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。     

高分辨率遥感影像并行处理数据分配策略研究

在高分辨率遥感影像信息提取过程中,为提高信息提取的精度,采用基于特征基元的尺度分割方法;为提高信息提取的速度,采用并行计算机制实现遥感影像的信息提取.在采用并行计算实现遥感影像特征提取过程中,提出非均匀数据分配策略,并对其进行基于MPI的实现及效率的分析.结果表明,非均匀的遥感数据划分策略在针对特定图像的并行处理时能够得到比常规均匀划分策略更高的效率.     

遥感影像信息提取技术的研究与实现

随着遥感技术的发展和遥感应用的深入,遥感影像信息提取方法的研究成为关注的焦点.一般来说遥感影像信息提取包括分类、识别和特征提取.文中主要研究利用MATLAB实现影像中的光谱特征和纹理特征的提取和分类,并结合ERDAS软件对影像进行预处理和分类后处理以及精度评定,最终从精度评定结果来看,两种特征分类的总体精度较高,另外,图像的结构信息有助于提高遥感影像信息提取的精度.     

高分辨率遥感影像建筑物震害信息提取方法比较研究

利用高分辨率遥感影像进行建筑物震害信息提取是地震灾害损失评估的重要手段,建筑物震害信息的提取技术是准确获取灾害信息的关键。利用青海玉树震后QuickBird影像,采用面向对象和像素的分类方法进行建筑物震害信息提取,通过精度评价和目视比较分析发现,面向对象的分类方法提取建筑物震害信息分类结果与实际震害情况具有较好的一致性,精度更高,能够避免基于像素的分类提取中出现的"椒盐现象"。     

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.     

面向对象的道路信息识别提取分析

道路信息在城市规划和经济建设中具有非常重要的作用和意义,因而从高分辨率遥感影像中提取道路信息成为当今学术研究热点之一.针对道路信息提取中存在的问题,本文采用面向对象的方法对道路信息进行提取.论文在对影像进行多尺度分割的基础上,采用最近邻分类法结合影像的光谱信息、几何特征及纹理特征所构建的道路对象的知识库对影像中的道路信息进行提取.试验结果表明采用面向对象的方法对道路信息进行提取效果良好.     

顾及资三卫星全色与多光谱数据的植被信息提取研究

目前遥感影像数据量正以TB级的存储量不断增加,但是遥感信息提取的方法远远不能满足各行业的实际需求.因此,研究遥感影像的信息提取方法就显得尤为重要.以河北省雄安新区植被信息提取为例,顾及资源三号卫星全色影像的高分辨率,多光谱影像的空间信息、光谱信息和纹理信息,基于样本信息的面向对象分类技术,选择具有代表性的样本信息,在分类过程中引入NDVI信息作为补充规则进行植被信息半自动化提取,使分类结果精度达到了92.7%.实验结果表明,该技术方案操作简易,实用性较好,不仅有利于实时精确获取植被信息,方便未来城市生态环境的动态监测,且有助于推动未来城市土地规划和土地管理的发展.     

基于高分辨率卫星影像的输电走廊植被生长预警

为从卫星影像中提取出输电走廊的信息,提出一种基于高分二号遥感影像的输电走廊信息提取方法.首先基于低分辨率多光谱影像进行加权灰度变换并实现影像二值化,利用影像边缘检测和直线检测方法提取输电线路和杆塔的信息.然后,利用最小距离法对融合后的高分辨率影像进行植被精细识别,并计算植被覆盖指数.最后,在植被分布影像中重构输电线路,并结合植被覆盖指数对植被威胁区域进行预警.仿真结果表明:利用边缘检测对二值化影像进行杆塔提取识别率达到100％,融合后的植被分布影像轮廓清晰,对地物植被覆盖区域识别精度达到了90％以上,结合植被覆盖指数给出的预警区存在植被生长茂密,威胁输电线路运行的情况.该方法实现输电走廊植被生长预警,能够运用于电力行业的输电安全在线监测.     

