多特征多层次Sentinel-2影像辽宁省湖库水体提取

以辽宁省为研究区,本文基于GEE遥感云平台,使用Sentinel-2遥感影像,提出了一种多特征多层次的湖库水体提取算法。该算法选择自动水体指数(AWEI sh)和改进的归一化水体指数(MNDWI)提取水体,并利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化差异红边指数(NDREI)、Sentinel-2的B8和B9波段及DEM数据多层次地消除暗地物和高亮地物噪声,对提取结果中被云雾遮挡而部分缺失的水体进行修复,最后将河流及细小像素剔除。利用此算法提取了辽宁省2017—2021年每年4、7、10月的湖库水体,并对比了不同水体提取算法及不同的水体数据产品。试验结果表明,本文算法在大尺度条件下提取水体具有良好的效果,总体精度达96%以上,可以较好地去除植被、阴影等暗像元表面,并且保证了水体信息的完整性,在大尺度水体提取方面具有一定的适用性和稳定性。

可变类空间约束高斯混合模型遥感图像分割

针对传统高斯混合模型(GMM,Gaussian mixture model)难以自动获取类属数和对噪声敏感问题,提出了一种基于可变类空间约束GMM的遥感图像分割方法。首先在构建的GMM中,将像素类属性建模为马尔可夫随机场(MRF,Markov random field),并在此基础上定义其先验概率;结合邻域像素类属性的后验概率和先验概率,定义噪声平滑因子,以提高算法的抗噪性;在参数求解过程中,分别采用可逆跳变马尔可夫链蒙特卡罗(RJMCMC,reversible jump Markov chain Monte Carlo)方法和最大似然(ML,maximum likelihood)方法估计类属数和模型参数;最后以最小化噪声平滑因子为准则获取最终分割结果。为了验证提出的分割方法,分别对模拟图像和全色遥感图像进行了可变类分割实验。实验结果表明提出方法的可行性和有效性。

基于区域划分的多特征纹理图像分割

由于纹理图像的复杂性和多样性,仅依靠传统的单一特征实现纹理图像分割无法满足其对分割精度的要求。本文提出结合区域划分的多特征纹理图像分割方法。首先,依据像素灰度的空间相关性定义多个纹理特征;然后利用区域划分将图像域划分成不同子区域,待分割同质区域由这些子区域拟合而成;通过分别定义多个特征图像的同质区域之间的异质性势能函数和刻画各子区域邻域关系势能函数来定义全局势能函数,并构建非约束吉布斯概率分布,从而建立纹理分割模型;最后,采用M-H算法采样上述概率分布,从而获得最优图像分割结果。分别对模拟纹理图像、遥感图像、自然纹理图像和SAR海冰图像进行了分割实验,并与利用单一特征得到的分割结果进行对比分析,定性和定量的测试结果验证了算法的有效性。

全波形LiDAR数据分解的可变分量高斯混合模型及RJMCMC算法

传统激光雷达(light detection and ranging,LiDAR)数据处理均采用固定数的波形分解方法,容易遗漏部分重叠的返回波,降低波形拟合精度。为了实现可变数波形分解,本文提出了一种自动确定波形分解数的方法。假定波形数据服从混合高斯分布,并以此建立理想的波形模型;定义用于控制理想模型与实际波形拟合程度的能量函数,用吉布斯分布构建或然率;根据贝叶斯定理构建刻画波形分解的后验概率模型;设计可逆跳转马尔科夫链蒙特卡洛(reversible jump Markov chain Monte Carlo,RJMCMC)算法模拟该后验概率模型,以确定波形分解数并同时完成波形分解。为了验证提出算法的正确性,分别对不同区域的ICESat-GLAS波形数据进行了波形分解试验,定性和定量分析结果验证了本文方法的有效性、可靠性和准确性。

基于可变类FCM算法的多光谱遥感影像分割

为了自动确定多光谱遥感影像中地物目标类别数,该文提出一种基于可变类模糊C均值(Fuzzy C-Means,FCM)的多光谱遥感影像分割方法。首先定义像素与聚类的非相似性测度并据此构建目标函数,而后通过求解目标函数得到最优模糊隶属度和聚类中心。其次,研究模糊因子与影像地物目标类别数的关系,并通过定义划分熵(Partition Entropy,PE)指数优选模糊因子,选择PE指数值稳定收敛后所对应的最小模糊因子值为最优模糊因子,根据模糊因子与类别数的关系得到最优类别数,从而实现了影像的可变类分割。最后,利用提出算法分别对合成和真实多光谱遥感影像进行分割实验,实验结果表明,提出算法不仅能自动确定影像的最优类别数,还能获得较好的分割结果,为实现自动确定遥感影像中地物目标类别数提供新方法。

