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。     

基于深度语义分割的无人机遥感影像水体提取研究

快速、可靠地获取遥感影像中的水体对于指导人类生产活动和掌握水资源的分布规律、开发保护具有重要意义。本研究根据无人机遥感影像在复杂环境下采用OCRNet语义分割模型结合HRNet骨干网进行水体提取,充分利用了水图像的特征,有效抑制了非水噪声,加快了模型的收敛速度。实验结果表明,该网络在准确率上有着不错的表现,Acc可达到99.30%,mIoU为0.9281,kappa系数（KC）为0.9231。     

一种遥感影像水体信息自动提取方法

本文提出了一种基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法.水体经过LBV变换后形成的B分量图的灰度值很大,水体信息的归一化植被指数值小于0;构建水体信息自动提取模型条件是水体信息满足B分量数值大于某一阈值并且归一化植被指数值小于0;与其它方法进行实验比较该方法可以较准确的进行水体信息的自动提取,同时准确地将水域与低密度覆盖的水植混合体分开.     

ASTER遥感影像水体信息提取方法研究

以安徽省芜湖市为试验区,首先对试验区水体和其它各类地物的光谱特征进行分析,探讨水体在ASTER遥感影像各个波段与其它地物之间的可分性,然后经过反复实验和分析,构建了基于波段阈值和谱间关系的水体提取模型:B2>B3,B1+B6<127,B3+B4<54和B3<24,最后将该方法提取结果与非监督分类、监督分类和植被指数法提取结果进行评价和比较。实验结果表明该方法可较好地提取研究区各类水体,分类精度明显优于传统提取方法,且简单实用,但在对光谱特征分析过程中样本点选取要求较高。     

一种基于高分辨率遥感影像的道路提取方法

道路等线性地物的自动提取一直是高分辨率遥感影像研究所关注的内容。论文在分析现有的各种提取方法的基础上,结合城市道路在高分辨率遥感影像上的特点,提出一种半自动的道路提取法。该方法先对遥感影像中的道路点进行采样,统计其光谱特征,然后再在道路上设置道路生长原点,从这些生长原点开始,根据统计得出的道路光谱特征对邻域点进行判断生长,最后对生长出的道路图利用数字形态学进行内部腐蚀和边界平滑处理。试验结果表明,该方法提取道路具有较高的精度和实用性。     

基于MODIS遥感数据的水体提取方法及模型研究

利用遥感数据提取水体,是水资源和洪涝灾害监测的重要手段及其理论基础。本文根据MODIS遥感数据的特点以及水体的波谱特性,分析了水体在MODIS不同通道遥感影像上的反映特征,确定了MODIS遥感数据中对水体敏感的若干通道,以此作为理论基础,提出了利用MODIS遥感数据进行水体提取的方法以及相应的实现模型。     

一种投票阈值法遥感图像变化检测算法研究

遥感图像变化检测技术被广泛地应用于资源调查、市政建设等不同领域。传统的基于像素的变化检测方法效率高但是检测精度却受影像质量的影响较大。本文针对地物光谱特性曲线的特点,针对不同波段检测结果对最终结果的贡献提出了一种投票阈值的变化检测方法。实验表明,该方法相比各波段检测结果直接叠加的方法,在精度上有一定提高。     

基于卷积神经网络的遥感图像水体提取

为解决基于遥感图像监测地表水资源变化的问题,在深度学习的框架下,基于卷积神经网络(CNN)提出了用于遥感图像水体提取的模型.利用网络爬虫的方式,搜集遥感图像,并通过随机裁剪、数据清洗等方式构建训练、验证和测试数据集.通过对低层语义特征学习提取抽象的高层特征,基于提取的高层特征进行网络模型训练.实验结果表明:水体提取的精...     

基于GF-2遥感影像的一种快速水体信息提取方法

在高分辨率遥感影像中,水体与阴影(尤其是高大建筑物阴影)、暗色地物不易区 分。针对 GF-2 遥感影像的光谱特性的大量实验研究,提出了一种新综合水体指数法(NCWI)来 增强水体区域信息;同时利用改进的 OSTU 结合鸡群算法(CSO)快速自适应地确定最佳分割阈 值,进而得到最终的水体区域。将其同归一化 NDWI、改进谱间关系法、主成分分析综合法等 常见水体信息提取方法应用于 GF-2 遥感影像水体信息提取,利用采用实地采样和人工解译的 混淆矩阵对提取的水体区域结果进行精度验证和对比分析,从而验证了其有效性和高效性。4 个实验区域的结果证明,该算法可以快速有效地提取水体信息,精确度分别达到 97.82%, 97.44%,92.13%,96.94%。     

基于可信度的投票法

可信度投票法不仅使用了基分类器输出的类别,还使用了输出的可信度．推导了该方法训练错误率的界以及期望错误率的界．发现为了最小化期望错误率的界,应该使用错误独立的基分类器,如果基分类器的错误率不是很高,这个界以指数级速度随着基分类器错误率的降低而降低,而且这个界随着投票次数的增加也会下降．在最小化训练错误率的界的意义下,得到了一种权值分配方法．把这个方法应用于一种Bagging算法：AB,得到了综合分类算法CAB．使用UCI机器学习数据集中的数据,通过实验验证了CAB的有效性．     

