SPOT5遥感影像土地利用信息提取方法研究

【目的】探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。【方法】以结合纹理特征的支持向量机(Support vector machine,SVM)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。【结果】面向对象分类法的总精度达到90.67%,较结合纹理特征的SVM法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。【结论】利用面向对象分类法不仅达到了提取土地利用信息的目的,而且精度高、速度快。     

光学影像纹理信息在林业领域的最新应用进展

随着光学卫星影像空间分辨率的不断提高,影像纹理特征的重要性日益凸显。然而,纹理是一个非常复杂的空间属性,会随着太阳/观测角度、地形、感兴趣目标及其所处环境的不同而发生显著的变化。此外,不同纹理变量的选择及相应输入参数的设置,如窗口大小、像元间距、方向以及量化等级等都可能在一定程度上决定着影像纹理的利用价值。如何有效利用纹理量及其优化组合是一个值得深入探讨的问题。鉴于此,本文首先全面回顾了影像纹理特征在森林分类、森林结构参数反演以及森林生物量与碳储量的遥感估算等方面的最新研究与应用,并从不同角度肯定了光学影像纹理在林业遥感领域的应用潜力。此外,从纹理变量及其4大输入参数的选择和最优变量组合的判别方面,总结并剖析了当前研究领域中所存在的关键问题,权衡利弊并给出了相应的建议,为相关研究人员将影像纹理信息更有效地应用于林业领域提供参考。      

遥感影像融合与分类在城市边缘带扩展监测中应用研究

探讨了TM30m分辨率波段与SPOT10m分辨率全色波段通过融合来提高城市扩展动态监测精度的方法和应用潜力。首先采用IHS变换完成TM的多光谱波段与SPOT全色波段融合，增强变化信息在光谱和几何特征上的表征，然后采用最大似然分类方法对融合图像进行分类。实验结果表明光谱与纹理特征组合在用户精度上比单纯光谱、纹理特征分类分别提高21．87％和10．22％；在生产者精度上比各自分别提高8．4％和17．88％；Kappa系数分别提高0．10和0．21。通过高几何分辨率图像与多光谱波段融合方法可以，增强变化信息，纹理特征参与变化信息提取可以提高变化类型的分类精度。     

土地利用覆被遥感影像信息提取方法研究综述

阐述了土地利用覆被、遥感影像信息等相关概念,概述了目前在影像信息计算机提取过程中所使用的方法:监督分类与非监督分类,人工神经网络,小波分析,模糊逻辑分类,基于知识库的专家系统,基于"3S"集成系统的分类。     

基于多源遥感影像融合的植被覆盖度信息提取研究

植被覆盖度是评估生态环境的一个重要参数,对于全球环境变化和监测研究具有重要意义。如何从遥感数据资料估算植被覆盖度,并提高估算精度是建立全球或区域气候、生态模型的基础工作。该研究以CBERS数据与ASAR数据为多源遥感数据源,进行CBERS影像与ASAR影像HPF像素级融合,生成高空间分辨率的多光谱影像HPF融合影像。分别运用CBERS影像和HPF融合影像,提取植被覆盖度,并对两者的提取效果进行精度对比评价分析。评价结果表明,HPF融合处理的影像提取的植被信息精度较高、效果较好,为植被覆盖度信息的提取提供了参考。     

基于小波变换的遥感影像纹理信息提取

小波变换作为一种时间-频率分析方法,具有变焦性、对称性、正则性等特点,而纹理反映的是遥感影像中DN值的空间排列规律,利用小波提取遥感影像中的纹理特征信息,具有独特的优势.特别是结合金字塔状结构的小波变换和树状结构的小波包变换,提取的纹理特征信息在地质上具有重要应用价值.该研究以漠河县西北部砂宝斯的遥感影像为例,结合影像特点及应用目的,运用小波变换方法,提取了具有方向性的遥感纹理信息.     

基于纹理特征的柳杉锯材表面节疤缺陷的自动识别

根据柳杉锯材表面的纹理特点,构造了适于描述柳杉锯材表面节疤缺陷和正常材纹理特征的空间灰度共生矩阵特征参数群,并优化选择了其中5个纹理特征参数用于区分柳杉锯材表面节疤缺陷和正常材.在统计了柳杉锯材表面死节、活节和正常材的5个纹理特征值分布范围的基础上,根据5个纹理特征值的分布范围及其对死节、活节和正常材的区分度,构建了柳杉锯材表面死节、活节和正常材的相应识别规则,基于图像纹理特征匹配技术开发了柳杉锯材表面节疤缺陷和正常材的自动识别系统.对于300个含有单个和/或复数个节疤缺陷(184个活节和156个死节)的柳杉锯材图像的自动识别试验结果显示,活节和死节的正确识别率分别为83.2%和90.4%,识别精度表明,基于图像纹理特征匹配技术对柳杉锯材表面的节疤缺陷进行自动识别是有效可行的.     

