基于MapReduce的高分辨率遥感影像特征提取方法

遥感影像的数量和数据量正在呈几何级数增长,传统遥感影像处理方法已经无法应对这一海量问题。利用新兴的高性能计算集群的超强计算、存储及吞吐能力处理海量高分辨率遥感影像是一种新的思路。在基于云计算的高分辨率遥感影像处理的研究框架下,介绍一种MapReduce遥感影像特征提取方法,实现海量高分辨率遥感影像的海量底层视觉特征的提取。通过在16个节点的Hadoop集群上进行数据量扩展和处理能力扩展实验,证明了基于MapReduce的高分辨率遥感影像底层视觉特征的高效检测与描述方法的高效率及可扩展性。     

基于MapReduce的高分辨率遥感影像特征提取方法简

 遥感影像的数量和数据量正在呈几何级数增长,传统遥感影像处理方法已经无法应对这一海量问题。利用新兴的高性能计算集群的超强计算、存储及吞吐能力处理海量高分辨率遥感影像是一种新的思路。在基于云计算的高分辨率遥感影像处理的研究框架下,介绍一种MapReduce遥感影像特征提取方法,实现海量高分辨率遥感影像的海量底层视觉特征的提取。通过在16个节点的Hadoop集群上进行数据量扩展和处理能力扩展实验,证明了基于MapReduce的高分辨率遥感影像底层视觉特征的高效检测与描述方法的高效率及可扩展性。     

基于遥感图像矿山生态环境破坏信息边界提取方法研究

多源遥感卫星数据在矿山环境监测中得到了广泛的应用,而高分辨率遥感影像数据结合应用数学形态学方法提取矿山活动信息的方法在提取矿山生态环境破坏范围的应用还很少见。所以,本文试图利用数学形态学的方法,结合Matlab应用程序平台,运用IKONS高分辨率遥感影像数据,采用多种传统图像处理算法与本文算法进行比较,并在野外数据的验证下,证实数学形态学方法应用于提取矿山活动信息的可行性,为矿山环境保护、监控和管理开拓了新的思路。     

一种基于LDA的高分辨率遥感影像检索方法

传统遥感影像检索存在时间和人工成本高、内容信息描述太粗略等问题,更未充分考虑语义信息,难以应对高分辨率遥感影像的海量地物类型及其复杂关系。借鉴信息检索的思想,引入计算机视觉领域的视觉特征和自然语言处理领域的概率主题模型,提出了一种基于LDA(Latent Dirichlet Allocation)的高分辨率遥感影像检索方法。通过一组多主题个数的高分辨率遥感影像检索实验证明,该方法在主题个数较少时,能达到较好的检索效果,较高的查准率,而且在主题个数继续增加时,能使查准率保持在0.9左右。     

水利工程灌浆大数据平台设计与实现

随着云计算、大数据、物联网的发展,水利工程各类采集数据与日俱增,面对如此大规模的数据集,传统存储、计算相关的理论和方法已不能满足海量、多源、异构数据的存取与处理。针对水利工程灌浆大数据,设计平台总体架构,搭建Hadoop分布式集群,设计并行化数据挖掘算法,实现水利工程灌浆大数据平台,并基于B/S服务模式进行平台展现、应用和管理。平台功能模块主要包括数据资源下载、数据集上传与运行、自定义算法、运行状态及结果和大数据可视化等,并结合白鹤滩水利工程建立基于随机森林的灌浆工程单位注入量预测模型和基于K-Means聚类的灌浆成果异常检测模型进行应用示范。平台的设计与实现融合水利工程结构化与非结构化数据,将大数据集群并行计算和数据挖掘技术应用到水利工程中,改变传统随机抽样和单一挖掘分析模型,采用多粒度、多层次、多渠道的分析模型对数据全量进行挖掘分析,从海量数据中挖掘分析出于管理、决策和生产有用的信息,实现了数据资源的集成共享、业务的高效处理、数据信息的知识发现,提高了数据存储和处理效率和精度,为当前水利工程大数据的存储与计算提供一种新的解决思路     

高分辨率遥感影像融合方法应用研究

介绍对高分辨率遥感影像的不同融合方法,同时从遥感影像光谱特征的分析入手找到颜色偏差的原因,然后分别利用传统的和改进的方法进行了融合试验,从而找到对新型高分辨率遥感影像融合的最佳方法。     

