基于CART决策树提取高分辨率遥感影像建筑物信息

传统的仅依赖于光谱信息的遥感影像信息提取方法难以满足精度要求, 基于CART算法构建规则集, 利用决策树技术对玉树地区高分辨率影像进行建筑物信息提取, 除了光谱信息外还结合建筑物的纹理特征信息。 结果表明, 提取精度较传统的最大似然法有了较明显的提高, 说明此方法对于高分辨率影像建筑物提取具有一定的可行性。     

基于最优分割的高分辨率遥感影像震害建筑物识别技术

为了提高建筑物震害信息提取的效率与准确度,针对震后高分辨率遥感影像,根据震害建筑物在遥感影像上的特征,以2010年海地M_S7.0地震为例,通过尺度参数估计算法自动选择最优分割尺度对影像进行多尺度分割,并采用面向对象方法对海地高分辨率遥感影像进行建筑物震害信息提取,同时与基于像元的支持向量机、反向传播神经网络、基于分类回归算法的决策树分类方法进行比较。试验结果表明,面向对象的分类方法具有更好的目视效果和更高的分类精度,有利于地震后震害信息的准确提取和快速评估。      

遥感分类方法在建筑物震害提取中的应用（以玉树地震为例）

建筑物损毁情况是地震灾害评估的一项重要指标,利用遥感技术快速提取震后建筑物震害信息,对科学指导地震应急救援工作具有重要意义.利用2010年4月14日青海玉树7.1级地震前后玉树县结古镇团结村高分辨率遥感影像,结合像素光谱和空间特性的纹理、结构等多源信息,基于支持向量机（SVM）方法,对地震前后建筑物信息进行分类提取,变化检测出建筑物损毁情况,并与面向对象多源信息复合的模糊分类法的分类精度、提取效率进行对比分析.研究结果表明,多源数据复合的SVM影像分类方法能够有效解决模糊分类影像破碎问题,地震前后两实相影像分类总精度达到77.53％和73.56％,提高了建筑物震害信息提取精度.     

基于无人机影像的面向对象建筑物结构分级提取方法研究

为提高遥感影像建筑物结构识别精度,综合利用光谱、形状、空间、纹理和数字表面模型(DSM)建立了建筑物结构分级提取方法。基于研究区无人机高分辨率影像,采用面向对象的影像分析策略,首先进行多尺度分割,以最佳分割与合并指数提取影像中建筑物目标;然后分别采用规则、训练样本与DSM方法对建筑物结构进行分类;最后将3种分类方法进行融合,对比分析了单一方法和融合分类方法的建筑物结构分类精度。结果表明:基于规则+样本+DSM的半监督建筑物结构分类方法错分率、漏检率与Kappa系数最优。     

面向对象遥感分类方法在汶川地震震害提取中的应用

震后城市建筑物震害的自动识别与分类, 是遥感震害调查中的关键步骤, 其精度直接影响损失评估的结果. 而随着高分辨率遥感影像的发展, 传统基于像元的分类技术已不能满足需求, 引入面向对象的信息提取技术, 充分挖掘影像对象的纹理、形状和相互关系等信息, 能够有效的提高震害的分类精度. 该文阐述了面向对象的遥感震害提取思路和方法, 并应用汶川地震震后高分辨率航空遥感数据, 针对建筑物震害进行面向对象的快速提取与自动分类. 结果表明, 与基于像元分类比较, 面向对象的建筑物震害分类能够显著改善分类效果.     

基于最优特征空间的震后损毁建筑物信息提取研究

基于传统面向对象方法, 提出了一种基于最优特征空间的损毁建筑物信息提取方法。 采用ESP(Estimate of Scale Parameter)工具对图像进行最优尺度分割, 之后通过选取样本, 计算各类地物距离矩阵和最小分离距离寻求最优特征空间, 最后运用最优特征空间对震后损毁建筑物影像进行提取实验, 在QuickBird影像中提取总体精度达到了83.1％, Kappa系数达到了0.813, 在无人机影像中提取总体精度为92.9％, Kappa系数达到了0.940。 本文建立的提取方法与传统分类决策树方法相比, 其提取精度和效率都有较大提高, 在损毁建筑物信息提取方面具有较好的推广价值。     

高分二号影像数据地物信息提取分割尺度研究

面向对象技术是提取高分辨率影像中地物信息的主流方法,而多尺度分割是面向对象技术的基础与关键,分割尺度的选择将直接影响最终信息提取的精度与质量。借助于eCognition平台,选用高分二号影像数据作为研究对象,采用多尺度分割的面向对象分类方法,充分利用遥感影像几何、纹理、光谱等信息,确定不同地物类别的最优化分割尺度,建立最佳分类规则,较好的提取了目标地物,更在一定程度上提高了分类精度,为震后灾害评估、震中道路快速提取提供技术支持。     

