基于不同抽样方法的遥感面积测量方法研究

众多研究结果表明,遥感和抽样技术相结合可以有效地进行地物面积的测量。目前,随机抽样、系统抽样和分层抽样方式在 遥感抽样调查技术领域应用比较广泛。本文以遥感图像为基础,从不同角度对随机抽样、系统抽样及分层抽样（包括等样本量、等 面积、等丰度抽样）进行了有益探讨,分析发现： 对于同一地物,从平均误差百分比、标准差和极差3个角度分析,随机和系统抽 样反推得到的总量精度都低于分层抽样精度; 对于不同的地物类型,利用3种分层抽样方法反推的结果与地物所占百分比成正相关 ,地物所占的百分比越大,反推的结果越好; 等样本量、等面积、等丰度分层抽样从平均误差百分比、标准差和极差3个角度分析 各有优势,跟地物所占的百分比也有密切关系。     

面向对象的高光谱遥感影像稀疏表示分类

稀疏表示用于高光谱遥感影像分类多是基于像素层次来处理的。文中提出一种面向对象的高光谱遥感影像稀疏表示分类方法。首先从高光谱影像中提取4个波段组成标准的多波段影像,进行面向对象的影像分割;然后计算各对象在各波段上的光谱均值,并选取少量样本进行训练;最后利用基于Fisher字典学习的稀疏表示进行高光谱遥感影像的分类。实验结果表明,该方法可以利用较少的样本得到较好的分类效果,与基于像素层的稀疏分类相比较,分类精度与效率均有所提高,分类结果更接近真实地物,避免了零碎图斑。     

迁移学习支持下的遥感影像对象级分类样本自动选择方法

面向遥感大范围应用的目标,自动化程度仍是遥感影像分类面临的重要问题,样本的人工选择难以适应当前土地覆盖信息自动化提取的实际应用需求。为了构建一套基于先验知识的遥感影像全自动分类流程,本文将空间信息挖掘技术引入到遥感信息提取过程中,提出了一种面向遥感影像对象级分类的样本自动选择方法。该方法通过变化检测将不变地物标示在新的目标影像上,并将过去解译的地物类别知识迁移至新的影像上,建立新的特征与地物关系,从而完成历史专题数据辅助下目标影像的自动化的对象级分类。实验结果表明,在已有历史专题层的图斑知识指导下,该方法能有效地自动选择适用于新影像分类的可靠样本,获得较好的信息提取效果,提高了对象级分类的效率。     

生成模型学习的遥感影像半监督分类

以生成模型最大似然估计为例,引入结合已标记样本和未标记样本的半监督分类方法来解决遥感影像分类中的小样本问题,应用已有的少量已标记样本初始化一个分类器,结合大量未标记样本,通过递归计算的方式对分类器进行优化,直到包含所有样本的似然函数收敛到局部极大值。通过分析遥感影像待分类类别与影像中地物类型固有特征之间的关系,设计两个在不同生成模型假设下的分类实验。结果表明,未标记样本的参与可在很大程度上提高小样本条件下的影像分类精度,但两种样本的数量应保持一个适当的比例。最后通过与在解决小样本分类问题方面有独特优势的SVM方法的分类比较,发现在小样本情况下,本文方法具有更好的应用潜力。     

多相位水平集高分辨率遥感影像非监督分类

高空间分辨率遥感影像(特别是城区场景)常表现出高的光谱异质性、地物细节丰富且地物拓扑关系复杂等特点,这对影像分类产生较大干扰,导致分类精度不高。针对以上情况提出一种新的非监督多相位水平集分类方法:该方法以基于区域竞争思想及Bayes准则的多相位水平集分类框架作为高分辨率遥感影像分类的基础,通过采用Parzen窗非参数密度估计方法来改善复杂场景下样本概率密度估计的准确性,从而增加分类模型的抗干扰能力;此外,为提高多水平集模型演化效率,在模型求解中提出一种简单而有效的水平集函数重初始化方案。通过与前人工作的试验对比及分析,验证了提出的模型在复杂场景及存在上述干扰的情况下表现出好的分类效果。     

