小波变换与FCM聚类的QuickBird影像特征空间识别分析

遥感影像分类是应用遥感影像进行地学分析等其他应用的重要准备工作,它的精度将直接影响到后续的分析工作。纹理特征对于提高高分辨率遥感影像的分类精度具有重要意义,小波变换的"时-频"分析方法在遥感影像纹理分析方面有着独特的优势。本文采用QuickBird影像,利用小波分解得到影像的纹理特征,结合光谱响应值组成特征空间,再利用模糊C均值聚类方法对影像进行分类。实验结果显示:加入了纹理特征的影像分类精度有所提高,同时,同一类地物的内部均一性有所改善。小波分析对于细微纹理特征的提取效果比粗纹理要好。     

面向对象的高空间分辨率遥感影像道路信息的提取

遥感影像的道路信息提取是构建及更新地理空间数据库的一个重要组成部分。针对高空间分辨率遥感影像丰富的地物细节信息和突出的结构、纹理信息的特点,采用一种面向对象技术,实现了高空间分辨率影像道路信息提取。首先,利用面向对象的影像分割技术得到道路均值对象,然后挖掘高空间分辨率遥感影像中描述道路的光谱特征、几何特征及纹理特征,构建道路对象的知识库,实现了城郊重要道路信息的提取。与最大似然法相比,提取结果充分利用道路形状和纹理信息,能克服光谱特征的噪声现象,提取道路准确率高,为高空间分辨率遥感影像道路信息提取提供了一种新的途径。     

空间分辨率与纹理特征对多光谱遥感分类的影响

多光谱遥感分类与影像空间分辨率有着密切的关系,在适宜空间分辨率影像上进行地物分类能够获得更高的精度。随着遥感影像空间分辨率的提高,纹理特征被广泛用于遥感分类,但由于不同地类空间尺度不同,纹理对不同地物分类的影响程度也有所差异。本文基于高分一号2 m全色和8 m多光谱影像融合后的高空间分辨率多光谱数据构建反射率空间序列,选用3种分类方法对序列分类,并分别计算2 m融合数据及8 m多光谱影像的纹理特征,选择特征波段与相应多光谱波段组合用以分类研究,最后计算混淆矩阵评价分类精度。研究结果表明,通过回归分析得到多光谱分类的最佳空间分辨率为5 m,与其他研究中利用全色波段分类的结论一致,这说明最佳空间分辨率的选择不受光谱信息影响;对多光谱分类精度随空间分辨率变化的变化趋势分析发现,分类精度在20~30 m分辨率范围区间内快速降低,这为多光谱遥感分类数据空间分辨率的选择提供了重要参考;此外,对光谱与纹理特征结合后不同地类分类精度的变化分析显示,加入纹理特征后,冬小麦、人工建筑、有林地和水体的分类精度在2 m分辨率下分别提高了1.49%、1.51%、4.94%、1.54%,8 m分辨率下分别提高了2.95%、10.95%、5.91%、5.14%,说明引入纹理特征有利于提高分类精度,但其对不同地物类型、不同分辨率影像的影响程度不同。     

基于高分二号遥感影像的河界水体信息提取方法研究

在高分辨率遥感影像中,部分河流水面与阴影暗色地物常常难以区分。文章基于高分二号影像数据的特点,采用单波段阈值法、归一化差分水体指数、面向对象分类法、单波段阈值法与阴影水体指数相结合的决策树法,对红水河大化瑶族自治县部分流域进行提取,并比对分析结果。     

基于纹理和空间特征的中分辨率影像滨海水产养殖用地提取研究

近年来,水产养殖用地分布广泛,但由于其在影像上所表现的复杂性和不均匀性,造成该用地类型提取中的困难,尤其针对中分辨率遥感影像。对此,本文提出了一种基于纹理和空间特征的养殖用地提取方法,该方法主要包括3个步骤：首先,利用纹理熵和归一化差异水体指数NDWI实现水产养殖用地的粗提取;然后,依据相邻地物间的关系实现同类型地物合并;最后,本文构建一种相对宽度作为地物的近似宽度,再次利用NDWI实现水产养殖用地的准确识别。本文以越南万丰湾为研究区域,以Landat-8融合影像（融合后的像元大小为15 m）的目视解译结果为标准,对本文方法与最小距离法分类结果进行比较。实验结果表明,该方法的精度可达91.13%,远高于传统的面向对象方法,并且所提方法的错误率和虚假率分别为0.09%和8.87％,表明了该方法可靠性,因而该方法可为基于中分辨率影像的地物类型提取提供一种有效手段。     