基于Landsat-8与ZY3多源遥感影像的城镇居民地识别与再分类研究

精细的居民地数据对地震灾害风险分析具有重要意义。 为得到具有较高时效性与精细度的居民地数据, 充分发挥其对人口、 建筑物空间展布的指示作用, 本文综合利用多源遥感影像的优势, 基于分层分类思想开展城镇居民地识别与再分类研究。 以甘肃天水秦州区的主城区为例, 采用具有较高时效性的Landsat-8 OLI影像, 建立决策树分类模型识别出居民地轮廓; 在居民地轮廓内部, 进一步采用资源三号卫星(ZY3)高分影像, 利用面向对象方法进行居民地内部的建筑群再分类, 最后得到了具有不同精细程度的居民地数据。 实验结果中Landsat-8土地覆盖分类总体精度为92%(其中居民地识别率达86%), 城镇居民地再分类的总体精度为81%, 说明了本文研究方案的可行性。     

结合纹理和形态学特征的高分遥感影像建筑物震害信息提取

为提高震害信息获取时效性,对基于我国国产高分遥感影像的建筑物震害信息提取方法进行深入研究,本文以2017年5月11日新疆塔县M_S5.5地震为例,利用该地震前后极灾区高分遥感影像,利用结合纹理和形态学特征的方法进行了建筑物震害信息提取,通过变化检测分析获取了极灾区建筑物震害信息,并与基于像元级和基于目标级的信息提取结果进行对比,采用震后无人机影像目视解译结果对本文结果进行了精度验证。结果表明:通过缩减研究区范围可大力提高数据提取精度和速度;运用灰度共生矩阵、二值化、数学形态学等方法对影像进行迭代运算,能较好地提取高分遥感影像中的建筑物信息;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%,比基于像元级和基于目标级信息提取结果的精度分别提高了5.78%和5.23%,可为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。      

一种基于生物群集智能优化的遥感分类方法

提出了一种基于生物群集智能(swarm intelligence-based)的遥感影像分类新方法. 智能式分类是遥感研究的热点和趋势. 设计出一种新的实数制编码的粒子群遥感影像分类器(PSO-Miner), 在分类规则提取时, 粒子能自动寻找各个波段的最优分割点. 并且该方法所提取的分类规则毋需通过数学公式来表达, 能更方便和准确地描述自然界中的复杂关系, 比数学公式更容易让人理解. 将该方法应用于番禺地区的遥感影像, 取得了较好的分类结果. 并与See5.0决策树方法进行了对比研究, 实验结果表明, 基于群集智能方法的分类精度比决策树方法的精度更高.     

地震后机载LiDAR点云的地物区分方法研究

利用机载激光雷达扫描（Light Detection and Ranging,LiDAR）技术所得点云进行震后倒塌建筑物提取时,树木与倒塌建筑物的点云特征十分相似,较难区分。为了快速准确获取震后房屋建筑物的受损情况,本文提出使用回波次数比特征指标,结合前人所提出的点云回波强度、归一化强度、最邻近点高差、法向量夹角、X向坡角和Y向坡角等特征的均值和标准差,利用K-最近邻分类法实现单体地物区分的方法。对2010年海地7.0地震震后机载LiDAR数据进行了地面点去除,分别选取了未倒塌建筑物、倒塌建筑物和树木各50个训练样本和各20个测试样本,计算了各因子的分布及其均值和标准差,在分析的基础上最终选取了可分性较强的8个分类特征,利用K-最近邻分类法对测试样本进行了分类,结果显示分类正确率可达85%以上。研究表明选取多个有效的LiDAR点云分类特征可以较好地区分震后未倒塌建筑物、倒塌建筑物和树木,提高震后建筑物震害程度判定的准确性,为应急救援及时提供较为准确的灾情信息支持。     

全卷积神经网络在建筑物震害遥感提取中的应用研究

为解决建筑物震害信息提取自动化程度不高的问题,本文将全卷积神经网络应用于建筑物震害遥感信息提取。以玉树地震后获取的玉树县城区0.2m分辨率航空影像作为建筑物震害信息提取试验数据源,将试验区地物划分为倒塌建筑物、未倒塌建筑物和背景3类。对427个500×500像素的子影像进行人工分类与标注,选取393个组成训练样本集,34个用于验证。利用训练样本集对全卷积神经网络进行训练,采用训练后的网络对验证样本进行建筑物震害信息提取及精度评价。研究结果表明:建筑物震害遥感信息提取总体分类精度为82.3%,全卷积神经网络方法能提高信息提取自动化程度,具有较好的建筑物震害信息提取能力。     

地震应急信息自动分类方法研究

地震应急信息的高效处理为地震应急救援工作提供了重要支撑。本文根据地震应急信息分类的需求,构建了一种高效便捷的地震信息分类处理方法。以震前、震时、震后为时间主线,将地震应急信息分为震前基础背景信息、地震震情灾情信息及震后应急救援信息,并采用“关键词分类”的方法,在计算机语言的支持下,将多渠道汇集的应急信息进行自动分类,在一定程度上缩短了应急信息加工处理与服务的时间,能快速高效地为应急指挥提供信息服务。     