遥感图像分类精度的点、群样本检验与评估

遥感专题分类结果在使用前,必须进行客观可靠的精度验证和分析,以保持遥感分类结果的可靠性.本文利用不同分辨率遥感数据获取的同一地区土地利用/覆盖信息,进行了简单随机抽样、系统抽样和分层抽样三种不同抽样组织方式下的点样本和群样本检验分析,评估了不同抽样方式下的点样本和群样本检验效果.研究结果表明：（1）抽样方式对遥感分类精度评价结果的影响是客观存在的,不同抽样方式下的点样本和群样本检验结果都存在一定的随机性,但同一种抽样方式下,点样本检验精度评估结果的波动幅度小于群样本检验,稳定性比群样本检验要好;（2）不同抽样方式下的多次点样本和群样本检验的平均精度检验结果基本上都能够反映分类图像的精度特征,其中,点样本检验中,分层随机抽样点样本检验效果较好;群样本检验中,系统抽样群样本检验和分层随机抽样群样本检验的效果优于简单随机抽样群样本检验.     

面向多源异质遥感影像地物分类的自监督预训练方法

近年来,深度学习改变了遥感图像处理的方法。由于标注高质量样本费时费力,标签样本数量不足的现实问题会严重影响深层神经网络模型的性能。为解决这一突出矛盾,本文提出了用于多源异质遥感影像地物分类的自监督预训练和微调分类方案,旨在缓解模型对于标签样本的严重依赖。具体来讲,生成式自监督学习模型由非对称的编码器-解码器结构组成,其中深度编码器从多源遥感数据中学习高阶关键特征,任务特定的解码器用于重建原始遥感影像。为提升特性表示能力,交叉注意力机制模型用于融合异源特征中的信息,进而从多源异质遥感影像中学习更多的互补信息。在微调分类阶段,预训练好的编码器作为无监督特征提取器,基于Transformer结构的轻量级分类器将学习到的特征与光谱信息结合并用于地物分类。这种自监督预训练方案能够从多源异质遥感影像中学习到刻画原始数据的高级关键特征,并且此过程不需要任何人工标注信息,从而缓解了对标签样本的依赖。与现有的分类范式相比,本文提出的自监督预训练和微调方案在多源遥感影像地物分类中能够取得更优的分类结果。     

基于纹理特征的遥感影像监督分类

影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。     

基于对地抽样总量控制下的玉米种植面积提取

提出了一种基于统计抽样总量控制下的中高分辨率遥感影像玉米种植面积信息提取方法, 该方法首先利用分层抽样技术对调查目标总体(玉米)进行分层抽样;然后对抽样小区进行目视解译, 反推区域总量真值;最后在总量控制下进行区域目标作物的空间分布提取。以河北省三河市中部地区的部分影像为研究区, 以该区2006-08-21的10m分辨率的SPOT 5多光谱影像为基础数据进行了试验研究。结果表明该方法基于群样本检验的总体精度达到93.8%, Kappa系数达到0.88, 均高于最大似然监督分类结果的精度。另外, 所提出的方     

增强型DeepLab算法和自适应损失函数的高分辨率遥感影像分类

高分辨率遥感影像地物复杂,分类难度大,而深度学习方法可以提取地物更多更深层次的特征信息,适用于高分辨率遥感影像的地物分类。本文研究对高分辨率影像中不透水地面、建筑、低矮植被、树、车辆等地物的高精度分类。结合遥感多地物分类的特点,以DeepLab v3+网络模型为基础,提出E-DeepLab网络模型。主要改进为：（1）改进编码器和解码器的结合方式,使用简洁有效的加成连接方式。（2）缩小单次上采样倍数,增加上采样层,提高编码器与解码器连接的紧密性。（3）使用改进的自适应权重损失函数,自动调节地物损失权重。同时根据数据特点,提出结合DSM、NDVI数据等多通道训练方式。使用两个地区数据进行实验,结果表明,两地区精度均明显优于原始DeepLab v3+模型和其他相关模型,Potsdam地区总体提取精度达到93.2%,建筑物提取精度达到97.8%,Vaihingen地区总体提取精度达到90.7%,建筑物提取精度达到96.3%。目视对比分类图和标准标记图,两者具有高度的一致性。本文所提出的E-DeepLab网络在高分辨率遥感影像地物高精度提取和分类中有较好的应用价值。     

