基于面向对象方法的汶川地震土地覆被快速提取

"5.12"汶川8.0级地震后,如何高精度快速提取灾害背景特征参数成为遥感技术在地震应急工作中应用研究的关键.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速度与精度.本文通过获取北川县城及附近震前震后的福卫二号影像,对北川县城震前震后的土地覆被变化进行面向对象方法的快速提取.研究表明,面向对象分类方法精度高,Kappa系数远大于传统的监督分类方法,提取速度快,能满足提取速度8小时以内的要求.     

面向地理国情监测的CRF遥感影像分类

针对地理国情监测中地表覆盖信息的提取,提出了一种基于条件随机场的高分辨率遥感影像自动分类方法.与面向对象的传统分类方法不同,该方法基于概率图模型分别计算像素级和对象级的势函数,以及像素与它所属对象之间的层间势函数,将所得势函数统一到一个CRF模型中进行图割求解.该方法较充分地表达了像素与对象之间的关系,从而降低了对象分割误差传递对影像分类结果的影响.以“高分1号”遥感影像为实验数据,借鉴地理国情普查中地表覆盖分类体系进行实验验证.分类总体精度和平均精度分别达到91.08%和86.95%,远高于基于面向对象的分类结果.     

面向对象的机载LiDAR数据建筑物提取

基于LiDAR数据,提出一种由粗到细的面向对象的建筑物自动提取方法.首先通过机载LiDAR数据构建出归一化数字表面模型(normalized digital surface model, nDSM),利用首尾两次回波高程计算出归一化差值(normalized difference, ND),并采用形态学运算消除边缘特殊回波点.基于nDSM和ND数据,依据建筑物的高程及穿透性信息,用阈值分割法进行建筑物粗提取.结合nDSM和ND数据以及强度信息,对粗提取得到的备选建筑物采取多尺度分割,合并亮度值相差较小的邻近分割结果对象,达到对分割结果的优化处理.最后利用目标对象的亮度、形状、面积和空间关系等特征,完成建筑物的精提取.实验结果表明,该方法可得到较高精度的建筑物信息,是基于机载LiDAR数据提取建筑物的新思路.     

基于无人机高分影像的绿地面积提取

无人机高分影像相比传统遥感影像具有一定的优越性,用途十分广泛。传统遥感影像分类技术不再适用于无人机高分影像,本文采用面向对象的分类方法,经过多次实验对比选择出合适的分割尺度再进行分类,可以从影像中较为准确提取出绿地。     

基于多特征卷积神经网络的哨兵二号影像地物分类

空间分辨率为10 m的哨兵二号影像在原始的GoogLeNet中以影像的光谱值作为输入，没有将影像中的地物视为一个整体对象，为了利用影像的面向对象特征，提出了基于多特征的Object-oriented GoogLeNet网络结构。Object-oriented GoogLeNet在原有模型的基础上，引入了面向对象的光谱特征和形状特征，充分利用了不同地物间差异的形状特征进行分类。在武汉市及其周边的无云影像制作的数据集上，Object-oriented GoogLeNet模型的分类结果总体精度在GoogLeNet基础上提升了1.773%。结果表明，引入面向对象的特征模型在哨兵二号遥感影像分类中效果更好。     

基于点云数据的建筑物立面纹理映射技术研究

本文以车载激光扫描获取的点云数据及影像数据为研究对象,提出基于改进的格网法对建筑物点云信息提取,通过对建筑物立面纹理提取和最佳影像获取,得到建筑物的立面影像图像。本文对采用的技术方法和研究的内容进行详细阐述。     

LANDSAT 8 OLI影像不同融合方法的地类信息提取

为了探究影像融合技术在土地分类中的适用性,找出适用于不同地物提取的融合方法,以LANDSAT 8 OLI 15m全色/30m多光谱影像为数据源,采用PC变换、Brovey变换、GS变换三种融合法对全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价.基于地物光谱特征、决策树分类法提取研究区地类信息,比较多光谱影像和融合影像的信息提取精度.结果表明,三种融合方法均在空间细节表现能力得到提升,GS融合影像对建筑物识别能力较强,适用于城市建筑提取,而PC融合影像信息量最为丰富,突出显示水和植被信息,总分类精度和Kappa系数均为最高,是最适于农业信息提取的融合方法.     