基于高分辨率影像的苹果园信息提取

本论文目的主要是利用苹果园地的光谱特征,结合地面实测资料,根据苹果树的物候期确定苹果园地遥感识别的最佳时相,同时利用遥感信息和DEM数据进行果树种植面积的提取,建立快速、准确的遥感图像苹果园地识别模型。本文对比了面向对象分类法、监督分类法、分层分类法3种方法,结果认为面向对象分类的具有较高的苹果地信息提取精度,基于分层分类法的精度高于传统的监督分类方法。     

基于高分辨率遥感影像的城市绿地信息提取方法研究进展

在总结高分辨率影像特性的基础上,重点讨论城市绿地信息提取方法的研究进展,以供参考。     

植被信息提取过程中ETM+遥感影像的分类方法

遥感图像分类是研究土地利用覆盖变化的基础。本文以南京市为例,采用监督分类与非监督分类相结合的方法,先以ISODATA非监督分类法获得初始训练模板,通过实地调查对模板进行调整,再在此基础上以最大似然法进行监督分类。研究结果表明,用改进的分类法提取植被信息,可以取得良好的分类效果,是进行植被信息调查较为理想的方法。     

植被遥感影像特征提取及分类研究

植被分类能够对一个地区的植被状况进行分析,在环境保护和农业生产方面具有很重要的意义。本研究针对植被遥感图像分类识别需求,首先通过粒子群算法来实现马尔科夫的寻优过程,然后通过遗传算法进行支持向量机解空间的搜索,从而实现更加准确的图像分割和识别,最后通过实验验证了算法的有效性。     

基于改进DenseNet模型的高分遥感影像城市裸地提取

利用遥感影像提取裸地是监测裸地空间分布的一个重要手段。针对目前普遍存在的边界不清晰、空间信息丢失、小面积裸地漏提和与高反射率建筑不易区分等问题,设计了一种改进DenseNet的遥感裸地提取深度学习模型,主要采取密集连接块、坐标卷积和密集空洞空间金字塔3种方法,增强DenseNet模型在获取坐标信息、丰富裸地空间特征信息、对全局上下文信息感知等方面的能力,减少模型对于空间细节特征丢失环节,提高裸地遥感提取的精度。实验表明,该方法提取裸地的总精度为97.66％、交并比为68.69％、综合评价指标F1为81.44％、召回率为76.62%以及虚警率为25.68%,明显优于其他机器学习方法和深度学习方法。此外,该模型对于多源遥感影像上的裸地提取也具有良好的普适性,在高分一号、高分六号和哨兵二号等遥感数据集上测试的总精度分别为95.80％、93.00％和92.55％;交并比分别为75.18％、75.13％和50.47％;综合评价指标分别为85.83％、85.80％和67.08％。因此,改进的DenseNet模型方法较其他方法更适用于裸地的提取。     

基于地物特征的遥感图像融合效果

以ETM多谱段和全色影像为数据源,在最佳波段组合分析的基础上,采用主成分变换、乘积变换、小波变换、小波+IHS混合变换和小波+主成分混合变换等方法对图像进行融合.以均值、标准差、信息熵为评价指标,比较分析了不同地物特征的图像融合效果.结果表明:采用小波+IHS混合方法有利于耕地信息的提取;采用小波+主成分融合方法有利于居民地、林地、牧草地、水域、未利用地和园地等信息的提取.     

多源遥感数据协同的地块级农作物精细提取

【目的】 针对云南省大理市耕地地块不规整、破碎且农作物空间种植结构复杂的特点,结合多源数据在时间和空间分辨率的优势,达到准确地提取农作物信息的目的。【方法】 协同BJ-2数据和Sentinal-2数据进行农作物精细信息提取。首先,利用空间分辨率较高的BJ-2数据进行面向对象的图像分割,获得农作物地块信息;其次,在农作物物候规律分析的基础上,通过标准差分析获得关键时相,利用相应时间分辨率较高的Sentinal-2数据获取农作物地类信息,实现基于地块的小春农作物的快速精细提取。【结果】 采用实地调查地块真值与提取地类生成混淆矩阵进行精度验证,总体精度和Kappa系数分别为87.4%和0.83。其中,连片种植的农作物如蚕豆和马铃薯提取精度较高,地块细碎且内部种植结构复杂的作物提取精度略低。【结论】 多源遥感数据协同的农作物提取方法,通过高分辨率影像上获得的对象分析单元能很好地对单一地块中的农作物空间特征进行统计分析,很大程度上弥补了中分辨率影像由于分辨率偏低所导致的混合像元处错分的不足;不仅能从耕地地块级别获得农作物种植结构,更直观地反映农作物种植,能有效提升农作物提取的精细化程度,有利于精细化的农作物种植结构管理。     