基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

基于模糊马尔可夫随机场的无监督遥感图像分割算法

遥感图像分割是对遥感图像进行处理的最为关键的一步.马尔科夫随机场模型作为先验模型,在图像分割领域已经得到了广泛的应用,实践证明该模型有助于提高图像分割的效果.但是由于环境和传感器的影响,遥感图像具有灰度变化大、纹理复杂及边界模糊等特点,经典的马尔科夫随机场模型在遥感图像分割中的分割效果通常并不理想.本文针对遥感图像分割中某些像素分类的不确定性,建立了模糊马尔可夫随机场模型(FMRF).该模型结合分割问题中的随机性与模糊性,更合理地获取了图像的先验知识,较好地符合了遥感图像的特点,因而使得图像分割过程中使用先验知识更为准确.同时算法针对遥感图像的特点,结合了图像的灰度特征和纹理特征,从而使其能更准确地区分图像中的不同类.为使两种特征能够很好地结合,本文采用了贝叶斯分割方法,使用权值对图像特征进行权衡.同时本文采用最大期望算法(EM)对不完整的数据进行估计,应用模拟退火算法(SA)获得全局最优解,从而实现了无监督分割.实验证明,对于SAR图像,该方法较经典的马尔可夫随机场(MRF)算法和模糊C-均值(FCM)算法更好地处理了边缘的混叠,明显减少了斑点噪声,使分割结果更加准确.     

基于蚁群智能的遥感影像分类新方法

智能式遥感分类是遥感研究的新热点.提出了一种基于蚁群智能规则挖掘(ant-miner)的遥感影像分类新方法.遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差.而ant-miner算法中的信息素是基于规则整体性能的,信息素的动态更新能有效地处理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误.因此,蚁群智能算法应用于遥感分类具有一定的优势.将该方法用于广州市地区的遥感影像,取得了较好的分类结果.并与See5.0决策树方法及最大似然方法(MLH)进行了对比研究,实验结果表明,蚁群智能算法分类精度比后两者的分类精度更高.     

基于遥感信息的北京硬化地表格局特征研究

地表硬化是城市发展的重要特征之一,识别地表硬化程度对认识城市景观格局、物流、能流等社会、经济、自然过程具有重要意义.研究利用TM遥感影像,发展城市地表硬化度的遥感分析方法,提出地表硬化度指数,应用主成分回归方法,有效地拟合了地表硬化度和多光谱因子的关系(RTM=0.851,p<0.001).经统计检验:基于TM拟合的地表硬化度和真实的地表硬化度的相关性达到0.91(R=0.91).在此基础上,应用地表硬化度指数和基于目标分割的遥感分类方法,研究了北京市建城区(5环内)地表硬化度和建设密度的空间格局.结果表明:北京市城区中等(地表硬化度在50%-70%)和高密度建设用地(地表硬化度大于70%)总体比例大于70%,占绝对优势,其景观斑块的大小、形状等格局特征主导了北京城区景观格局的总体特征.但2-5环不同环带内硬化地表的格局特征明显不同.3-4环带是近20年城市发展的核心区,地表硬化格局综合体现了城市不同发展阶段的土地利用特征;2环带是老城区,以老北京胡同和文化古迹为主,高密度建设用地比例最高;5环带是城乡过渡区,以村镇、开发区为主体的高密度和中等密度建设覆盖比例为68.8%,斑块异质性较其他环带低,以林地、耕地等为主的硬化度较低的土地覆盖比例是31.2%,斑块异质性更低.     

土壤发射率光谱提取算法的对比研究

土壤的发射率具有较大的不确定性,为了准确提取土壤的发射率,利用ASTER光谱库中的58条土壤光谱,模拟产生了热红外高光谱数据集,利用这些数据进行了土壤的发射率提取试验,分析了较为典型的几种温度发射率分离方法,如NEM、ISSTES、α剩余法、MMD、TES在土壤发射率提取中的适用性、稳定性和精度,并根据分析的结果对各种算法在土壤发射率反演中的应用进行了相应改进.对于NEM方法,给出了最优的最大发射率;对于MMD方法,提出了一种比原平均-最小最大发射率之差更好的经验关系;在TES方法中,使用ISSTES代替原先的NEM方法,获得了精确的发射率初始值.基于模拟数据的算法分析结果表明,对于地面测量高光谱数据的土壤发射率信息提取,ISSTES准确度最高.最后给出了使用这5种方法由地面实测高光谱数据提取的土壤发射率光谱实例,提取的发射率光谱的分布情况很好印证了基于模拟数据的算法分析结果.     

