基于多重多尺度融合注意力网络的建筑物提取

针对全卷积神经网络模型在进行建筑物提取时易产生过度分割以及内部空洞的问题,提出基于多重多尺度融合注意力网络（MMFA-Net）的高分辨率遥感影像建筑物提取方法. 该方法以U-Net为主体架构,设计2个模块：多重高效通道注意力（MECA）和多尺度特征融合注意力（MFA）. MECA设计在模型跳跃连接中,通过权重配比强化有效特征信息,避免注意力向无效特征的过渡分配;采用多重特征提取,减少有效特征的损失. MFA被嵌入模型底部,结合并行连续中小尺度空洞卷积与通道注意力,获得不同的空间特征与光谱维度特征,缓解空洞卷积造成的大型建筑物像素缺失问题. MMFA-Net通过融合MECA和MFA,提高了建筑物提取结果的完整度和精确率. 将模型在WHU、Massachusetts和自绘建筑物数据集上进行验证,在定量评价方面优于其他5种对比方法,F₁分数和IoU分别达到93.33%、87.50%;85.38%、74.49%和88.46%、79.31%.     

基于样本形态变换的高分遥感影像建筑物提取

针对高分辨率遥感影像中建筑物屋顶光谱信息多变引起建筑物提取精度降低的问题,提出基于样本形态变换的建筑物提取方法. 利用偏移阴影分析法自动提取初始建筑物样本,根据建筑物屋顶形态特征,合理利用样本旋转、偏移、缩放变换方法,构建自适应样本精细提取变换组合,以更完整、全面地提取建筑物样本;结合支持向量机（SVM）分类器进行影像分类,得到建筑物初始提取结果;提出基于形态特征的格网占比法对初始提取结果进行确认,剔除不规则非建筑物,实现对建筑物的准确提取. 对高分辨率遥感影像进行对比实验分析,以验证方法的有效性. 结果表明,与面向对象分类、反向传播（BP）神经网络、基于偏移阴影分析3种参照方法对比,所提方法的建筑物提取精度均优于参照算法.     

面向对象轮廓约束GGVF Snake的建筑物边界优化方法

分析高分辨率遥感影像中建筑物的特征和常用方法提取建筑物存在边界漏检误检导致的边界不规则等问题,提出面向对象轮廓约束广义梯度矢量流（GGVF）Snake模型的建筑物边界优化方法. 在利用分类法获取建筑物轮廓的初始结果基础上,自动提取每个建筑物轮廓线作为GGVF Snake的初始轮廓线,获取各轮廓外接矩形进行对象裁剪,提取每个建筑物的子图对象. 对每个子图对象进行Canny边缘检测,结合Hough变换提取直线特征,输入到广义梯度矢量流模型的迭代求解中快速最小化能量函数,实现对象级建筑物轮廓的精确优化. 实验结果表明,利用提出的方法能够自动获取初始建筑物的轮廓信息,提高优化的自动化程度;基于对象级的边缘检测与直线特征的加入,有助于GGVF Snake快速拟合,准确地平滑建筑物边缘且准确度高. 相对于其他对比方法,本文方法的轮廓优化总体精度和综合值均有提升,可以作为有效提升分类原理获取的建筑物轮廓的优化后处理手段,提高了建筑物提取的精度.     

基于神经网络的信息融合在直线状特征提取中的应用

在分析信息融合的基本原理与自组织特征映射模型的基础上，提出了将基于自组织特征映射模型网络的信息融合应用于遥感影像中直线状特征的提取方法。以实际的遥感影像作为处理对象，实验结果表明，该方法的应用灵活有效，可以得到令人满意的提取结果。     

一种基于特征提取的遥感影像融合法

介绍了目前遥感影像融合的几种常用方法,提出了一种基于影像特征信息提取的遥感影像融合算法.该算法先用小波提取影像边缘信息,然后将边缘信息加入到彩色影像中,试验结果证明,这种融合方法突出了影像边缘轮廓,利于图像的判读.     

MBI多特征结合GIS缓冲区的高分影像建筑物变化信息检测

为准确地从高分辨率遥感影像中提取建筑物及其变化信息,基于对建筑物先进行提取再变化检测的思想,在采用改进的分水岭算法进行影像分割基础上,结合形态学建筑物指数(MBI)的多特征支持向量机建筑物提取方法,将GIS缓冲区引入建筑物变化检测.针对配准误差、提取误差和建筑物位移现象引起的误差,构建引入缓冲区的建筑物变化检测流程.以0.2m分辨率航空遥感影像为例,对建筑物变化进行了检测试验,结果表明本文的建筑物变化检测流程能够有效提高建筑物变化检测的准确性.     

一种基于特征提取的遥感影像融合法

介绍了目前遥感影像融合的几种常用方法,提出了一种基于影像特征信息提取的遥感影像融合算法.该算法先用小波提取影像边缘信息,然后将边缘信息加入到彩色影像中,试验结果证明,这种融合方法突出了影像边缘轮廓,利于图像的判读.     