利用目标分解特征的全极化SAR海冰分类

特征提取及其选择是SAR海冰分类的重要步骤之一。在众多特征中选取有效特征,进而构建表达地物类型的特征空间是提高分类精度的关键。为此,本文提出一种基于目标分解特征的全极化SAR海冰分类算法。首先,对全极化SAR数据进行多视化处理及滤波操作,生成相干矩阵;其次,对相干矩阵进行目标分解,并针对分解结果提取散射特征参数,进而构建特征空间;再次,通过对所提取的特征进行统计相关性分析,并对高相关特征采用PCA降维,以优化特征组合;最后,设计BP神经网络分类器,并将所得的优化特征矢量作为输入,海冰类别为输出,实现海冰分类。本文以格陵兰中部海域作为研究试验区域,采用L波段ALOS PALSAR全极化数据。通过对本文算法与对比算法的分类结果进行定性定量分析,可以得出本文所选取的特征对海冰识别较好。此外,通过对利用各个不同特征海冰分类结果的性能分析,可以得出基于散射模型的目标分解比基于特征值的H/α/A分解更有助于海冰分类。

基于全极化SAR影像的双台河口湿地分类及其变化分析

为了研究辽东湾双台河口湿地变化原因,对该地区全极化SAR影像进行湿地分类.引入Freeman分解建模全极化SAR影像,得到二面角散射、体散射、表面散射的散射功率,利用SVM分类法对散射机制假彩色影像进行分类,进而确定该地区的湿地分布情况.通过对比分析2007年与2016年的湿地分布情况,同时考虑区域特性和数据的可获取性,选取盘锦市年降水量、年均气温、年径流量、海平面高度、城市建成面积、原油年产量、水产品年产量和逐年GDP等8个驱动因子,研究双台河口湿地变化的驱动机制.结果表明:(1)全极化SAR影像分类结果总精度达到80. 25%,较光学影像的分类精度提升7. 43%,并且可将芦苇湿地进一步细分为芦苇池塘和芦苇草甸;(2)2016年双台河口各湿地面积占比依次为草本沼泽(28. 54%)>浅海水域(22. 44%)>灌丛沼泽(16. 88%)>水产养殖厂(9. 54%)>河流(8. 91%)>稻田(7. 58%)>淤泥质沙滩(6. 11%);(3)不同湿地的变化原因有所差异,驱动因子也不尽相同,如水产品年产量增加是水产养殖厂转化为淤泥质沙滩的直接驱动因子,而气温上升等自然因素和城市建成区面积增长等社会因素是草本沼泽退化和变化的主要驱动因子.研究显示,全极化SAR影像较光学影像更适合湿地分类,而双台河口湿地自然湿地减少和人工湿地增加是自然和社会因素共同作用的结果.

结合Voronoi划分HMRF模型的模糊ISODATA图像分割

为了解决传统模糊聚类图像分割方法对噪声敏感及无法自动准确确定聚类数的问题,提出结合Voronoi划分HMRF模型的模糊ISODATA图像分割方法。利用Voronoi划分将图像域划分为若干子区域,以划分子区域为基本单元定义基于隐马尔科夫随机场(HMRF)模型的模糊聚类目标函数,以解决噪声敏感问题;通过迭代自组织数据分析技术算法(ISODATA)中聚类分裂、合并技术改变聚类数,以实现聚类数的自动确定。对模拟、合成图像和真实图像分割结果的定性、定量分析表明:提出算法不仅可以有效克服噪声和像素异常值对分割结果的影响,而且还能自动准确确定聚类数,实现自动变类图像分割。

结合HMRF模型的模糊ISODATA高分辨率遥感图像分割

模糊ISODATA(Fuzzy ISODATA,FISODATA)在应用于图像分割时,FISODATA算法定义的FCM目标函数未考虑邻域像素间的数据相关性,导致该算法的抗噪性能较差;此外,FISODATA算法中分裂-合并操作需人工选取阈值参数,而不适当的阈值往往使得该算法陷入局部极值,因而得到错误的类属数并影响图像分割结果。该文将考虑邻域关系的基于隐马尔可夫随机场(Hidden Markov Random Field,HMRF)FCM(HMRF-FCM)方法纳入ISODATA框架,提出HMRF-FCM ISODATA(HMRF-FISODATA)算法,在分裂与合并操作后增加了优化操作,并根据优化结果自适应调节控制聚类分裂与合并的各阈值。该算法不仅能够快速获取正确类属数,而且克服了FISODATA算法没有考虑邻域像素的关系、人工选取阈值参数和受图像噪声影响大等问题,实现了自动正确确定类属数的同时完成高精度图像分割。

