基于面向对象的TM_LBV变换水体信息提取

以南京市为研究区,基于面向对象的分类方法,对TM影像进行LBV变换,选择B分量阈值进行水体信息提取. 结果表明,水体信息提取精度为94.6%. 与基于像元的B分量阈值法和基于像元及面向对象的改进的归一化水体指数(MNDWI)阈值法相比,该方法提取水体信息快速准确,不但消除了山体阴影和城市建筑物的影响,还减少了分类"椒盐现象". 该方法简单易行,适用于水体信息的自动提取.     

基于Sentinel-1/2的水体提取方法对比研究——以斯里兰卡小型水体为例

地表水面精确提取是研究地表水质和水量变化的重要基础。斯里兰卡是"21世纪海上丝绸之路"的重要参与国，年降雨量丰富，但时空分布不均，斯里兰卡人民长期用水困难，研究斯里兰卡地表水体有助于斯里兰卡民生问题的解决。斯里兰卡国内散布着大量的小型水库和坑塘，这些小面积水体易受周边环境因素影响而提取困难。基于2017年7月斯里兰卡中东部地区的哨兵（Sentinel）1/2号卫星影像，对比分析单波段法、水体指数法和监督分类等水体提取方法的精度和存在的问题。结果表明，归一化水体指数法NDWI的准确率最高，分类精度达94%。     

基于中心差分法的理想水体三维运动效果的模拟

在兼顾真实感和效率的前提下,采用中心差分方法建立了理想水体的运动方程,进而提出一种模拟水面三维运动效果的方法.该方法首先将水体网格化,使用分形布朗运动的形态构建整个水面.接着利用简化的流体力学方程作为水体运动的驱动因子控制各网格处的水体高度,再通过中心差分法平滑水柱之间的高度差,从而得到连续波动的水波模型.最后,从纹理映射与LOD层次模型的建立2个方面,讨论大规模运动水面的仿真方法.实验表明,该方法的计算效率能够满足大规模三维水面动态仿真的要求.该方法还具有很好的可视化效果.     

基于Hydrolight的太湖水体区域化固有光学模型参数率定与验证

神经网络作为相对理想的可以业务化运行的水色遥感建模方法,在训练过程中需要巨量的数据集;而实测数据无法满足要求,需要利用水体辐射传输软件Hydrolight模拟数据集.利用数值统计方法对太湖7期野外实测数据进行分析,确定利用Hydrolight模拟太湖遥感反射率时,需要输入的藻类颗粒物、非藻类颗粒物和有色可溶性有机物的比吸收系数、比散射系数等参数;利用这些参数模拟遥感反射比,并与实测光谱数据进行比较,发现二者相关性普遍在0.95以上,证明确定的太湖区域化参数符合模拟需要,具有较强的实用价值.     

基于SCD-CNN的域泛化自适应轴承故障诊断

针对传统卷积神经网络自适应能力弱,难以适应变工况、少样本和类别不平衡等实际工业应用场景问题,提出了一种基于谱相关密度（SCD）和卷积神经网络（CNN）的轴承故障诊断SCD-CNN方法。该方法利用谱相关密度能有效提取轴承故障特征的能力,提高CNN的泛化能力。文章分析了SCD-CNN模型在变负载工况、少样本和类别不平衡（class imbalance）条件下模型的泛化性能,使用故障类型和非故障类型平衡率不同的样本数,对SCD-CNN模型进行干扰,模型在变负载工况下泛化性能良好;在少样本条件下,使用少量样本进行训练,就可获得较稳定的模型;在样本数据类别不平衡条件下,模型对少数类故障样本的识别能力较强。将SCD-CNN与STFT-CNN和CWT-CNN方法进行对比,结果表明：SCD-CNN的泛化性能良好,其性能优于STFT-CNN和CWT-CNN方法。     

