高分辨率遥感影像提取道路方法研究进展

道路是重要的人工地物,是基础地理信息的重要组成部分,从高分辨率遥感影像上提取道路信息成为研究的热点．本文一开始简明论述了道路在高分辨率的影像上的基本特点,并且讲述了道路进行提取的基本办法与思想,然后介绍了提取道路信息主要方法,包括自动提取和半自动自取．最后,对道路信息提取研究进行了展望．     

一种高分辨率遥感影像道路提取方法

总结了道路提取常用的形状指数,提出一种新的长宽比指数,采用该长宽比和面积指数结合光谱特征从高分辨率遥感影像中提取道路。实验证明采用新的长宽比指数能有效的将线状道路与面状房屋区分开来。     

高空间分辨率遥感影像小波域分形纹理特征提取

融合小波多尺度分析方法及分形纹理提取方法在遥感影像信息提取方面的优势,提出高分辨率遥感影像小波域分形纹理特征计算方法,以获取地物多尺度分形纹理属性,为遥感影像地类识别提供更好的标识。首先对遥感影像进行小波多尺度分解,进而基于DBC、多重分形纹理计算方法在各个分解层上提取地物纹理特征,通过比较分析,从中选取更为有效的小波域分形纹理特征。基于该方法,利用福州市高空间分辨率QuickBird遥感影像进行试验,并对QuickBird影像进行三级小波分解及纹理提取,结果表明：小波第一、第二分解层粗影像（CA1、 CA2）及三方向平均细节影像（L1、 L2）的DBC空隙特征及多重分形分维数结果作为最终甄选的小波域分形纹理特征更为合适。     

基于HPF融合与数学形态学的ETM+遥感影像道路提取

道路作为构成城市格局的骨架,是城市发展过程中更新最快的要素之一,因此,基于数学形态学的ETM+遥感影像的道路信息提取具有重要的现实意义.以合肥市某一地区的ETM+影像为例,提出一种基于HPF融合与数学形态学的方法.首先对原始影像进行预处理,对原始影像的多波段与全色波段影像进行HPF融合,预处理结果得到的RGB图像转换为灰度图像,再转换为二值化图像,然后根据道路的线性特征,运用数学形态学对图像进行去噪(独立斑块及粘连斑块两部分)、膨胀腐蚀、开运算、细化等运算处理,应用此方法能够较完整的得到道路提取的结果,并对该方法进行了验证.实验结果证明:该方法可以较准确、完整地从分辨率遥感影像中提取主干道路网络,剔除非道路地物的影响,具有简单、实用性特点.     

基于LVQ神经网络的建筑物提取

传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。以高分辨率遥感影像建筑物图像为研究对象,设计了一种基于LVQ神经网络的建筑物提取方法。对图像提取其颜色、纹理与形状特征,构成图像特征矢量并将其特征归一化,利用LVQ神经网络识别并提取出建筑物。通过与其它典型神经网络识别方法进行实验比较,结果表明该算法相对于单层感知器识别率提高了10.0%,比BP神经网络识别率提高了22.5%,能取得更理想的提取效果。     

基于eCognition的高分辨率卫星影像的车辆检测实验设计

设计了利用eCognition进行高分辨率卫星影像的车辆检测实验的步骤,首先对目标影像选取关键参数进行多尺度分割;其次利用最小距离分类器进行分类,实验设计中将目标对象主要分为3类,即道路、汽车及其他类;最后以Worldview-1高分辨率卫星影像进行了车辆检测的实验。实验结果表明,所设计的实验过程能达到车辆检测的目的并且精度较高,实验过程的简单直观,可用于交通信息技术及应用专业本科实验教学课程。     

基于深度学习的遥感影像城市建筑用地提取

使用遥感影像对建筑用地进行精确和高效的提取,是土地利用的重要信息来源。使用卷积神经网络的深度学习方法对研究区Landsat8遥感影像图进行分类训练与提取,与作为对照组的支持向量机方法进行比对分析。结果表明,基于深度学习的遥感影像城市建筑用地提取方法提取精度更高,尤其在道路提取精度上有着明显优势,说明将深度学习融入遥感影像建筑用地提取有着广阔前景。     