基于SPOT-5遥感影像的小班区划探讨

森林资源调查小班区划主要是在现地进行对坡勾绘,这种方法存在人为主观性,不够科学客观等问题,因此,常产生误判。而地球遥感卫星SPOT-5遥感数据具有高空间分辨率和多光谱分辨率,可提供丰富、可靠、高精度的基础数据,且能节约成本,提高效率。提出了适用于森林资源区划的SPOT-5遥感数据处理和目视解译方法,即建立SPOT-5影像解译标识、野外核实与补测等。最后对计算机自动解译SPOT-5影像进行森林区划进行了讨论,研究可为森林区划提供指导与借鉴。图3参16     

基于无人机遥感影像的沙糖橘果树提取方法研究

目的 通过无人机获取沙糖橘果园的遥感图像,快速提取果树分布位置,为果树的长势监测和产量预估提供参考。方法 以无人机拍摄的可见光遥感图像为研究对象,计算超红指数、超绿指数、超蓝指数、可见光波段差异植被指数、红绿比指数和蓝绿比指数6种可见光植被指数,使用双峰阈值法选取阈值进行果树的提取。在使用光谱指数进行识别的基础上,结合数字表面模型作为识别模型的输入变量,进行对比试验。结果 相比使用单一光谱指数,结合数字表面模型提高了果树和非果树像元的提取精度,6次波段融合后的总体精度均大于97%。超红指数与数字表面模型结合后的总体精度最高,为98.77%,Kappa系数为0.956 7,植被信息提取精度优于其他5种可见光植被指数与数字表面模型结合后的提取精度。结论 数字表面模型结合可见光植被指数的提取方法能够更深层次地挖掘遥感数据蕴含的信息量,为影像中色调相似地物的提取提供参考。     

遥感影像正立体化研究

山脊与沟谷视觉效果相反的反立体现象,是遥感影像目视判读中的常见问题。消除反立体现象,使影像地物显示正立体化,对加强遥感影像的使用,特别是对非专业人员具有重要意义。本文提出了阴影模型(SRM)条件参与的IHS融合法、SRM乘法融合法和纯地形纠正法3种遥感影像正立体化方法,并与5种已有的方法进行QuickBird影像实验。通过比对证明:在实现影像正立体化的同时,这3种方法的整体视觉效果和地物光谱保留方面要优于其他方法。其中,相比已有的SRM参与的IHS融合法,SRM条件参与的IHS融合法是一种改进,能获得色调与原始影像相似的正立体影像;SRM乘法融合法算法简单、正立体影像视觉效果较好,适用于影像效果制图;纯地形纠正方法通过改变光源位置实现正立体化,从原理上保留了地物光谱信息,可用于定量研究。     

基于MERSI和ETM＋遥感图像融合的湿地苇田识别研究

采用Gram—Schmidt变换和像素级融合方法,将不同空间分辨率的MERSI影像与ETM＋影像进行融合,用于识别盘锦湿地苇田,并对融合结果进行了主观和客观评价。结果表明：采用Gram-Schmidt变换融合方法保留了MERSI影像的多光谱特性。提高了影像的空间细节。对空间分辨率之比（达1：9）较高的影像融合进行了分析,能够满足湿地苇田识别的应用目的。     

基于HRNet-OCR模型的农村宅基地提取方法

【目的】 农村宅基地信息统计是制定农村宅基地制度改革政策方向的基础,目前,基于遥感影像的农村宅基地提取还主要停留在人工目视解译的阶段,这种传统的提取方法效率低、成本高、耗时长,基于遥感影像自动化提取农村宅基地的相关研究较少。【方法】 文章收集了德清县无人机遥感影像数据,建立了训练集、验证集和测试集,构建HRNet-OCR模型,并与FCN、UNet、DeepLabV3Plus这3种模型在不同场景下进行对比。【结果】 模型精度评价指标IoU表明,在平原和丘陵地区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了4.24%、3.72%和2.82%,在山区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了3.59%、2.77%和1.55%,且模型在边缘细节上表现得更优秀。【结论】 基于HRNet-OCR识别模型使得遥感影像农村宅基地提取更为准确,具有更好的鲁棒性,可为精准提取农村宅基地提供重要参考价值。未来更快速、高效的高精度提取方法还有待进一步研究。     

基于高空间分辨率影像的林业小班遥感区划系统设计与实现

小班区划是森林资源调查中最主要的任务。为了减少小班区划工作量,提高工作效率以及保证小班区划的一致性,从功能需求角度,设计了一种基于高空间分辨率遥感影像进行林业小班区划的系统,并对系统各部分功能进行较为详细的设计与说明。开发并实现了遥感数据处理、多尺度分割和面向对象分类等关键技术,借助该系统,可以实现基于高空间分辨率遥感影像进行林业小班边界的内业自动生成,小班区划精度符合林业实际生产需求。目前,该系统已在重庆和海南等地推广应用。图8表1参11