基于目标宽度特征的脉间跳频雷达距离精确成像

根据雷达目标的宽度特征,提出了目标检测窗口内雷达信号的逆Chirp z变换局部成像处理方法。利用有限的输入数据长度,有效提高目标局部距离像的采样分辨率,获得更精确的距离像。与传统的数据长度补零逆傅里叶变换方法相比,在相同的采样分辨率条件下,该方法能有效减小计算量。仿真实验结果与理论分析相符合,证明了该方法的有效性。     

基于缨帽变换与匹配滤波的大熊猫生境影像分类

在卧龙大熊猫自然保护区,难以获取高质量的光学遥感影像,加之地形和植被类型复杂多样,地物分类精度低,对利用遥感技术研究大熊猫生境造成了困难.为此,本工作探究一种提高遥感分类精度的方法.首先分别利用缨帽变换和匹配滤波方法提取影像的亮度、绿度、湿度和丰度等特征,建立基于多特征数据的决策树分类规则进行分类,最后利用野外实测数据对分类结果进行验证.研究结果表明:绿度特征对提取林地非常有效,湿度分量可以区分草甸与灌丛,亮度特征则提高了雪地的分类精度.匹配滤波可以实现混合像元分解,去除部分噪声并快速探测目标地物的波谱特征.基于多特征数据决策树遥感分类的总体精度达到83.33%,比传统的最大似然法分类精度提高8.67%.本文方法在卧龙大熊猫自然保护区等地物分类中取得了较好的应用效果.     

基于极化特征和纹理特征的PolSAR影像建筑物提取方法

极化合成孔径雷达（PolSAR）以其多参数、多通道、多极化、信息记录更加完整等特点,在城市地物提取领域中发挥着重要作用,并已成为遥感影像研究领域的热点。选择覆盖苏州市的Radarsat2影像,利用极化非相干分解法和灰度共生矩阵法分别提取19种极化特征和8种纹理特征,通过分析建筑物、植被和水体的极化特征和纹理特征进行特征组合,结合主成分分析法（PCA）和支持向量机法（SVM）对城市建筑物进行提取,并定量评估精度。结果表明：基于极化特征的建筑物提取精度最高为92.4%;基于纹理特征的提取精度最高为88.9%;极化特征与纹理特征相结合可以提高精度,最高精度为93.7%;PCA特征融合算法具有较高的运算效率,同时提高了精度。     

基于卷积神经网络与主动学习的高光谱图像分类

在利用主动学习方法进行高光谱图像分类时,往往存在空-谱特征不能得到有效利用和样本需要进行手动标注的问题。针对这些问题,提出一种结合卷积神经网络的主动学习方法进行高光谱图像分类。该方法首先提取像素的空间邻域组成训练样本,通过卷积神经网络对样本的空间特征和光谱特征进行学习并对数据进行初步分类;然后,基于高光谱图像的空间相似性和光谱相似性,对无标注样本进行标注,并将其加入标注训练集以提高分类器的分类精度。在Salinas、PaviaU和Indian Pines这3个高光谱数据上的实验结果表明,该方法能在较少标注样本的情况下,有效提高高光谱图像的分类精度。     

引入空间距离信息的城郊山区道路提取与应用

近年来城郊山区成为城镇居民郊游佳选,而密集性的旅客出游及村民生产活动给山林带来火灾安全隐患。道路信息是森林防火应急信息化核心要素之一,但因城郊山区道路存在遮挡、阴影、路窄且多分支等问题,使得常规道路提取算法在城郊山区效果欠佳。故提出一种道路语义分割模型,以及一种将道路二类问题转化成多类问题的语义分割模型训练方法,迫使模型侧重学习空间距离信息,以生成空间连续性更优的道路结果。在本研究自主研制的城郊山区Yajishan道路数据集和公开数据集Massachusetts道路数据集上验证本文模型及训练方法的有效性。此外,验证该训练方法同样适用于U-Net、DeepLabV3等常用语义分割模型。还基于道路提取结果进行后处理,输出道路面、道路中心线矢量数据及道路宽度信息,并在北京丫髻山进行消防车通行性分析。研究成果在一定程度上缓解了商业电子地图在城郊山区少人处道路信息不足的问题,为森林防火应急救援提供信息化技术支撑。     

