自动提取是地形测图和城市地理数据更新的重要步骤,也是衡量人类活动的主要因素之一.本文提出了影像-基元-目标的影像分析方法,首先对高分辨率遥感影像进行特征提取,通过聚类方法形成不同基元,在此基础上对相应的基元特征进行分析及建筑物模式的匹配,完成建筑物的自动提取过程,相应方法也可以推广到其他目标地物的识别过程.     

Investigation of Image Resampling Effects upon The Textural Information Content of a High Spatial Resolution Remotely Sensed Image

An empirical investigation into the effects of bilinear and cubic convolution resampling upon the textural information content of a high spatial resolution remotely sensed image is described. Textural feature values calculated with the grey level difference histogram algorithm are shown to be modified in a complex manner by the resampling process. The modification is found to be dependent upon the resampling technique, the parameters or the texture algorithm and upon the grey level structure of the image. These findings indicate that texlurally-based image analysis procedures may be most appropriately applied prior to image resampling.     

遥感多光谱影像空间分解力增强的融合方法

探讨了采用HIS变换对遥感多光谱影像与航片数字化影像进行融合的方法。试验结果表明所提出的方法是确实可行的。融合后的影像不仅在很大程度上保留了原多光谱影像的光谱特征,而且将其空间分解力提高到原光谱影像的近3倍,因而增强了多光谱影像的判读和量测能力。     

分类图斑概括的一种自适应方法——以遥感图像土地利用分类为例

从遥感图像监督分类结果到矢量对象的转换是遥感技术领域的一个瓶颈问题。提出了一种分类图斑自适应概括(Self-adaptive Generalization of Classified patch,SGCP)的方法,是针对这一问题的新尝试。SGCP能实现从破碎图斑到完整图像对象的自动转换,它由如下运算组成:(1)以形态学开启和形状系数分离道路与其他不透水表面;(2)以面积过滤和数学形态学操作去除噪声,以使图斑完整;(3)以递归凸残差回补简化图斑边界;(4)以膨胀和面积占优方法消除图斑裂隙;(5)以凸节点减少率评估图斑概括度,并同时以面积保持和分类精度保持评估概括精度;直至形成指定概括度的对象。概括运算的主要参数(如结构元素尺寸、递归次数、邻域窗口尺寸等)均由计算机自适应确定,同时预留部分用户调节参数,在自动概括的同时,允许人工干预概括程度。经Matlab仿真测试,该方法可以在保持分类精度与获取概括对象之间取得较好平衡。当图斑简化度上升22.9%时,面积平均变化仅为2.7%,分类精度仅平均下降0.72%。     

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。     

高分辨率卫星影像车辆检测研究进展

高分辨率卫星遥感技术具有在更小的空间尺度上探测地表目标的能力,利用其影像数据进行车辆检测已成为新的研究热点。在概述遥感影像车辆检测研究现状的基础上,对车辆目标影像特征及车辆检测过程进行了探讨;将车辆检测方法分为利用光谱/几何结构特征的基本检测方法和综合运用多种特征的智能化检测方法,并详细叙述了多种车辆检测方法的原理与适用性以及车辆提取中的关键技术。通过分析发现：结合多特征的机器学习和面向对象的车辆检测方法更适合较复杂环境下的车辆检测。     

基于分水岭变换与空间聚类的高分辨率遥感影像面向对象分类

面向对象方法已广泛应用于高分辨率遥感影像分类,提出一种结合改进分水岭变换与空间聚类的遥感影像面向对象分类新方法。首先,基于相位一致思想分析图像特征,由Gabor小波多尺度、多方向提取QuickBird全色影像的梯度信息;利用扩展最小变换与强制最小技术分别获取图像前景标识、重建相位一致梯度图像,利用改进后的分水岭变换获得分割对象。然后,提取各对象的多波段光谱特征,利用Gabor小波获取对象纹理矢量,并用独立成分分析方法进行特征选择,依次进行对象的光谱与纹理聚类。最后,通过分析对象间空间拓扑关系判断聚类后不确定对象的类别属性。实验结果表明该方法能取得较好结果,在一定程度上提高了影像分类的自动化水平。     

高精度CT图像重建的并行运算实现

为解决超大图像(2048×2048)的FBP与OR-OSEM扇束图像重建,作者采用PC机群的并行处理技术。将图像重建算法改写为并行运算方式,按角度数均匀地分配计算任务给各个CPU。并行运算结果表明:图像重建速度与CPU的个数基本上成线性正比关系,可提高近25倍(CPU数为25时)。超大图像的在线重建可采用CPU阵列机来高速实现,这一技术对发展高精度CT具有重要的作用。     

针对高分影像的RDU-Net乡村路网提取方法

鉴于高分辨率影像复杂场景应用中存在因地物细节化差异性增大导致影像分类严重离散化及不规则化,根据乡村路网特性,针对U-Net网络模型开展算法优化和完善,提出了RDU-Net网络模型.该模型通过添加空洞卷积以提升模型感受野,同时引入Tversky损失函数自动平衡正负样本,最终得到了更适用于高分遥感图像分割的模型.为验证RD...     

