点特征相似与卷积神经网络相结合的SAR图像分类算法研究

基于CNN的像素级SAR图像分类利用了输入图像块的邻域信息,但没有凸显出邻域像元对中心像元分类结果的影响力,导致在高噪声条件下中心像元易出现类别误判。针对该问题,该文提出了一种基于点特征相似性的卷积神经网络(Point feature Similarity-based Convolutional Neural Network,PSCNN),并将其用于SAR图像分类,以凸显邻域像元对中心像元分类结果的影响力,从而减小误分,提升分类精度。实验结果表明,相比传统基于CNN的SAR图像分类方法,该算法一方面能更充分利用图像块的邻域信息,有效抑制相干斑的影响,提升匀质区域的分类精度;另一方面借助块匹配方式,能够充分保留图像块的结构信息,有效提升边界定位精度。     

基于HAC的SAR图像分割算法研究

本文提出了一种基于凝聚层次聚类(Hierarchical Agglomerative Clustering,HAC)的合成孔径雷达(Synthetic Aperture Radar,SAR)影像分割算法。该算法采用自底向上的策略,将相似的像素聚合成同一斑块。另外,本文利用了异质性作为衡量斑块相似性的标准。本文利用了两景2010年Envisat ASAR影像来开展图像分割实验。实验结果显示,本文算法的分割精度均在0.75以上,有效保持了SAR影像中溢油斑块的边界信息。     

基于G0分布的SAR图像水边线提取方法

为了更加精准地从合成孔径雷达（SAR）图像中提取水边线,提出基于G0分布的SAR图像水边线提取方法。首先,将SAR图像域划分为大小相等的子块,并假设每个子块内像素强度服从独立同一的G0分布;利用矩估计方法得到对应每个子块的粗糙度和散射性参数;根据设定的参数阈值,可划分出粗略的水域,并确定该区域的几何中心;以该几何中心为圆心,向四周做射线,保留经过陆地区域的射线;利用似然函数确定每条射线上的水-陆分界点,依次连接分界点,进而实现SAR图像水边线提取。采用本文方法,分别对模拟和真实SAR图像进行水边线提取实验。定性和定量结果表明：采用基于G0分布的SAR图像水边线提取方法能够有效地克服斑点噪声的影响。     

基于双分支卷积神经网络的SAR与多光谱图像融合实验

针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。     

基于逆向加权Voronoi图的面状地理景观特征化研究

基于逆向加权Voronoi图的方法,采用角度、线宽、线长和方向四参数对面状地理景观进行特征化研究。实例表明,该方法既具备在保持曲线弯曲特征转折点精确性方面的优点,还在曲线化简时重点顾及了目标的形态维护,并在不损耗面状地理景观的方向、凹凸性及数量等关键信息的基础上,明显减少了数据存储量,还可实现面状目标的跨时段、跨地区比较,是一种记录、描述和可视化比较研究面状地理景观时空演化特征的有效方法,可实现特征信息保留与结果简化间的平衡。     

基于环境一号（HJ-1A/1B）卫星图像的浑善达克沙地荒漠化变化检测

本文旨在通过计算浑善达克沙地（北纬43°08′,东经119°38′)2006年～2009年的植被覆盖度,进行变化检测。研究结果表明：研究区西部森林砍伐现象严重,而北部和东北部地区植被恢复良好。该项目表明,新设计的环境卫星在探测荒漠化方面是有效的,而受测试的用于提取森林覆盖面积的植被覆盖度方法,对于绘制研究区域的荒漠化变化是有用的。     