基于知识发现的QuickBird影像专题信息提取

由于高分辨率卫星遥感图像数据量大、空间分辨率高,结构信息复杂,地物同物异谱现象更为突出等等,给专题信息提取技术带来了新的挑战。本研究结合已有的自动提取方法和理论,重点探讨了发现高空间分辨率卫星影像上的光谱知识,并利用这些知识来建立相应的提取方法,来提取土地利用信息,以期为高空间分辨率卫星影像信息的自动提取提供参考。     

基于深度学习的高分遥感影像建筑物提取研究

传统的建筑物提取方法普遍存在过分依赖人工设计、自动化程度低、泛化能力弱等问题。随着深度学习算法在高分辨率卫星图像分类领域的应用,本文基于深度学习方法,以福建南安地区为研究区,以国产高分遥感影像为数据源,选取4?块典型区域制作建筑物数据集,搭建U-Net和Mask R-CNN深度学习模型在自建的南安数据集上训练,从定量和定性的角度对比两种模型对建筑物提取的效果,最终选定精度更高的U-Net方法作为最终的提取算法;再对数据集中正负样本的比例进行调整,进一步提高了模型分割的精度,实现了基于深度学习方法的南安地区建筑物的识别和提取。     

基于像素和面向对象的高分辨率遥感影像分类方法比较

以QuickBird高分辨率遥感影像作为信息源,用ENVI对影像进行基于像素的分类和面向对象的分类,对分类结果进行目视和精度比较．结果表明,面向对象的分类方法可以有效提高高分辨率遥感影像分类精度．     

基于区域生长法的遥感影像分割方法研究

论述了一种针对遥感影像的分割方法,该方法采用多基于区域的区域生长的思想,在影像中人为选取种子点,采用基于光谱因子和形状因子的异质性值作为种子生长的条件,不断合并像元直到满足预先设置的阈值条件.用GEOEYE-I影像进行了相关的实验,结果表明所提出的方法是一种有效的遥感影像分割方法,在分割结果上有其自己的优点.     

遥感影像融合的实现与效果评价

随着遥感科技的发展,遥感数据变得越来越多。然而,遥感影像融合是信息富集最为有效的方式之一。通过融合,能使结果影像兼备多光谱影像的高光谱信息与全色影像的高空间分辨率,同时去掉数据的冗余,压缩数据量。通过VC++编程实现HIS、Brovey、PCA和高通滤波法图像融合,在对其原理进行说明的基础上,对融合的结果进行了定性和定量的比较,为进一步的应用和研究提供依据和参考。     

基于NSWI的面向对象多光谱遥感影像水体提取方法

针对多数高空间分辨率的影像波段数量较少,导致改进归一化水体指数(modified normalized difference water index, MNDWI)、新型水体指数(new water index, NWI)和自动水体指数(automated water extraction index, AWEI)等水体指数模型不能有效应用的问题,通过分析各地物的光谱信息,构建出新阴影水体指数(new shaded water index, NSWI),旨在提高水体提取精度。在分析现有水体提取方法的基础上提出了新的水体提取方法,采用具有代表性的归一化水体指数(normalized difference water index, NDWI)、支持向量机(support vector machine, SVM)、最大似然(maximum likelihood, ML)法和本文方法,利用不同时期和不同区域的高分辨率影像GF-2以及稳健性分析时选取的中分辨率影像Landsat TM和Landsat OLI进行实验。结果表明：GF-2数据中,本文方法在渭河和玫瑰湖的总体精度分别为97.2%和95...     