基于全极化Radarsat-2影像的建筑物震害评估

利用震后灾区全极化SAR影像可快速提取建筑物震害信息,为应急救援的快速有效实施提供重要的灾情信息支持。本文建立基于极化散射矩阵的Pauli-Wishart监督极化分类的建筑物震害信息提取和以街区为尺度的震害程度评估方法,包括Pauli分解、Wishart监督分类和遥感震害指数提取,并利用玉树县城区2010年4月14日青海玉树7.1级地震震后全极化Radarsat-2影像,提取了建筑物震害信息。经统计,确定结果总体分类精度达到0.81,Kappa值为0.61,表明本文提取建筑物震害的方法是可行的。     

基于相关变化检测与面向对象分类技术的 多源遥感图像震害信息提取

遥感图像面向对象分类作为空间信息提取的关键技术, 在震害信息提取方面发挥着非常重要的作用, 然而由于光学遥感影像是正射图像, 只能提取建筑物屋顶信息, 这使得单一利用震后光学影像进行震害信息提取存在一定的局限性. 针对该问题, 本文提出了一种基于合成孔径雷达(SAR)相关变化检测的光学影像震害建筑物面向对象提取方法, 即在光学影像面向对象提取的数据中融合SAR相关性, 对光学影像进行面向对象提取震害建筑物时不仅考虑建筑物的几何、 光谱等特征, 还加入震前震后变化信息即SAR相关性进行分类. 在此基础上, 选取2008年汶川M_S8.0地震震区都江堰地区作为研究区进行试验. 结果表明, 本文提出的方法相对于单一使用光学影像进行震害建筑物提取, 其准确度有较明显的提高.      

基于无人机倾斜影像的三维建筑物震害精细信息提取

无人机倾斜摄影技术建模生成的三维影像较好地展现了建筑物侧面和顶面的震害细节信息,然而影像的高维度特性难以直接基于三维影像提取震害信息,经过降低维度转换的二维纹理影像往往会导致建筑物震害信息的不完整性和破碎性。针对这些问题,本文以2017年九寨沟M_S7.0地震为例,提出了一种直接从九寨沟震后三维影像获取侧面纹理信息的方法,即将三维模型打散,实现纹理与不规则三角网分离,从而获取完整的纹理影像,然后利用金字塔模型的瓦片坐标范围、瓦片命名规则和建筑物单体的空间位置选取最优纹理影像,再使用加权均值方差法确定纹理影像中建筑物的外墙最佳分割尺度后,采用面向对象方法提取建筑物外墙和墙皮脱落信息,最后通过对这些建筑物震害特征的分析,判定单体建筑物的破坏等级。结果显示,该方法成功获取了建筑物完整的侧面震害纹理影像,并基于纹理影像提取了外墙、裂缝和墙皮脱落区域信息判定建筑物单体为中等、严重两个破坏等级。      

基于遥感影像的农村建筑物分类

利用面向对象的遥感影像信息提取方法对建筑物进行分类研究,选取张家口不同地区5个中等规模农村建筑为研究对象,根据建筑物特征信息从遥感影像上进行提取,根据信息提取调整后的结果进行建筑物分类,并与调研结果进行对比,结果表明:建筑物分类准确率达到80%以上,满足对张家口地区农村建筑物分类的需求,可以用来辅助完成对建筑物结构类型的实地调研,能够有效提高调研效率,服务于建筑物抗震设防调研。     

结直肠癌患者肝脏CT图像分类中决策树模型的应用

目的：探讨数据挖掘中决策树模型在结直肠癌患者肝脏CT图像分类中的应用。方法：分别选取结直肠癌患者肝转移、单纯性肝囊肿以及正常肝脏的CT增强图像各20例。对该60例肝脏CT增强图像分别进行灰度直方图、灰度共生矩阵以及图像变换的纹理特征提取,然后采用朴素贝叶斯分类器和决策树归纳分类器对图像进行分类。最终分类结果与临床事实分类对照,利用十折交叉验证法验证两种分类模型的有效性。结果：基于数据挖掘的决策树模型对结直肠癌患者肝脏CT图像进行分类准确性较高。决策树归纳的分类准确性远高于朴素贝叶斯分类器（准确性96．7％vs76．7％,Kappa值0．95vs0．65,P〈0．05）。结论：基于数据挖掘的决策树模型可以对结直肠癌患者肝脏CT图像进行分类,不仅能够判断肝脏有无相关病灶,而且仅依据图像的基本特性,可以自动识别肝脏乏血供转移瘤与单纯性肝囊肿,为未来计算机辅助诊疗疾病提供有效的参考信息及途径。