一种基于先验知识的矢量边界更新方法

本文针对GIS中地物矢量边界更新繁琐、低效的问题, 提出一种以GIS数据作为先验知识的简便矢量边界更新方法.该方法针对GIS线性矢量边界只需有限个拐点描述的特性, 将对边界寻找转化为直接对矢量边界上拐点位置的确定, 简化了变化检测与更新过程.以TM遥感影像为数据源,矢量shape文件为先验知识, 分别利用该方法检测、更新扎龙湿地内克钦湖、东升水库以及一块沼泽地边界.并运用简化的缓冲区检测算法计算拐点更新准确率, 同时对本文结果与手动更新结果的相似性进行计算与分析.实验结果表明, 本方法不但简化了变化检测和更新过程, 而且可以得到接近手动更新方法的准确率, 并且更新后矢量多边形与手动更新所得到的矢量多边形保持了较高相似性, 达到了较好的效果.     

遥感尺度内涵及遥感像元尺度效应分析的改进分形方法

本文首先分析了遥感影像尺度的三层次内涵。重点针对遥感像元尺度,分析了遥感像元尺度效应及其分形机理,由于现有分形方法没有考虑影像本身尺度(空间分辨率),造成尺度间分形维数的比较时像元尺度效应变化难以有效反映,本文针对此问题提出了基于表面积的加窗分形布朗运动和加窗双层地毯两种改进分形方法。为验证改进分形方法的可靠性,采用了不同像元尺度下系列监督分类进行验证。试验结果表明,每种地物的分维数都随着空间分辨率的降低或像元尺度的缩小,呈总体下降趋势,在某些特征尺度上会出现预示着某些地物结构的拐点,这些拐点对观测该区域地物具有一定指示意义。系列监督分类精度也一定程度上证明了以上两种改进分形方法在分析尺度效应中的可行性。因此本文的方法对于分析遥感像元尺度效应和探索地物尺度聚合规律具有一定的理论意义。     

风速风向对SAR浅海水下地形成像影响的仿真研究

基于SAR浅海水下地形成像机理和M4S海面微波成像程序,建立了SAR浅海水下地形成像仿真模型,改进了传统浅海水下地形成像仿真模型的缺陷.通过仿真研究和分析浅海水下地形SAR图像特征实例,对风速风向与浅海水下地形SAR图像特征的关系提出了新的认识.低风速条件下,浅海水下地形SAR海面后向散射强度整体偏暗,高风速下整体偏亮;sAR图像条带亮暗的程度与风速有一定的关系,但不是主要的影响因素.风向对SAR浅海水下地形成像的影响明显,表现为,在逆风和顺风情况下,浅海水下地形SAR海面后向散射强度整体偏亮,SAR图像分别以亮条带和暗条带为主;侧风情况下,整体偏暗,SAR图像条带亮暗相当;最佳探测风向是逆风向.     

元胞自动机的遥感影像混合像元分类

通过对元胞自动机理论的研究,提出元胞自动机的遥感影像混合像元分解模型。利用多波段遥感数据验证混合像元分解算法的可行性,并将结果与线性分解模型进行比较。结果表明,元胞自动机混合像元分解模型在分解的准确性方面,明显优于一般线性模型的精度。最后,将分类结果与传统的监督分类算法比较,得出元胞自动机的混合像元分解模型明显优于监督分类精度的结论。     

地理知识可视化中知识图特征与应用——以小流域淤地坝系规划为例

依据心智表达的双重编码理论、地理的空间图形思维特点以及支持可视化知识探析需求,讨论地理知识可视化中知识图的定义与特点,并把地理知识图分为地理概念命题图与地理相似图解图,地理相似图解图又可分为逻辑拓扑相似图、空间结构相似图、变量关系相似图以及地理过程相似图.以黄土高原的小流域淤地坝系规划为案例,研究了支持坝系空间规划知识图中的概念命题图与相似图解图的形式、种类及其相互关系.