道路线性滤波及纹理增强研究

本文以赣州市IKONOS一景高分辨率遥感影像为实验对象,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利用三种滤波器进行线性增强,对比三种滤波器对道路的线性滤波效果,从而为更准确地道路提取提供依据,实现有阴影、建筑物遮盖等空域无法准确识别的道路的提取。     

基于无人机多光谱的黄土高原植被提取分割分类研究

【目的】植被作为生态系统的主要组成部分,其种类和数量及其变化对生态系统有着重要影响。探究在我国黄土高原小流域进行植被提取分割时的最优分割尺度,有助于快速准确地提取植被信息,对于监测黄土高原生态系统状况和维持生态系统稳定具有重要意义。【方法】基于吴起县柴沟流域无人机多光谱影像和面向对象的方法,使用eCognition软件对影像进行多尺度分割研究。【结果】经分析,在分割尺度为240、形状权重为0.7、紧凑权重为0.1时影像的分割效果最好,基于该分割结果,选用纹理特征和光谱特征为分类指标,采用随机森林方法对影像进行分类,分类总体精度和Kappa系数分别为96.2%和0.951。【结论】研究结论可为柴沟流域植被结构优化及黄土高原生态环境保护和植被恢复治理提供技术参考。     

高分遥感影像不同形状建筑物半自动提取与规则化

现有的高空间分辨率遥感影像交互式建筑物提取方法需要用户在建筑物上勾画出与建筑物大小和形状相近的线，且大多方法只能提取直角建筑物。为降低交互要求并实现不同形状建筑物的精确提取，该文首先在用户少量交互的基础上采用区域生长、高斯混合模型、CannyLines线段检测算法以及基于多星形约束的最大流/最小割分割模型获得建筑物图斑，然后分别针对直角建筑物和非直角建筑物图斑进行规则化，得到与实际建筑物形状一致的提取结果。实验表明，该方法交互简单且建筑物提取精度F1值可达到0.9，具有较强的鲁棒性。     

面向对象的无人机影像地物分类

为了对农村用地进行有效分类,本文选取面向对象的分类方法,利用某农村的无人机航摄影像提取其土地类别信息。首先对无人机获取的原始影像进行预处理;然后对研究区反复进行分割实验,选取最优的分割尺度,在不同层次进行最优尺度地物分割;最后根据地物矢量、光谱、形状等特征差异,对最优分割尺度层上的地物进行最适宜的分类规则的建立,进而在每一层提取土地利用信息。利用单一尺度分割分类进行对比实验,选取734个样本进行精度验证,研究结果表明：多尺度多层次分割分类的总体分类精度可达84.20%,kappa系数为0.806 2;单一尺度分割分类总体精度仅为77.11%,kappa系数为0.721 4。由此可见,本文研究所采用的数据和区域内的类别的分类精度更高。     

农田遥感识别方法与应用

农田识别是进行作物的长势监测、产量预报和时空特性研究的基础,能够为国家农业政策的制定提供数据支撑。基于像元的传统农田遥感识别方法只利用了影像像元的属性信息,造成农田识别精度不高。面向对象的识别方法根据多尺度分割后得到对象的光谱、形状和纹理属性分类,提高了农田识别的精度。随着航天技术快速发展,与中低分辨率影像相比,高分辨率遥感影像能够提供更丰富的光谱、形状和纹理特征的目标地物,但同时信息量和数据量呈几何级数增加的高分辨率遥感影像给现有的农田遥感识别方法带来极大挑战。回顾了中低分辨率和高分辨率的农田遥感识别方法的研究进展,重点阐述了多尺度分割与三种监督型机器学习算法组合的面向对象的识别方法。结果表明,以机器学习算法为基础的面向对象分类的总体精度都高于96%,卡帕系数均超过0.93。     

