基于高分辨率UCE航空影像的面向对象分类

本文利用微软UltraCam Eagle航摄仪(以下简称UCE航摄仪)拍摄的带有近红外波段的高分辨率航空影像,采用面向对象多尺度分割方法对影像光谱进行特征提取,使用KNN、SVM和PCA方法分别对森林、道路、房屋、水体、裸地开展地物分类。实验表明:带有近红外波段的UCE影像在各分类方法处理中表现良好,近红外波段图像在植被与水体提取方面精度较高,SVM在水体、房屋建筑以及道路错误分类比例低于7%;KNN在林地、水体错误分类比例低于4%,PCA在水体、植被分类中错误分类比例低于3%。

基于栈式稀疏自编码的农村建筑物提取方法

提出一种基于栈式稀疏自编码神经网络的遥感影像农村建筑提取方法。该方法首先借助PCA白化预处理来降低数据的冗余度,然后使用无标签影像数据对栈式稀疏自编码神经网络进行训练提取特征,最后利用提取到的特征和标签数据来训练Softmax特征分类器,实现对建筑物的准确提取。实验结果表明,与传统BP神经网络相比,算法的统计结果中召回率(Recall)平均提高了5.48%,精准率(Precision)平均提高了5.31%,该算法在遥感影像农村建筑物提取中能够取得更好的效果。

顾及水陆差异的高分五号影像条带去除

高分五号搭载的可见光短波红外高光谱相机,能获取精细的地物光谱信息,具有十分广泛的应用前景。但高光谱卫星遥感数据往往无法避免条带噪声的干扰,进行条带去除是数据预处理中不可缺少的步骤。传统方法往往对地物的异质性与丰富的细节纹理考虑不足,导致条带不能被彻底地消除。为此,本文提出了一种顾及水陆差异的影像条带去除方法,采用水体与陆地区别统计的策略,解决条带噪声在异质区域的统计特征差异问题,并结合优化统计和一维变分滤波技术实现水陆区域参考统计特征的精确估计,最终基于矩匹配方法分别实现条带去除。实验结果表明:无论是真实实验还是模拟实验,本文提出的算法相较于传统条带去除算法,能更加稳健地去除数据条带噪声,还原地表真实辐射信息;在模拟实验中,本文算法处理结果的峰值信噪比(PSNR)达到46.58,且平均绝对误差(MAE)仅有11.56,均明显优于用于比较的3种传统算法,且算法执行效率也具备优势,能够更好地适用于高分五号大数据量的处理需求。