遥感图像三维地形景观可视化的实现——以西藏赛利普地区为例

遥感影像能客观地反映景物的形态、结构和空间关系等特征,使人们对地物有一个宏观整体的认识,但遥感影像所反映的二维平面不能真实地再现现实中的三维空间^[1]。本文以赛利普地区为例,应用遥感图像作为纹理数据,将数字高程模型(DEM)数据与二维遥感图像叠合生成三维影像,真实再现了赛利普地区的景观特征,有效地反映该区的地形、地貌特征。     

面向对象的森林植被图像识别分类方法

 森林植被信息提取是遥感影像分类中的难点,仅利用光谱信息难以提取森林植被的类型,本文以门头沟区森林植被占主要土地覆被类型为研究对象,选择HJ-1影像面向对象提取不同地物信息。由于研究区地形复杂,采用多尺度分割方法,对不同地物设置不同分割参数,实现不同地物分层提取。根据光谱、纹理及几何等特征选择合适的特征参数,构建隶属度函数,逐级提取研究区的土地覆被类型,并与传统的最大似然法进行对比。结果表明:面向对象的分类方法在门头沟区森林植被二级信息提取的精度为83%,与传统方法相比有了较大的提高。     

基于支持向量机的遥感图像建筑物识别与分类方法研究

摘 要:高分辨率遥感影像可以更精细地描述地物目标的几何特征、空间特征和纹理特征等信息,在各个领域中都得到广泛的应用。建筑物作为地物信息分类中的主要部分,是地形图成图的主要组成元素,对建筑物的识别与提取,直接影响到地物测绘的自动化水平,对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义。针对建筑物的遥感影像特征,研究了支持向量机分类器(SVM)在建筑物识别与分类中的应用,提出了一种交叉验证的方法对参数敏感度进行分析,通过使用GridSearch算法确定模型参数设置的最优方案,并对分类结果中建筑物进行轮廓提取。通过实验表明,优化后的SVM算法对建筑物的分类精度达到90％,对比随机森林算法、最近邻分类器优势非常明显。      

小波变换和数学形态学的高分辨率图像居民地识别

利用小波变换和数学形态学的方法对高分辨率遥感影像的面状地物居民地进行识别提取。经实验结果得出, 利用小波变换对图像进行纹理分割,而后再用数学形态学的基本运算组合成的各种算子,选择合适的结构元素,可以完成图像居民地的提取,并进行了矢量跟踪,得出的结果可以直接应用于GIS。     

北京二号卫星在土地利用变更调查遥感监测中的应用与评价

北京二号民用商业卫星星座由三颗高分辨率光学遥感卫星组成,是国家核准的民用商业遥感卫星,卫星自发射以来其民用应用有待开展,开展之前有必要对其进行相应测试,以测试影像本身质量及工程项目应用效果。本文以获取的湖南省常德市部分区域的北京二号原始影像为基础,研究其在国土资源部主导的土地利用变更调查遥感监测项目中的应用效果。本文采用同等分辨率的高分二号作为对比数据源,依照遥感监测项目流程对其进行遥感解译提取地类图斑,最后从图斑个数、面积、属性等方面判别北京二号应用效果。测试结果表明:北京二号卫星影像具备较高的地物识别能力以及提取面积精度,能够满足土地变更调查遥感监测1米级的监测需求。     

融合边缘特征与语义信息的人工坑塘精准提取方法

针对高空间分辨率遥感影像目标提取中定位精度低、边缘粗糙等问题,提出一种融合目标边缘特征与语义信息的人工坑塘提取网络模型。方法首先利用改进的U-Net语义分割网络模块来提取遥感影像中丰富的目标语义信息,然后拓展上述语义分割网络构建边缘提取子网络来获取遥感影像的多尺度边缘特征,最后借助于编码-解码子网络融合边缘特征与语义信息,实现遥感影像目标的精准提取。将该方法运用到雷州半岛复杂背景条件下人工坑塘提取实验中,实验结果中本文提出的方法在F分数以及边界F分数等评价指标上表现最优,达到97.61%与83.01%,验证了融合高层语义信息结合低层的边缘特征在提升遥感目标提取精确度上的有效性。     

基于数学形态学的高空间分辨率遥感影像几何特征提取

本文结合高空间分辨率遥感影像的特点,利用数学形态学方法,选取具有不同尺度和包含全部方向的结构元素,设计了全方位结构元素多级加权滤波去噪算法和多尺度全方位形态学边缘检测算法,用于高空间分辨率遥感影像的处理;并通过图像边界追踪生成栅格数据对象和矢量数据对象,据此建立了高空间分辨率遥感影像的几何特征提取模型。结果表明:全方位结构元素多级加权滤波去噪算法很好地抑制了图像中的噪声,并保留了图像细节;多尺度全方位形态学边缘检测算法很好地解决了噪声抑制和精细边缘提取的矛盾,检测出的图像边缘比基本的边缘检测算子清晰,而且抗噪性能强。提取的几何特征信息可以结合遥感图像的光谱、纹理、统计等特征用于遥感图像地物识别与分类,也可以在GIS、摄影测量、计算机视觉等领域和气象、农林、地理、海洋、水利、国土资源和环保等行业使用。     