基于细化分割的遥感影像水体边缘轮廓提取

为实现遥感影像的水资源特征识别,需要对遥感影像中的地表水体边缘信息进行有效检测识别,提出了一种基于细化分割的遥感影像水体边缘轮廓提取识别方法。采用卫星遥感技术进行高分辨率遥感水陆场景图像成像,通过灰度像素增强技术进行遥感影像空间分辨率增强处理,在不同场景纹理中进行遥感影像空间像素特征重构,以中心像素的灰度值为阈值建立遥感影像陆地地物的空间结构特征辨识模型,采用细化分割方法进行遥感影像的水体边界点分割处理,采用形态学滤波方法进行遥感影像水体边缘轮廓检测过程中的细化分割和滤波,对水陆粗分离结果进行形态学闭运算处理,根据细化分割结果进行水体边界平滑处理,实现对遥感影像水体边缘轮廓的提取。仿真结果表明:采用该方法进行遥感影像水体边缘轮廓提取的精度较高,水体边界平滑性较好,轮廓特征的辨识度较高。     

基于面向对象的建筑物信息提取方法研究

为了更好地进行城市建设和规划,对建筑物进行有效识别非常重要。针对目前遥感技术对建筑物难以实现高精度提取的问题,本文提出一种基于引入红色边缘波段规则的面向对象和基于样本的面向对象相结合的方法,提取城市建筑物信息。该方法利用worldview 2影像的全色和多光谱的融合数据,进行尺度分割,根据建筑物的光谱特征、形状特征、数字表面模型(digital surface model,DSM)和worldview2的红色边缘波段(RedEdge)的纹理特征建立双层规则知识库,进行建筑物信息提取;同时,利用基于样本的面向对象方法对worldview 2数据影像进行建筑物信息提取。最后,对2种方法获取的建筑物信息结果进行融合,实现建筑物的高精度提取。以广州市天河区试验区为例,研究结果表明:基于样本的面向对象法、基于规则的面向对象法、基于引入红色边缘波段规则的面向对象法以及本文方法的分类精度分别为81.27%,83.75%,87.06%,91.43%。基于引入红色边缘波段规则的面向对象与基于样本的面向对象分类相结合的方法比其他3种方法提取的精度都高,为高分辨率遥感影像建筑物信息的识别提供了有效的手段。     

基于自编码网络特征优化的城市高分遥感影像分类

高分遥感影像不仅地物比较清晰,而且可分辨能力强,能提供丰富的地物细节信息.为了更好地将各地物从遥感影像中提取出来,需要一些比较好的特征提取与特征优化方法.以北京市大兴区的WorldView-2高分遥感影像作为研究对象,基于eCognition软件和Matlab的DeepLearn Toolbox,利用自编码网络方法,进行遥感影像的特征提取与特征优化.实验中首先利用eCognition进行多尺度分割并提取42个特征,再利用自编码网络算法进行特征优化得到12个特征,最后将原42个特征影像分类结果与优化后特征子集影像分类结果进行对比.实验结果表明,经过自编码网络的特征空间优化后,减少了特征冗余,降低了干扰信息对分类精度的影响,分类精度、分类效果及分类效率都有所提高,优化后的特征空间是适用于高分遥感的地物分类的.     

基于资源一号02C卫星影像的稀土矿区地物提取研究

为解决稀土矿开采区野外调查用时长、成本高等问题,文中利用遥感影像来提取地物信息.全文基于资源一号02C卫星影像,以赣州市寻乌县文峰乡一稀土矿区为研究区,对影像数据进行了预处理,采用最佳的Pan Sharpening融合结果进行多尺度分割,结合目标地物的光谱特征、空间特征、纹理特征等,设置分类规则进行面向对象的信息提取研究,分类结果总体精度为78.71%,达到较好的分类质量.研究结果证明:利用遥感影像提取地物信息具有用时短、成本低、信息量大的优势.     

基于阈值分割和形态学的高分辨率遥感影像道路提取

高分辨率遥感影像道路提取已经成为相关领域的研究热点和难点,利用阈值分割法将原始影像二值化,然后利用数学形态学中腐蚀、膨胀、开运算和闭运算对阈值化的影像进行处理,分析了不同方法对道路提取的影响.最后,针对光谱特征相近的建筑物和道路,提出利用形状特征进行进一步实现道路提取.文中利用VC开发了道路提取的原型系统,并对实验结果进行了分析,证实了文中道路识别方法的有效性.     

基于遥感数据提取建筑物的主动轮廓改进模型

针对传统的主动轮廓模型在提取建筑轮廓时不能区分与其具有相似反射率的地物和需要建筑物附近的初始轮廓等问题,从两方面对其进行了改进:1)将原始的单一数据改为利用高分辨率遥感影像与激光雷达(LiDAR)数据融合后的数据进行建筑物的提取;2)在原始模型的能量公式中加入比例系数,控制各波段在能量泛函中的比重.采用Matlab编程实现了所提出的算法,并对徐州市两个地区的快鸟(Quickbird)影像进行了分析.结果表明:改进后的模型可以很好的完成建筑物轮廓的自动提取,并且具有对噪声不敏感、不需要建筑物附近的初始轮廓和隐式改变拓扑结构的优点,达到了较好的效果,证明了改进主动轮廓模型的可行性.所提出的算法为建筑物的轮廓提取提供了有效手段.     