用偏最小二乘法提取石头口门水库水色信息

水体的高光谱数据在提供大量信息的同时,其波段间存在很高的相关性,常规的统计方法反演水质参数不但不能充分利用这些信息,并且也不能很好的去相关,而偏最小二乘回归分析可以较好的解决这一问题。因此本研究通过利用高光谱仪在石头口门水库进行反射光谱测量和同步水质采样分析,建立了叶绿素a和悬浮物含量的偏最小二乘回归模型。结果表明：该模型能较好的利用高光谱数据信息,各光谱波段自变量在最终模型中的系数大小在一定程度上较符合叶绿素a和悬浮物的光谱吸收、散射特性;通过与常规的比值模型、一阶微分模型进行对比,偏最小二乘回归模型明显优于前两者,其各决定系数均高于0.7,因此估测效果较理想,可用于内陆二类水体的水色信息提取。     

一种基于谱聚类算法的高光谱遥感图像分类方法

结合K-means算法和谱聚类方法的优点,提出一种新的高光谱图像聚类方法。该方法在对高光谱图像数据进行特征降维的基础上,采用K-means算法对图像进行粗聚类处理,然后采用谱聚类方法对粗聚类结果进行较高精度的聚类。与K-means聚类算法相比,该方法有效提高了高光谱图像聚类的分类精度。对模拟数据和真实的高光谱数据的对比实验表明,相对于K-means和谱聚类方法,该方法具有良好的聚类性能。     

基于时序光谱重构的卷积神经网络遥感农作物分类

当前,基于时序特征提取的农作物遥感分类方法需要较多先验知识及人工干预,难以自动化,且易因忽略部分有效特征而导致精度降低。针对这些问题,提出基于时序光谱重构的卷积神经网络农作物分类法。为充分利用时间序列多光谱中丰富的作物物候与多光谱信息,对每个地面像元构造以时间维为纵轴、光谱维为横轴的时序光谱图,采用Adam梯度下降法与Dropout 40%连接率优化后的卷积神经网络对时序光谱图进行分类。对比实验结果表明,该方法可有效减少“椒盐”噪声的产生,且地块边界轮廓线清晰,总体分类精度达到95.12%,高于时间序列多光谱+随机森林（88.58%）、时间序列NDVI+随机森林（90.25%）、时间序列NDVI+卷积神经网络（91.79%）等对照实验组;对于“异物同谱”现象明显的春玉米与番茄,该方法的F₁-score分别达到95.9%与89.9%,相比各对照组均有较大幅度的提高。该研究结果可为遥感农作物的自动化精细制图提供参考。     

基于车载激光扫描数据的城区道路自动提取

提取准确的道路信息对城市规划和数字城市制图具有重要意义。利用高密度车载激光扫描数据,针对无法以路沿作为道路边界的情况,提出一种基于边缘线检测的道路自动提取方法。先利用平面检测算法对分段后的路面完成粗提取,在此基础上,分析道路边缘线与相邻两侧路面在激光反射强度与几何性质上的差异,通过设定合理阈值提取边缘线上的点云,最后对离散边缘点进行曲线拟合完成道路精提取。利用实际获取的城区车载点云数据验证表明,该方法提取道路的正确度、完整度和提取质量等均高于90%,特别是对无明显路沿的道路,可有效识别出道路边缘线。     

基于显著图融合的高分四号卫星光学遥感图像多运动舰船检测方法

高分四号(GF-4)卫星是目前世界上分辨率最高的静止轨道光学遥感卫星,它具有高时间分辨率、高空间分辨率和大成像幅宽等优点,可对指定区域进行连续观测.提出一种适用于GF-4卫星光学遥感图像的多运动舰船检测方法.首先,对遥感图像进行中值滤波去噪和非线性灰度拉伸;然后,通过谱残差法提取显著图;最后,使用基于加权Dempste...