融合高度特征的高分遥感影像多尺度城市建筑类型分类

城市区域建筑类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。本文提出一种融合高分辨率遥感影像高度特征的多尺度城市建筑类型分类方法。首先利用语义分割模型识别高分辨影像中建筑和阴影对象;然后借助建筑对象及其阴影信息在卫星成像时的几何关系估算建筑高度;最后基于多尺度图像分析思想,提取一系列表征建筑对象的高度、空间结构、几何等多尺度特征,利用机器学习方法进行建筑类型分类,并进一步分析不同粒度的建筑类型分析单元对分类结果的影响。选取福州市主城区国产高分二号高分辨率影像进行实验验证。结果表明：① 基于所提方法的建筑类型分类总体精度达到82.98%, kappa系数为0.77,分类精度优于本文中未加入高度信息的分类方法和单一尺度分类方法;② 引入高度特征有效提高了中低层居民楼和高层商住两用建筑类型的分类精度,较未加入高度特征的分类结果,总体精度提高了11.28%;③ 融合多个尺度的图像特征可有效减少粘连建筑误分为密集型建筑的情况,较单一尺度分类方法,总体精度提高了2.77%。在精细的数字表面模型数据缺失下,利用高分辨影像阴影信息可为建筑物高度估计提供一种有效的策略,提高城市建筑类型分类精度。此外,融合多粒度图像特征可提升城市区域复杂建筑类型的表征能力,进而提高分类精度。     

结合Gabor小波和形态学的高分辨率图像树冠提取方法

树冠信息的遥感提取能有效辅助森林参数反演、林分长势监测、树种识别等森林调查活动。随着遥感信息自动化提取的需求不断加强,本文基于高空间分辨率遥感数据,以滁州市皇甫山林场为研究区域,设计了一种结合Gabor小波和形态学的树冠提取方法。该方法首先采用Gabor小波提取出纹理特征,其次结合K-means聚类分析方法,对PCA降维后的纹理特征向量提取出阔叶林区,最后基于形态学理论降低影像噪声,并利用前景后景标记的分水岭方法进行单木树冠提取。经过与人工解译的树冠信息结果对比发现,在郁闭度较高的阔叶林区,该自动化方法提取树冠精度较高,分割准确率A_d为79.59%,F测度达到了79.00%能有效提供精确的单木树冠信息,为林业经济调查技术的发展具有一定的实践意义。     

基于特征空间优化的随机森林算法在GF-2影像湿地分类中的研究

由于季节性的植被动态和水文波动,湿地遥感影像分类常常比较困难。本文采用优化特征空间的随机森林算法（Random Forest）对吉林省白城市通榆县东部地区预处理后的GF-2影像进行湿地分类研究,具体分为2步：① 对研究区遥感影像进行多尺度分割和对象特征的提取。针对一些学者获取最佳分割尺度时仍受主观因素影响较大的情况,本文通过改进全局最优分割方法来获得最佳分割尺度。② 在最优分割的基础上,基于特征重要性对随机森林分类算法的特征空间进行优化,以得到最佳的随机森林分类结果,并与相同条件下（同数据、同分割尺度、同训练样本,同特征空间）的K-NN、SVM、CART 3种算法以及未优化特征空间的RF算法的分类结果进行了比较。结果表明,基于优化特征空间的RF算法的分类结果总精度和Kappa系数分别为93.038%和0.9177,而K-NN、SVM和CART 3种分类算法的分类结果的总精度分别为83.357%、78.068%、77.136%,未优化特征空间的RF算法分类结果总精度为90.937%。相较于K-NN、SVM、CART 3种分类算法,RF算法在GF-2湿地影像数据中具有更好的分类性能,同时优化特征空间的RF算法精度有所提高,在湿地资源管理中可以发挥非常重要的作用。     

南麂列岛海洋自然保护区海岸要素的IKONOS图像地学分析

海岛 ,特别是一些面积小的岛屿 ,处于复杂的环境中 ,具有陆地与海洋的多种尺度特征。 IKONOS卫星遥感图像是现有遥感信息中空间分辨率最高的卫星数据之一 ,因此是海岛详细探测、大比例尺遥感分析的重要信息源。南麂列岛作为国家级海洋自然保护区 ,素有“贝藻王国”之称 ,具有典型性和示范性。本文是利用 IKONOS卫星遥感图像研究南麂列岛岸线特征、人工构筑物与近海目标以及土地覆盖的初步成果。结果表明它对细小目标的探测具有很大的潜力。     