High-resolution Remote Sensing Image Road Extraction Method for Improving U-Net

Accurate and efficient extraction of road information based on remote sensing image is a great significance for the establishment and maintenance of basic geographic databases. Due to the complex background information of high-resolution remote sensing images, existing algorithms cannot extract road information very well. U-Net network has good experimental results in image segmentation, but the accuracy of road segmentation results is not good. For this reason, this paper proposes a high-resolution image road extraction method based on improved U-Net network. Firstly, the U-Net-based network structure is designed and implemented. The network uses VGG16 as the network coding structure, which can extract feature semantic information better. Secondly, the use of Batch Normalization and Dropout solves the phenomenon of over-fitting that occurs during the network training process. Finally, the training data is expanded by rotation and mirror transformation, and the ELU activation function is used to improve the network training speed. The experimental results show that the method can extract road information more accurately and efficiently.     

一种改进U-Net的高分辨率遥感影像道路提取方法

从遥感影像中准确高效地提取道路信息,对基础地理数据库的建立与维护具有重大意义。高分辨率遥感影像背景信息复杂,导致现有算法无法较好地从中提取道路信息。U-Net网络在图像分割方面有较好的实验效果,但道路分割结果准确性不佳,因此,提出了一种改进U-Net网络的高分辨率影像道路提取方法。首先,设计基于U-Net的网络结构,将VGG16作为网络编码结构,可更好地提取特征语义信息;其次,利用Batch Normalization与Dropout解决网络训练过程中出现的过拟合;最后,对训练数据利用旋转与镜像变换进行扩充,采用ELU激活函数,提升了网络训练速度。实验结果表明：该方法可以较为准确高效地提取道路信息。     

基于模糊连接度的卫星图像道路提取新方法

论文提出一种将相对模糊连接度和道路特征相结合进行卫星图像主干道路半自动提取的新方法。首先将原始图像划分为多个目标,对每一类目标分别人工选取种子点,然后计算出图像中各像素点与每一类种子点之间的模糊连接度,将其归属于模糊连接度值最大的一类,从而分离出道路目标。接着结合道路局部特征运用模糊连接度连接断裂路段,最后根据道路走向进一步完善整个道路轮廓。SPOT图像道路提取实验表明,新方法可以取得很好的效果。     

基于谱抠图的遥感图像滑坡半自动提取

为统计遥感图像中滑坡区域的有效数据,提出基于谱抠图的遥感图像滑坡半自动提取方法。建立抠图拉普拉斯矩阵,计算特征向量,自动确定聚类数,利用爬山算法对图像聚类,根据特征向量和用户交互数据得到抠图成分,去除平滑项,得到前景透明度。实验结果证明该方法能够有效提取滑坡信息,准确率高,稳定性强。     

基于SPUD-ResNet的遥感影像道路提取网络

针对遥感影像中道路目标细节丰富且呈带状分布的特点,造成狭长的道路结构提取困难的问题,设计并实现了一种基于SPUD-ResNet的道路提取方法。该方法利用空洞卷积构建残差网络编码器,并通过跳跃连接与对应解码器相连,有效加速网络的收敛并保留道路的细节信息;为了更有效地捕获狭长道路结构的长距离依赖关系,分别构建条形池化模块和混合池化模块,增强网络对条形道路结构特征的获取能力;利用道路结构的几何信息和结构相似性指数设计混合损失函数,精细化道路边界,去除道路提取结果中的模糊预测。在Massachusetts Roads数据集上的实验结果表明,所提方法在召回率、精确度和F1-score指标分别达到了83.4%、84.5%和83.9%,提升了道路提取的效果。     

基于像素级遥感图像融合方法综述

介绍了典型的基于像素级遥感图像融合算法,论述了各种算法的优缺点,给出了图像融合质量的评价方法,提出了图像融合的研究方向。     

波谱匹配支持的遥感专题地物自适应提取

为贴合地物表现的多样性和复杂性,提出一种波谱匹配支持下的遥感影像专题地物自适应提取方法,经过专题地物端元选取、波谱匹配、影像自动分割、"整体-局部"的空间转换,以及局部针对性、精细化地迭代逼近等一系列相互衔接的算法,全面、准确地提取遥感影像上的专题地物。通过在ETM+影像上水体和裸地的提取实验,并与最大似然法和SVM分类结果比较,证明了该方法对多样性专题地物提取的有效性和普适性。     

一种基于局域统计特征的影像融合方法

通过将较低空间分辨率的多光谱影像和较高空间分辨率的全色波段影像融合产生兼具多光谱和高空间分辨率特征影像是提高资源环境监测精度的重要途径之一。本文提出了一种计算简单、光谱保真性好的影像融合算法。该方法根据影像局域统计特征,建立融合方程,以表征全色影像空间结构和多光谱影像光谱信息的统计量为约束,求解融合系数,实现影像融合。试验结果表明该方法光谱保真性好、适应性强,具有一定的应用潜力。