基于图像分类的鲁棒无载体信息隐藏

针对传统信息隐藏方法须通过修改载体以嵌入秘密信息所带来的安全性问题,提出一种基于图像分类与尺度不变特征转换(scale-invariant feature transform,SIFT)提取无载体信息隐藏的方法。首先通过快速区域卷积神经网络将原始图像库进行分类处理,生成不同种类的子图像库;然后利用图像SIFT特征点的方向信息设计一个感知鲁棒的哈希方案,并使用该方案计算出每个子图像库中图像的哈希值,将所有子图像库中的图像全部映射成相应的二进制哈希值;最后将秘密信息分割成若干个片段,通过对比秘密信息片段与所有的图像二进制哈希值,从子图像库中检索出与秘密信息片段相符的图像,将其作为含密图像传送给接收方,完成信息隐藏过程。接收方接收到全部含密图像后,根据约定的哈希方案提取秘密信息。实验结果和分析表明,该方法对JPEG压缩、高斯噪声、椒盐噪声、图像缩放等攻击具有较强的鲁棒性,且隐藏容量较高。     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

利用调制传递函数滤波改进的高频调制影像融合

提出利用调制传递函数滤波来改进高频调制影像融合,以提高GeoEye-1融合影像的空间分辨率,同时保持影像光谱特性. 该方法首先由卫星影像测定调制传递函数,用这一传递函数对影像进行滤波退化,确定退化影像融合在最小均方误差下的高频调制影像融合权系数,进而用于非退化尺度下的融合,获得具有接近全色影像分辨率的多光谱融合影像. 与Erdas软件的加权高通滤波融合法和MTF-GIF的比较表明：改进的高频调制影像融合方法生成的融合影像在保持光谱信息和提高多光谱影像分辨率上是最佳的.     

几何特征表达及基于几何特征的建筑物提取

通过分析高分辨率遥感图像中建筑物光谱特征存在严重的“同物异谱”和“同谱异物”等情况,发现建筑物的几何特征比其光谱特征更加典型. 在总结了建筑物的一些典型几何特征之后,进行了基于几何特征(面积特征、矩形拟合度特征、长宽比特征、走向特征)的建筑物提取实验,发现利用几何特征能够比较有效地提取到建筑物. 由于图像分割离不开光谱特征,即建筑物几何特征的计算受到其光谱特征的影响,依据几何特征的建筑物提取结果不是非常令人满意的. 高度特征是建筑物最典型的几何特征之一,因此将高度特征引入到图像分割和建筑物提取过程是提高建筑物提取精度的新方向.     

基于图像内容和特征融合的隐写盲检测

随着特征选择和分类技术研究的不断深入,盲检测的精度越来越高,但现有方法大多不考虑图像自身的内容特性对检测的影响. 该文提出一种基于图像内容和特征融合的盲检测方法,根据图像复杂度将待检测图像划分为不同的子图像库,以巴氏距离度量各局部特征的分类能力并确定权值,在特征融合基础上对各子库提取不同特征,用支持向量机进行分类. 在混合图像库上进行的实验表明,该方法具有更好的检测性能,并降低了运算复杂度.     

基于对象的代码生产的设计与实现

在面向对象的软件思想的基础上,将代码作为一种对象进行相应的结构分析,并针对这种线性对象的结构进行类DOM处理,使之成为可以操作的对象．结合软件编码过程的特点,基于这种对象建立相应的生产流程和模型,以提高软件生产的质量和速度．并使用Java语言给出了主要的实现．     

基于eCogition面向对象分类方法的水稻种植面积提取

百合镇作为广西壮族自治区横县的粮食生产基地之一,水稻种植面积占到全镇耕地面积的一半,用遥感技术提取其水稻种植面积对于评价生产能力及优势具有重要意义。本文基于eCognition平台,运用多阈值、多尺度分割算法对RapidEye高分辨率影像进行对象分割,分别用多阈值分割、ndvi、rvi剔除林地、水体、建筑地的影响。利用最邻近法对对象分类,用野外实测点随机抽样、面积一致性、空间分布进行精度评价,其中面积一致性达到94％,提取的水稻分布符合自然规律。