邻域约束高斯混合模型的模糊聚类图像分割

针对传统模糊聚类分割方法无法有效模拟数据分布特征的问题,提出基于邻域约束高斯混合模型的模糊聚类图像分割算法.利用高斯分布刻画聚类内像素光谱测度统计特征,定义像素与其邻域像素相关性的先验概率,并作为高斯混合模型中各高斯分量权重系数,构建包含特征场邻域作用的高斯混合模型.利用高斯分量描述像素与聚类间的非相似性测度,建立基于高斯混合模型的模糊聚类目标函数.在传统模糊聚类方法基础上,采用高斯混合模型定义像素与聚类间的非相似性测度,并在高斯混合模型中融入邻域作用,有效解决数据具有多峰值特征的问题.最后通过实验验证文中算法的准确性.

偏正态全波激光雷达数据的可变分量波形分解

针对传统方法难以实现全波激光雷达数据中非对称波形分解的问题,本文提出一种结合可变分量偏正态模型和可逆跳马尔科夫链蒙特卡洛(RJMCMC)算法的波形分解方法。首先,利用能量函数刻画服从偏正态分布的理想波形与实际波形间的差异程度,并用Gibbs分布定义其似然函数;然后,定义理想波形参数模型的先验分布;在贝叶斯定理框架下,建立具有分量可变性的波形分解模型;设计RJMCMC的移动操作,确定偏正态分布中的分量数以及求解模型参数。利用提出算法,对不同波形特征(偏态、正态)的ICESat-GLAS全波激光雷达数据进行可变分量分解实验。实验结果表明:实验波形结果与实际波形数据相关系数达到0.989以上,所提方法不仅能够同时实现对偏态数据和正态数据的拟合,还能更为准确地确定波形分量数。证明了该方法能实现全波激光雷达数据的精确分解,且分解结果与对应地物高程信息相符。

结合EM/MPM算法和Voronoi划分的图像分割方法

为了在模型参数先验分布知识未知情况下实现基于区域和统计的图像分割,并同时获取更加精确的模型参数,提出了一种结合Voronoi划分技术、最大期望值(Expectation Maximization,EM)和最大边缘概率(Maximizationof the Posterior Marginal,MPM)算法的图像分割方法。该方法利用Voronoi划分技术将图像域划分为若干子区域,待分割图像中的同质区域可以由一组子区域拟合而成,并假定各同质区域内像素强度服从同一独立的正态分布,从而建立图像模型,然后结合EM/MPM算法进行图像分割和模型参数估计,其中,MPM算法用于实现面向同质区域的图像分割,EM算法用于估计图像模型参数。为了验证提出的图像分割方法,分别对合成图像和真实图像进行了分割实验,并和传统的基于像素的MRF分割结果进行对比,测试结果的定性和定量分析表明了该方法的有效性和准确性。

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路—车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。

采用非规则标识点过程的LiDAR点云数据目标提取

针对LiDAR点云数据目标投影几何的非规则性,提出非规则标识点过程的LiDAR点云数据目标提取方法。首先,在投影平面上定义随机点过程,利用其随机点定位该平面上的目标投影,对每一随机点生成一组节点集以建模该目标投影几何,作为目标标识;假设地物目标高程值服从独立同一高斯分布,从而得到LiDAR点云数据高程测度模型;在贝叶斯理论架构下建立目标几何提取模型,并结合可逆跳变马尔可夫链蒙特卡罗(Reversible Jump Markov Chain Monte Carlo,RJMCMC)算法模拟后验分布以及估计各参数;最后根据最大后验概率准则,求解最优目标提取模型。采用提出方法对LiDAR点云数据进行目标提取,根据实验结果可以看出,算法得到的检测精度均达到80%以上,最高精度为99.43%,得到了较好的检测结果。本文将传统的规则标识点过程拓展到非规则标识点过程,可以有效拟合任意形状目标几何。定性和定量的实验结果表明了该方法的可行性、有效性和准确性。