基于光学多光谱与SAR遥感特征快速优化的大区域森林地上生物量估测

针对基于多模式遥感手段的大区域森林地上生物量（AGB）定量反演效率低的问题，充分集成主、被动遥感对森林AGB多维观测特征，提高区域定量反演结果；针对两期反演结果分析，揭示区域森林AGB空间变化格局，为科学评估区域生态环境保护（如天然林保护）、提升国家生态环境遥感连续动态监测与预警能力提供支撑。以内蒙古大兴安岭林区为研究区，以2009年为主的光学LandsatTM5（TM）与ALOS-1 PALSAR，以及2014年为主的高分一号（GF-1）与ALOS-2 PALSAR两期主、被动遥感数据提取特征因子，利用快速迭代特征选择的k-NN方法（k-Nearest Neighbor with Fast Iterative Features Selection，KNN-FIFS），实现主、被动遥感特征组合快速优化及最优估测模型构建；基于第七次、第八次森林资源连续清查样地数据，对两期研究区森林（乔木）AGB进行定量反演与留一法（LOO）验证；根据两期反演结果叠加对比，在样地和区域尺度上定量分析研究区2009~2014年间森林AGB变化。在样地尺度上，基于森林资源清查样地结果与LOO法验证结果表明,2009年的AGB反演结果R²=0.56，RMSE=25.95 t/hm²；2014年R²=0.64；RMSE=24.55 t/hm²。2009年反演均值较样地计算结果均值偏高（预测：81.59 t/hm²，实测：78.64 t/hm²）；而2014年反演均值较样地计算结果偏低（预测：79.63 t/hm²；实测：82.48 t/hm²）。从区域尺度来看，2009年平均森林AGB为88.33 t/hm²；2014年的为94.61 t/hm²；平均AGB增长量为6.28 t/hm²；与前期研究利用扩展生物量因子法计算的结果接近（2008年和2013年分别为87.14 t/hm²、92.20 t/hm²）。采用基于快速迭代的KNN-FIFS方法，可大幅度提升高维度多模式遥感特征优选效率；充分融合主、被动遥感的多维观测特征，提高森林AGB反演精度及饱和点。在像素尺度上（30 m）利用LOO法对KNN-FIFS反演结果进行了验证，具有更强鲁棒性，避免了由于训练、检验样本抽选造成的随机误差。2009~2014年期间，内蒙古大兴安岭林区植被覆盖度整体呈现了明显的增长趋势；森林AGB也相应增加。自天然林保护工程实施以来，尽管森林火灾造成了局部较为严重的森林退化（覆盖度、AGB），但整体森林资源状况得到有效改善。     

基于光学多光谱与SAR遥感特征快速优化的大区域森林地上生物量估测

针对基于多模式遥感手段的大区域森林地上生物量（AGB）定量反演效率低的问题,充分集成主、被动遥感对森林AGB多维观测特征,提高区域定量反演结果;针对两期反演结果分析,揭示区域森林AGB空间变化格局,为科学评估区域生态环境保护（如天然林保护）、提升国家生态环境遥感连续动态监测与预警能力提供支撑。以内蒙古大兴安岭林区为研究区,以2009年为主的光学LandsatTM5（TM）与ALOS-1 PALSAR,以及2014年为主的高分一号（GF-1）与ALOS-2 PALSAR两期主、被动遥感数据提取特征因子,利用快速迭代特征选择的k-NN方法（k-Nearest Neighbor with Fast Iterative Features Selection,KNN-FIFS）,实现主、被动遥感特征组合快速优化及最优估测模型构建;基于第七次、第八次森林资源连续清查样地数据,对两期研究区森林（乔木）AGB进行定量反演与留一法（LOO）验证;根据两期反演结果叠加对比,在样地和区域尺度上定量分析研究区2009~2014年间森林AGB变化。在样地尺度上,基于森林资源清查样地结果与LOO法验证结果表明,2009年的AGB反演结果R²=0.56,RMSE=25.95 t/hm²;2014年R²=0.64;RMSE=24.55 t/hm²。2009年反演均值较样地计算结果均值偏高（预测：81.59 t/hm²,实测：78.64 t/hm²）;而2014年反演均值较样地计算结果偏低（预测：79.63 t/hm²;实测：82.48 t/hm²）。从区域尺度来看,2009年平均森林AGB为88.33 t/hm²;2014年的为94.61 t/hm²;平均AGB增长量为6.28 t/hm²;与前期研究利用扩展生物量因子法计算的结果接近（2008年和2013年分别为87.14 t/hm²、92.20 t/hm²）。采用基于快速迭代的KNN-FIFS方法,可大幅度提升高维度多模式遥感特征优选效率;充分融合主、被动遥感的多维观测特征,提高森林AGB反演精度及饱和点。在像素尺度上（30 m）利用LOO法对KNN-FIFS反演结果进行了验证,具有更强鲁棒性,避免了由于训练、检验样本抽选造成的随机误差。2009~2014年期间,内蒙古大兴安岭林区植被覆盖度整体呈现了明显的增长趋势;森林AGB也相应增加。自天然林保护工程实施以来,尽管森林火灾造成了局部较为严重的森林退化（覆盖度、AGB）,但整体森林资源状况得到有效改善。     

基于高分辨率遥感数据的长城自动提取实验研究

长城是中华民族的象征,是人类历史上最伟大的建筑工程之一。基于高分辨率遥感数据“SPOT-5”和DEM数据,首先运用微分几何方法提取高亮度线性地物信息,然后根据长城特殊的地形地貌特征,运用GIS水文学方法提取出山脊线,并在山脊线周围做一个几米的缓冲区,将高亮度线性地物信息和山脊线缓冲区进行叠加分析,比较准确地提取出了长城信息,并进行提取精度的评估。