利用主动轮廓和MRF探测震后损坏建筑物

针对仅利用遥感影像不能有效探测震后损坏建筑物及其数目的问题,提出一种利用改进主动轮廓算法和马尔可夫随机场模型(CVMRF)探测震后损坏建筑物方法.利用震前GIS数据在震后遥感影像上确定震前建筑物区域,并使用主动轮廓模型提取其同质区;计算所提取的同质区与震前建筑物形状的相似度,并利用双阈值法获取初步的震后损坏建筑物探测结果;然后基于引入距离权重的马尔可夫随机场建立建筑物之间的空间关系模型,依此对那些难确定是否损坏的建筑物作进一步处理.实验结果表明:所提出的方法能有效地提高利用遥感影像探测损坏建筑物的精度与可靠性,为震后损坏建筑物探测及紧急救援提供有效技术手段.     

基于卷积神经网络的无人机遥感影像农村建筑物目标检测

将深度学习应用于遥感影像目标识别,提出基于卷积神经网络的无人机遥感影像农村建筑物的目标检测方法,用端到端的方式训练Faster R-CNN网络模型,并应用于农村建筑物的快速精确识别.该方法包括基于RPN网络的区域建议和基于Inception v2的卷积神经网络模型训练.为了训练和测试模型,通过无人机采集南疆地区的农村建筑物遥感影像,并人工标注建立了农村建筑物的数据集,在TensorFlow深度学习框架上通过对该数据集目标检测验证了模型.结果表明,基于改进的卷积神经网络目标检测方法对无人机遥感影像进行快速准确识别的总体精度超过90%,通过初始参数更新,模型收敛更快,对无人机遥感影像地物分类和目标识别具有一定的参考意义.     

基于增强图注意力网络的高光谱影像分类方法

高光谱遥感影像中隐含了不同地物的光谱特征,高光谱地物分类成为了遥感领域的一个研究热点。高光谱数据存在维度灾难以及训练样本标签过少等问题,进而影响了其分类精度。针对此问题,文章提出一种空-谱特征融合的增强图注意力网络高光谱影像分类方法,即从高光谱数据中获得初始的空-谱特征作为图的节点属性,并以节点的相邻关系构建图结构;将空-谱特征初步融合的高光谱图数据作为输入,并通过增强图注意力来提取节点的空-谱特征;以深度融合的空-谱特征来实现精准的高光谱地物分类。经在龙口和汉川数据集上的实验测试结果表明：这一方法能够有效提取深度融合的空-谱特征,总体分类精度分别达到99.62%和95.45%,实现了高光谱地物的精准分类。     

高分辨率遥感影像道路频谱特征分析

以赣州市IKONOS一景高分辨率遥感影像为实验对象,基于IDL平台,对不同道路提取条件下——行道树遮盖、阴影和建筑物遮盖的遥感影像的频谱能量分布特征进行分析,主要是能量谱的数学统计分析.发掘了其与道路在空域的视觉表征之间的联系,即频谱图中能量分布集中的方向与空间域中道路方向垂直,且不受其他地物遮盖的影响.从而为进一步设计滤波器强化线性谐波,进而快速准确提取有阴影、建筑物遮盖等空域无法准确识别的道路奠定基础.     

Bayesian方法在建筑物检测中的应用研究

笔者以Bayesian网络作为工具,研究建筑图像中建筑物的识别问题.首先使用边界检测提取直线特征,生成二维假设.面对平行四边形空间中众多的假设,构建并使用Bayesian网络对已有假设进行选取,最终得到有用的建筑物信息.     

一种高分辨率影像道路中心线提取算法

针对传统道路提取算法欠缺几何特征的考虑以及中心线提取不光滑的问题,提出一种基于形状特征和多元自适应样条回归(MARS)的遥感影像道路中心线提取算法.算法首先改进了传统的长宽比指数,然后利用该指数对遥感影像分割结果进行滤波,提取线性特征;在此基础上,结合光谱特征从线性特征中提取纯净道路段,最后利用多元自适应样条回归算法提取道路中心线.采用Matlab语言编程实现道路提取算法,并采用3幅高分辨率遥感影像对算法进行了验证.试验结果表明:改进后的长宽比指数可以有效地提取线性特征;同时,相比于传统的道路中心线提取算法,利用多元自适应样条回归算法提取的中心线更加光滑.     

基于ORB算法和改进KNN-RANSAC算法的无人机遥感影像拼接

根据无人机遥感影像自身的特点,提出了一种基于ORB算法和改进KNN-RANSAC算法的无人机遥感影像拼接。该算法首先通过ORB算法对特征点进行提取,然后利用改进的KNN-RANSAC算法进行特征匹配,最后使用加权融合算法对图像进行融合拼接。实验结果表明,ORB算法和改进的KNN-RANSAC算法在保证匹配精度的前提下,提高了匹配速度,有利于无人机遥感影像的拼接。