基于 CBERS-02B 高分辨率遥感影像分割的最优尺度选取

高分辨遥感影像的信息提取对矿山的监测有着重要意义,影像分割是高分辨率遥感影像信息提取关键的一步. 文中以赣州稀土矿山的高分辨率遥感影像为源数据,采用分形网络演化多尺度分割算法对高分辨率遥感影像进行分割,通过 Robert 算子的边缘提取结果计算分割参数获取分割尺度,并在此基础上设置不同分割尺度对影像进行分割,对比分析分割结果表明,沉淀池的最优分割尺度为 35. 最后利用分割质量值对分割结果进行评价分析,验证了试验结果的正确性.     

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.     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

基于CBERS-02B高分辨率遥感影像分割的最优尺度选取

高分辨遥感影像的信息提取对矿山的监测有着重要意义,影像分割是高分辨率遥感影像信息提取关键的一步．文中以赣州稀土矿山的高分辨率遥感影像为源数据,采用分形网络演化多尺度分割算法对高分辨率遥感影像进行分割,通过Robert算子的边缘提取结果计算分割参数获取分割尺度,并在此基础上设置不同分割尺度对影像进行分割,对比分析分割结果表明,沉淀池的最优分割尺度为35．最后利用分割质量值对分割结果进行评价分析,验证了试验结果的正确性．     

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.     

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。     

利用ASTER影像识别和提取矿化蚀变信息

利用USGS波谱数据库中ASTER影像,对西藏中南部某研究区反射率数据进行蚀变遥感异常提取。整景ASTER遥感蚀变信息提取以光谱角识别法为主,辅以主成分分析法和比值法进行异常的筛选;采用1、2、3、4波段组合,1、3、4、5波段组合,1、3、4、6波段组合和1、3、4、8波段组合,可以分别提取Fe3+、Al-OH基团、CO2-3离子团和Mg-OH基团信息。将提取的蚀变信息成果与已知矿点和区域地质资料对比,结果与实际分布吻合性好。     

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ALOS遥感影像的湿地地表覆被信息提取研究

为了验证ALOS遥感影像湿地地表覆被信息提取的可行性,以黑龙江省三江平原典型内陆淡水沼泽湿地为研究对象,通过ALOS遥感影像波段的光谱及纹理特性分析,探讨适合水体、旱地、水田、沼泽、林地、建设用地、草甸等覆被类型的分类特征;基于非监督、监督及面向对象分类方法,遴选能实现最优分类结果的特征组合,为湿地地表覆盖分类数据源及方法的选择提供参考。结果表明:非监督、监督及面向对象分类方法的总体精度分别达到63.86%、96.14%和85.26%;非监督分类方法整体分类效果不够理想;面向对象方法虽然得到了相对较高的分类精度,但是针对建设用地、林地及草甸地类信息提取的精度处于较低水平;监督分类方法能取得较好效果,最适合于湿地地表覆被信息提取。     

基于高光谱数据的城市不透水层提取与分析

针对多光谱卫星遥感数据监测城市生态环境的限制和高光谱遥感数据的优越性,以徐州市城区为例,选择2004和2006年地球观测卫星一1（EO一1）Hyperion高光谱遥感数据,在波段选择、大气校正等预处理的基础上,利用线性光谱混合模型,通过混合像元分解在亚像元尺度上提取两个时相徐州市中心城区的不透水层比例．以高分辨率遥感影像分类结果作为参考,通过与LandsatTM多光谱数据提取结果的比较,表明了高光谱遥感影像提取不透水层的优势．利用两个时相高光谱遥感影像提取的不透水层信息进行变化分析,结果表明：徐州市不透水层比例在持续增加,尤其在城市边缘区更是显著增加,其主要驱动因素是城市扩展和土地利用变化．     

基于RFA-LinkNet模型的高分遥感影像水体提取

针对现阶段卷积神经网络模型在复杂地物背景下水体提取精度低、多尺度特征捕获能力差、模型复杂的问题,基于LinkNet模型提出一种结合RFB模块和通道注意力机制的RFA-LinkNet高分辨率光学遥感影像水体提取模型.首先,将RFB模块用于获取高阶水体语义信息与多尺度特征;其次,利用通道注意力机制,对特征编码和解码的特征进行加权融合,抑制背景特征,增强水体语义.与现有卷积神经网络模型相比,提出方法不仅具有高效的性能和鲁棒性,而且能实现高精度的水体提取.