圣世信通天地一体化仿真大数据管理平台

<正>由北京圣世信通科技发展有限公司研发的天地一体化仿真大数据管理平台,基于海量数据动态加载,融合了可视化技术,通过底层数据分层分级组织管理技术,实现了海量数据的高效组织管理与渲染可视化,支持海量数据的快速检索和调用。通过遥感数据、正射/倾斜影像数据和矢量数据的一体化融合技术,可实现海量异构时空数据的高效组织、管理及检索调用,支撑图片、文字、视频、遥感及正射/倾斜影像数据、矢量、高程、三维等各类异构数据,并在此基础上实     

面向对象的高分辨率影像水体信息提取研究

以昆山南部的WorldView-2影像为研究数据(全色波段分辨率为0.5 m,多光谱波段分辨率为1.8 m),基于eCognition软件平台,通过选择适宜的尺度,并结合纹理、形状、光谱等特征构建合理有效的规则集,实现面向对象的水体信息提取。利用实测结果对遥感解译结果进行形状一致性和面积一致性检验,精度分别达到89.14%和92.06%,表明利用面向对象技术从高分辨率遥感影像提取水体信息具有一定的可靠性和实用性。     

基于分层特征提取和多尺度特征融合的高分辨率遥感影像水体提取深度学习算法

高精度的水体提取有助于水资源监测和管理。目前基于遥感影像的水体提取方法缺乏对于边界质量的重视,造成边界划分不准确,细节保留度低的问题。为了提升遥感影像水体提取的边界与细节的精度,提出了一种基于多尺度特征融合的高分辨率遥感影像水体提取深度学习算法,包括分层特征提取模块与融合多尺度特征的堆叠连接解码器模块。分层特征提取模块中,引入了通道注意力结构,用于整合高分辨率遥感影像中水体的形状、纹理和色调信息,以便更好地理解水体的形状和边界。在融合多尺度特征的堆叠连接解码器模块中,进行了多层次语义信息的堆叠连接,并加强了特征提取,同时捕捉了广泛的背景信息和细微的细节信息,以实现更好的水体提取效果。在自行标注的数据集与公开数据集上的试验结果表明,模型的准确率达到了98.37%和91.23%,与现有的语义分割模型相比,提取的水体边缘更加完整,同时保留细节的能力更强。提出的模型提升了水体提取的精度和泛化能力,为高分辨率遥感影像水体提取提供了参考。     

基于深度学习的遥感影像小目标检测

针对大量高分辨率遥感影像中的小目标检测问题,文章提出一种基于SSD检测网络改进后的目标检测算法实现遥感影像小目标检测。第一,针对遥感影像中数据量不足的问题,利用迁移学习的策略对特征提取网络进行模型预训练,得到对图像较低层级特征具有较好提取能力的特征提取网络;第二,修改SSD网络架构的特征提取网络层级,使用更多尺度的特征提取层进行检测,同时使用Adam优化算法进行训练,提高对遥感影像小目标的识别精度。实验结果表明,利用迁移学习的策略和修改SSD网络架构的方式,可以将通用深度学习目标检测算法应用于遥感影像中的小目标检测,检测性能有所提高。     

基于遥感技术的柘林水库库容曲线复核

针对库容曲线校核时传统方法费时、费力、成本高等问题,以柘林水库为例,利用基于遥感技术的水体信息提取方法,采用71幅Landsat卫星遥感影像图,提取了库区内的水体面积,结合影像成像时间对应的实测水库水位值,根据统计原理拟合了水库死水位至正常蓄水位范围内的水位—面积曲线,据此推算了其水位—库容曲线。而后从遥感影像所用图幅、水体面积量算、曲线配准、水位值的准确度、影像分辨率大小等方面论证了新库容曲线的精度。分析1979—2016年的实测库水位,与原库容曲线相比,在52~65 m级水位下,新库容曲线库容平均比老曲线相应值大4.16%。经检验表明,获取的新曲线精度满足水库调度运行要求,可为柘林水电厂防洪、发电调度运行提供可靠的基础资料。基于遥感技术的水库库容曲线复核方法节约成本、快速高效、准确可靠,具有较大的推广应用前景。     