基于网络加权Voronoi图分析的南京市商业中心辐射域研究

道路网络在城市社会和经济活动中发挥重要作用.它是联系商业中心与需求间的桥梁.道路系统的更新与变化必然会对它们的关联产生影响Voronoi图足划分势力空间的有效工具,基于道路网络分析构建的加权Voronoi图可以模拟城市商业中心功能辐射的实际情形.本文给出了基于道路网络分析的Voronoi图和加权Voronoi图构建方法.通过对各种Voronoi图的比较分析,认为基于网络路径时间分析构建的加权Voronoi面域图在商业中心辐射域模拟中最为有效.将空间相互作用和断裂点理论与网络加权Voronoi面域图相结合.模拟不同交通条件下南京市商业中心辐射域空间格局及其需求覆盖变化,并提取了辐射域的覆盖面积、覆盖人口、最远辐射路径距离和平均辐射路径距离等信息.对商业中心的地铁邻近度与其辐射域的扩张面积进行相关分析.采用域邻接矩阵描述空间划分平衡与不平衡之间的相互转变过程,可分析道路系统变更后商业中心之间空间竞争的变化趋势.分析结果表明商业中心的地铁邻近度与辐射域的扩张具有较大的相关性,快速轨道交通在商业中心空间竞争中发挥关键作用.     

基于断裂点理论与加权Voronoi图的京津冀地区城市影响范围研究

城市影响范围的界定是研究城市与周围城市、区域之间相互作用的一个重要内容,对城市和区域的规划有着重要意义。该文选取20项能反映城市影响范围的相关指标,通过主成分分析及数据变换,确定了京津冀三地14个地市的中心性强度。有效结合断裂点理论与加权Voronoi图方法,界定并生成了该地区各地市的影响范围。改进现有的确定区域中心城市和划分城市经济影响区的方法,在分析基于断裂点理论的加权Voronoi图网格包含与邻接关系的基础上,将京津冀地区划分为3个城市群,确定了3个1级中心城市、2个2级中心城市。     

基于双分支多尺度残差融合嵌套的SAR和多光谱图像融合架构与实验

基于深度学习融合合成孔径雷达(SAR)和多光谱(MS)图像的方法主要通过增加卷积层数量描述网络模型尺度,但未能提高算法对不同尺度空间细节特征的提取能力。该文设计双分支的多尺度残差融合嵌套连接网络架构(Double-branch Multiscale Residual-fusion Nested-connections Net, DMRN-Net),将融合任务划分为细节提升和光谱保持两部分：在细节提升分路中,将SAR和MS图像中的高频信息分别经过多深度特征提取层、多尺度残差融合网络层及嵌套连接解码器得到重建图像;在光谱保持分路中,通过融合上采样后的MS图像和细节提升分路结果,将光谱信息注入融合图像中,从而得出融合结果。通过DMRN-Net和传统算法以及普通双分支网络的对比实验表明,DMRN-Net在主观判断和客观评价上均取得较好的融合结果,能在保持光谱信息的基础上,进一步增加图像的空间细节信息,验证了DMRN-Net在图像融合领域的重要价值。     

基于灰色绝对关联度边缘检测的多源遥感影像加权IHS融合

鉴于IHS变换的融合影像存在光谱扭曲问题,而灰色关联度对图像边缘检测具有局限性,该文将基于灰色绝对关联度的灰色关联分析与IHS变换相结合进行影像融合。采用灰色绝对关联度检测高分辨率影像的边缘点和非边缘点,基于边缘信息确定高分辨率影像和IHS变换后的亮度分量在组合中的权值,最后通过IHS反变换实现影像加权融合。应用该算法分别对多源遥感影像进行融合处理,在提高空间分辨率的同时能够很好地保持多光谱影像的光谱信息,优于传统的IHS融合方法和基于灰色关联度的IHS融合算法。     