基于深度学习的高分辨率遥感图像海陆分割方法

将高分辨率遥感图像进行像素级海陆分割是遥感应用领域的一项基础性工作,对海岸线提取和海洋近岸目标检测具有重要意义,但传统阈值方法往往由于高分辨率遥感图像覆盖范围广、地物纹理复杂等特点而难以取得预期效果。为了提升高分辨率遥感影像海陆分割精度,改善传统阈值方法的不足,基于深度神经网络模型利用编码器—解码器架构,并在编码层中引入残差块,以更好地对特征图进行高级语义信息提取,通过解码层将编码层生成的特征图还原成与输入尺寸相同的特征图,最后通过Sigmoid层对图像进行像素级海陆分割。在高分辨率遥感图像数据集上的实验结果表明,该网络模型取得良好了分割效果,准确率和Kappa系数分别达到了94.3%和93.7%。与传统方法相比,海陆分割精确度得到了有效提升。     

基于Mean—shift分割的高分辨率遥感影像变化检测方法

针对Geoeye,QuickBird等高空间分辨率遥感影像变化检测精度不高的问题,本文研究了面向对象的分类后比较的变化检测方法。该方法是先利用均值平移法进行图像分割,再以分割对象为基本单元,采用支持向量杌分类器进行分类,最后识别变化区域。该方法充分考虑了影像中地物的光谱、几何、上下文特征,以及目标间的拓扑关系,以弥补基于像素的变化检测方法的不足。最后,用QuickBird多时相影像作为测试数据,验证了本方法能有效提高高分辨率遥感影像变化检测的精度,且有利于GIS数据更新。     

一种高分辨率遥感影像车辆检测方法

高分辨率遥感影像中车辆具有不同的光谱表现,同时车辆对象往往与道路交通标志保持近似的光谱特征,这使得高分影像车辆检测通常面临较大困难。针对以上问题,提出一种基于多方向形态学变换的车辆检测方法,该方法由对象增强处理、候选对象提取、车辆对象特征验证等3个步骤构成。所提出的集成多方向线状结构元素的形态学顶帽（top hat）变换和底帽（bottom hat）变换分别实现了对亮色对象和暗色对象的增强处理,处理过程中同时顾及了车辆对象的几何结构特征,抑制了非车辆对象的干扰。基于初步提取结果,引入了基于多特征的车辆验证过程,进一步精确化车辆检测结果。基于城区高分辨率遥感影像的车辆检测实验证明了该方法的有效性。     

基于ENVI的决策树技术遥感影像粗分类研究

以TM543波段组合RGB近自然的色彩对南宁市进行三个不同时像的遥感粗分类。探讨遥感影像经过主成分分析后采用决策树方法逐层提取林地、耕地、草地、水体、道路、城镇、其他类等基本地物类型,后又用决策树的方法将分类好的单个地物逐层合并成一张分类图。对同一地区的三个不同时像的遥感图像进行比较,研究证明决策树方法简单、直观。     

基于Landsat8遥感图像的土壤含水量提取研究

土壤含水量是影响植被生长的一个主要因素,也是研究气候、水温、生态、农业等领域的重要参数。遥感能够快速方便地获取较大区域的地表信息,因此使用遥感技术对土壤含水量进行提取具有重要的意义。以2015年8月15日获取的唐山市中北部地区Landsat 8影像为研究对象,通过计算植被归一化指数和反演地表温度,利用植被供水指数法得到该区域内的土壤含水量分布情况。研究结果表明,利用植被供水指数法可对Landsat 8遥感影像进行土壤含水量信息的提取,由此也扩充了Landsat 8影像的应用范围。     

基于多尺度小波的城市遥感图像纹理特征提取

遥感技术为人们提供了大量的图像数据,如何从中提取所需信息,是遥感图像处理技术研究的热点。基于多尺度小波变换,可提取城市图像的纹理特征。根据城市影像中地物特征和小波技术的特点,确定合适的窗口大小,采用逐一滑动窗口的方法,对每一窗口提取相应的小波统计特征;应用小波变换的多尺度特性,在不同尺度上提取出子图像特征,构造出纹理特征矢量,为遥感图像的分类提供纹理特征。     

基于改进的YOLOv5识别遥感影像中输电塔的方法

针对遥感影像目标检测中部分输电塔因目标较小、特征不显著而难以识别的问题,提出一种优化和改进的YOLOv5目标检测方法.首先,通过增加更大尺度检测层,以提升小目标的检测效果;其次,将大尺寸高分辨率遥感影像通过滑窗分割成小尺寸图像,进行检测及再还原,解决了遥感影像中难以直接有效识别输电塔等问题;最后,调用GDAL模块自动计...