全卷积网络和条件随机场相结合的全极化SAR土地覆盖分类

针对经典全卷积网络(fully convolution network,FCN)分类精度低、效果差,以及传统的极化合成孔径雷达(PolSAR)土地覆盖分类方法未充分考虑地物散射特性的问题,提出了一种结合改进FCN和条件随机场(conditional random field,CRF)的全极化SAR土地覆盖分类算法。首先,利用Freeman分解和Pauli分解建模全极化SAR影像,同时提取各分解对应的散射特征,参考Freeman分解散射功率获取其主散射分量对应的主散射地物;同时,借鉴在图像分类领域中具有卓越表现的FCN-Vgg19-8s网络,考虑其高层卷积参数量大和低层卷积模型参数优化程度不足,通过在高层和中层分别构建多尺度卷积组和代价函数设计了FCN-MD-8s网络,保证对整体模型参数进行降维和优化;以Freeman分解散射机理特征为基准,采用级连式迁移学习结构,实现FCN-MD-8s网络的模型训练和测试;然后,根据主散射分量所对应的主散射地物,在各分量预测图中提取出主特征地物,得到分量地物分类结果,并将其进行叠加得到全局粗分类;最后,利用全连接CRF结合Pauli相干分解重建假彩色图,对全局粗分类进行全局像素类别转移获得细分类结果。通过对分类结果定性和定量分析,可知提出算法具有有效性和可行性。

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。

基于双随机场能量函数的区域化图像分割

为了提高图像分割算法的抗噪性,并充分利用特征场和标号场在能量函数分割模型中的作用,提出基于双随机场能量函数的区域化图像分割方法.首先,利用几何划分将图像域划分为一系列子区域.在此基础上,采用多值高斯分布的负对数定义区域化特征场能量函数,用于描述同质区域内像素颜色的统计分布一致性.扩展传统建模邻域像素标号关系的Potts模型至邻域子区域,定义区域化标号场能量函数,用于表征各子区域标号之间的相关性.联合特征场和标号场,采用KL散度定义异质性能量函数,用于刻画同质区域间颜色统计分布异质性.利用非约束吉布斯表达式将定义的特征场和标号场能量函数转换为描述图像分割的概率分布函数.最后,在最大化上述概率分布函数准则下,设计合适的M-H采样算法,获得最优图像分割.在合成图像、遥感图像和自然纹理图像上进行分割实验,验证文中方法的有效性和准确性.

基于局部结构约束标识点过程的遥感影像道路提取

针对道路提取方法存在的漏提、误提等问题,提出一种基于局部结构约束的线段标识点过程提取算法。将道路网视作道路段集合,以随机点过程定义位置,以线段为标识定义几何结构,根据道路局部特征构建自适应的约束模型,结合道路的光谱同质性和异质性建立光谱测度模型,在贝叶斯理论构架下,综合上述模型和参数分布建立后验概率模型,设计可逆跳变马尔可夫链蒙特卡洛(RJMCMC)算法模拟采样,并为加快收敛速率设计高效的RJMCMC转移核,以最大化后验概率为准则,获取最优道路网。采用全色遥感影像进行实验、缓冲区评价方法进行定性和定量分析,计算得出道路提取的精准率和完整率分别能达到52%和98%以上,验证所提算法能准确有效地提取出道路网络。

基于Voronoi几何划分和层次化建模的纹理影像分割

将基于像素MRF分割方法拓展到基于地物目标几何约束的区域MRF分割,提出了一种基于区域和统计的纹理影像分割方法,其基本思想是利用Voronoi划分技术将影像域划分为若干子区域。在此基础上,采用二值高斯马尔科夫随机场(BGMRF,bivariate Gaussian Markov random field)模型,静态随机场模型和Potts模型从邻域、区域及全局层次描述影像的纹理结构,并将该纹理结构模型纳入贝叶斯框架;依据贝叶斯定理构建纹理影像分割模型;利用metropolis-hastings(M-H)算法进行模型参数估计,并依据最大后验概率(MAP,maximum a posterior)准则进行优化,从而完成纹理影像分割。为了验证所提出方法的正确性,分别对合成纹理影像,真实纹理影像及遥感影像进行了分割实验,定性和定量的测试结果验证了提出方法的有效性、可靠性和准确性。

基于散射梯度矢量的PolSAR数据舰船检测方法

针对传统舰船检测方法通常存在漏检弱小舰船和虚警方位向模糊等问题,提出了一种基于散射梯度矢量的极化合成孔径雷达(PolSAR)数据舰船检测方法。首先,在PolSAR数据的散射矢量的基础上,构建散射梯度矢量,以提高船海对比度;然后,利用散射梯度矢量提取香农熵特征,再结合舰船和海面的香农熵特征差异,选取最佳香农熵阈值进行舰船检测,以提高弱小舰船的检测性能;最后,根据方位向模糊与其真实舰船的方向角度、位移距离和香农熵特征去除方位向模糊。通过采用AIRSAR和GF-3 PolSAR数据进行实验,并将提出的方法与HH通道方法、改进极化Notch滤波(IPNF)方法和广义相对最优极化(GOPCE)方法进行对比,验证了该方法能够检测弱小舰船,去除方位向模糊,从而提高舰船检测精度。