结构增强型生成对抗网络SAR图像超分辨率重建

针对利用生成对抗网络模型(Generative Adversarial Network,GAN)重建SAR(Synthetic Aperture Radar)图像存在边缘细节信息不足和“伪影”(artifacts)现象,该文基于增强型超分辨率生成对抗网络(Enhanced Super-Resolution Generative Adversarial Networks,ESRGAN)光学模型,重新设计生成网络上采样重建模块和结构损失函数,提出一种结构增强型生成对抗网络SAR图像超分辨率重建算法,包括特征提取、特征增强和上采样重建3个模块:在特征提取模块采用小尺度卷积层对输入SAR图像进行低层次特征提取;在特征增强模块采用多个级联残差密集块(Residual-in-Residual Dense Block,RRDB)和卷积层提取输入特征;在上采样重建模块交替使用最近邻插值(Nearest Neighbor Interpolation,NNI)和亚像素卷积(Sub-Pixel Convolution,SPC)对特征进行放大重建,使特征信息交互融合。与传统插值算法和经典深度学习重建算法相比,该算法在视觉效果和定量评价方面均有显著提升,能够在保持原网络模型重建图像内容信息不丢失的基础上,增强重建图像边缘细节信息和减缓“伪影”现象,有利于后续目标识别和灾害监测等工作开展。     

利用SAR影像区域分割方法提取海洋暗斑特征

在SAR强度影像中,包括海洋溢油在内的许多海洋现象呈现为暗斑。为从诸多暗斑中辨识海洋溢油,需要在SAR影像中提取暗斑的几何和统计分布特征,以此作为进一步分类（辨识）海洋溢油的依据,将基于几何划分技术的区域分割方法应用于SAR影像暗斑特征提取。首先建立高分辨率SAR影像暗斑或然率模型,然后利用最大化期望值和M-H算法实现其几何及统计分布特征参数提取。实验结果表明,该方法不仅可以精准提取暗斑的几何形状,同时还能有效估计其统计分布参数。     

基于正射影像匹配的地形变化检测与更新算法

利用新时期的航空影像和旧时期的DEM,基于正射影像匹配的相关理论,提出了地形变化检测和数据更新的自动化算法,该算法能够利用两个时期的未变化信息进行控制,避免了传统的定向过程,极大减少了人工编辑,能够同时得到变化检测的结果、更新后的DEM和DOM。实验结果证明了该算法的实用性和高效性。     

基于相位一致性的遥感影像道路特征检测方法

在空间域中进行道路特征检测容易受图像亮度、对比度和噪声的影响,为了克服这一缺点,该文采用在频率域中进行道路特征检测。基于频率域的相位一致性道路特征检测方法具有亮度和对比度不变性,特征在频率域中表现出最大的相位一致性,通过计算影像6个方向的相位一致性值得到相位一致性值之和的灰度图,对灰度图进行二值化,然后使用数学形态学方法进行细化,去除噪声,检测出道路特征。实验表明,该方法对对比度、亮度变化不敏感,能够精确地检测出与人眼视觉相一致的道路特征。     

基于影象融合的干旱区城镇居民地信息提取研究

针对TM多波段图象中城镇居民地与裸地光谱特征相似难以准确提取城镇居民地信息的问题,利用雷达图象对居民地信息的敏感性,采用HIS变换方法,融合了2003年西安地区的Landsat TM和Radarsat SAR影象,并对融合影象做二类监督分类提取出城镇居民地信息,结果显示与TM图象监督分类相比,融合后的图象能很好地消除裸地对城镇居民地提取影响,其精度可达到84.21%,大大高于由TM多光谱影象监督分类所得到的精度71.79%,为提取干旱区城镇居民地信息提供一种新方法。     

结合二维EEMD和小波分解的遥感图像纹理方向检测

遥感图像纹理特征的提取和分析,可以弥补光谱特征在提取遥感图像信息特征方面的不足,提高遥感图像分类、识别的精度。为了得到遥感图像纹理特征中较重要的方向性特征,提出一种检测遥感图像纹理方向特征的新方法:先用改进后的二维集合经验模态分解算法(BEEMD)对原始图像进行处理;再对分解结果进行小波分解与Radon变换来检测图像纹理的方向性特征。实验结果表明,所提算法既能克服小波分解高频信息泄露的缺陷,增强小波分解的适用性;又能获得遥感图像纹理在低频、垂直和水平等部分较为准确、精细的方向特征检测结果,为遥感图像的识别与区分提供更有效的依据。