融合光谱和几何特征的高分辨率遥感变化检测研究

针对高分辨率遥感影像城市区域地类复杂的特点,提出了一种融合光谱和几何特征的多时相高分辨率遥感变化检测方法。在获取光谱和几何差异影像的基础上,采用模糊分类的方法,进行变化类和非变化类区分,建立各类的隶属度图像。采取基于模糊集理论的融合算法,对各种检测方法获取的隶属度图像进行有效融合,以减小部分区域的模糊度,提高变化类和非变化类的检测精度。采用城区多时相高分辨率影像为实验数据,进行各种变化检测方法的对比与分析,实验结果表明,融合光谱和几何特征的方法所获取的检测结果与光谱、几何差异影像法相比,具有检测精度高、漏检率低的特点。     

1993年汛期黄河下游河势遥感调查

利用ＭＥＲＩＤＩＡＮ遥感图象处理系统，通过ＴＭ图象最佳波段组合、线性拉伸放大、密度分割等处理手段，首次在黄河上进行了卫星遥感河势调查，其优势在于：（１）可以弥补目估河势的不足；（２）能够对河势流路、主流线位置、洪漫滩范围及水边线、生产堤、主要滩区洪水进出口门位置、进水和水围村庄等准确定位；（３）可以详细计算各类滩区面积与分布密度。     

遥感影像水体提取与洪水监测应用综述

卫星遥感观测技术由于观测范围广、周期性重访等独特优势,广泛应用于水利、环境保护、防灾减灾等多个领域.通过对国内外目前在遥感洪涝监测研究成果文献的梳理,对遥感影像水体提取的主要方法与洪水监测应用进行回顾,其中包括遥感影像的分割方法、水体特征描述和洪水监测应用3个部分,描述从水体信息的确定、分类到洪涝应用的3个过程,并对当前遥感影像用于洪水监测中存在的问题进行分析     

利用Hyperion图像估算森林覆盖度

植被覆盖度是评价土地荒漠化最有效的指标,遥感是获取区域尺度植被覆盖度参数的一个重要手段。针对EO-1 Hyperion高光谱遥感图像成像的特点,探讨了高光谱Hyperion图像的预处理和森林覆盖度遥感估算的方法,研究中采用几何光学模型和混合像元模型等方法从高光谱EO-1 Hyperion图像估算植被覆盖度,进一步将2种方法估算的植被覆盖度进行了对比,并利用实测数据对估算结果进行验证。研究结果表明:利用几何光学模型反演的植被覆盖度(决定系数R²=0.76;均方根误差RMSE=0.06)优于混合像元模型法(R²=0.71; RMSE=0.07)。     

An automated georeferencing tool for watershed scale fluvial remote sensing

In recent years, remotely sensed image datasets with ground resolutions below 10 cm have seen widening applications in fluvial sciences with the development of methods for image based measurements of bathymetry, grain sizes and habitat types. However, given that these datasets typically contain hundreds or thousands of images, one of their key limitations is the need to georeference this large volume of imagery. Automated registration of remotely sensed imagery based on pattern matching algorithms has been the focus of much publication in other disciplines and there are now methods capable of automatically registering a newly sensed image to a pre‐existing reference image. Based on such strategies, this paper presents an automated georeferencing tool specifically designed for fluvial remote sensing which uses a simple and well established pattern matching algorithm. This new method allows for very large image databases to be automatically georeferenced without the recourse to ground control points from the field and thus requiring minimal labour. Copyright © 2009 John Wiley & Sons, Ltd.     

水土流失遥感调查中植被覆盖度因子提取研究

植被覆盖度是水土流失的主要影响因子,而利用遥感影像判读可以快速有效地获得大范围的植被覆盖度。简要介绍了水土流失遥感调查中植被覆盖度因子提取的方法。基于遥感与实地野外调查数据,采用MODIS时序数据融合高分遥感数据的方法,以湖南省蓝山县为试验区,对植被覆盖度因子进行了提取。结果表明,该方法提取植被覆盖度因子的结果较理想。提出的植被覆盖度因子提取方法对今后的水土流失动态监测研究具有重要的理论意义和实践意义。