协同多时相波谱特征的不透水面信息级联提取

不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多时相信息融合的不透水面级联提取方法,利用Landsat-8 OLI遥感影像分析归一化植被指数（Normalized Difference Vegetation Index, NDVI）、改进的归一化水体指数（Modified Normalized Difference Water Index, MNDWI）和归一化建筑指数（Normalized Difference Building Index, NDBI）年内时序变化特点和典型地物间多时相波谱曲线的协同特征,并归纳不透水面多时相变化规律;再根据先验知识所获取的有效地表信息,进行多时相分级提取不透水面信息。此外,基于实地考察数据和同期2 m GF-1遥感影像屏幕数字化生成30 m不透水面图斑,进行精度验证、分析和对比单时相、四季相及多时相3种时序情况下的提取精度。结果表明：单时相提取不透水面总精度最低,四季相提取精度优于单时相,而多时相提取精度最高（精度可达93.66%,Kappa系数为0.81）。本方法在偏远城镇不透水面的有效识别中显露潜在优势,可为不透水面提取方法融合时序波谱特征提供新思路。     

遥感土地覆被分类的空间尺度响应研究

不同空间分辨率遥感影像对区域土地覆被类型识别精度的影响是目前土地资源遥感研究中的热点议题。本文基于准同步的卫星传感器影像,以福建省长汀县河田盆地为研究区,结合野外调查的实验样本,依次采用最大似然法（MLC）、支持向量机（SVM）和人工神经网络（ANN）3种分类器,分析土地覆被分类结果在中高空间尺度序列（1~50 m）下的变化响应特征。结果表明：不同空间尺度下的地物分类结果存在显著差异（P<0.05）,其中总分类精度和Kappa系数均随影像分辨率的降低而先升高后降低,并于4 m分辨率处达到峰值,该结果与各类地物光谱反射率的空间尺度变化特征密切相关;而不同分类器对各空间尺度影像分类结果的影响程度差异较大（P<0.05）,其中SVM的分类精度最优,MLC次之,ANN的结果较差。此外,伴随影像空间分辨率的降低,不同土地覆被类型面积提取结果的变化规律不同,导致同类地物在不同空间尺度下的提取结果出现较大差异,表明在使用多源分辨率遥感数据进行土地监测等相关研究时,其伴随的结果误差不容忽视。     

高空间分辨率遥感影像多尺度分割优化组合算法

高空间分辨率遥感影像能够充分地描述地表覆盖空间异质性,可用于提取地面目标物。然而高空间分辨率在像元尺度的目标提取时易产生"椒盐效应"问题,面向对象的小尺度影像分割也受此效应影响;而大尺度的影像分割造成较小目标的遗漏。本文提出了一种针对高空间分辨率遥感影像的多尺度分割优化组合算法MOCA(Multi-scale-segmentation Optimal Composition Algorithm),基于后验概率信息熵指标选择影像中每个地面目标的最优分割尺度并集成组合,获得高空间分辨率遥感影像的多尺度分割优化组合结果。本文使用F指标和BCI(Bidirectional Consistency Index)两种指标评估地面目标物提取精度,并将MOCA与同类多尺度分割方法进行比较。实验结果表明,本文提出的MOCA算法可实现多个分割尺度的最优组合,并获得较高的地面目标物提取精度。     

面向对象的南海珊瑚礁地貌单元提取

南海珊瑚礁地貌信息的提取是珊瑚礁资源利用、生态保护与管理及可持续发展的重要地学基础。本文提出了面向对象的珊瑚礁地貌单元提取模型,针对不同的地貌单元,以不同地貌单元的最优分割尺度、光谱参数、形状参数来分割影像并合并成不同对象,从而获得相应的地貌单元。通过大量实验得出自然地貌的最优分割尺度区间为[140,600],其中附礁生物稀疏带及丛生带、礁坑发育带的光谱参数和形状参数分别为0.9和0.1,其他自然地貌单元的光谱参数和形状参数分别为0.8和0.2;人工地貌的最优分割尺度区间为[25,170],其光谱参数和形状参数分别为0.8和0.2。进一步以南沙群岛簸箕礁WorldView-2高分辨率遥感影像为例提取地貌单元,并结合混淆矩阵和Kappa系数对分类结果进行了精度评价,地貌单元提取总体精度达到了85.75%,Kappa系数为0.8349。结果表明,该方法可有效运用南海珊瑚礁遥感影像的光谱特征、纹理特征,以及影像数据不同波段的组合特性,综合了影像和珊瑚礁地貌的关联特性,充分利用了珊瑚礁不同地貌相带的异质性,获得了理想的南海珊瑚礁地貌的整体信息,满足了我国南海珊瑚礁地貌信息提取和地貌数字产品生成的需求。