江苏淤泥质潮滩地物信息遥感提取方法研究

以江苏东台东部淤泥质潮滩为例,在野外滩面调查的基础上,统计并分析了典型样点光谱特征,建立了不同地物判别函数以区分淤泥质潮滩地物。在判别分析基础上,总结淤泥质潮滩各类地物的光谱特征,建立判别规则库,以辅助识别淤泥质潮滩地物。实践表明,该方法可快速从Landsat7ETM+影像中提取出淤泥质潮滩地物信息。

基于Photoshop通道模块的遥感影像信息提取

随着遥感技术的日益发展,对所获取的遥感海量数据的处理要求也越来越高。因此,本文以Photoshop软件的通道模块为操作平台,对遥感影像的地物信息提取作了尝试性的研究。

基于遥感信息融合的阜新煤矿排土场地物提取与分类

结合地面测试高光谱数据及卫星遥感数据,对矿区地物信息进行提取,可有助于快速获取矿区地表信息,为矿区废弃地植被恢复提供辅助决策信息支持具有重要意义。该文以阜新市海州矿区排土场为研究对象,对不同波段组合的SPOT-5遥感影像进行了分类方法和分类精度评价研究。结果表明:排土场影像在波段组合与融合之后进行分类,分类精度提高不明显;而通过组合SPOT多光谱影像和植被指数图像,并结合地面测试的高光谱特征曲线建立分类模板,可以有效地提高地物分类精度,总体分类精度为85.48%,Kappa系数为0.8197。分类结果满足对排土场地物调查的实际需要,为建立排土场植被恢复等级提供了数据基础。

基于光谱理论的遥感信息提取方法的研究

以东昌府区为例,根据区内各种地物不同的光谱特征,利用遥感光谱分析方法,基于ERDAS IMAGINE平台对东昌府区内各种地物分别用监督分类和非监督分类两种方法进行信息提取,对两种方法进行比较,选择效果比较好的一种对东昌府区遥感信息进行提取研究,并对提取结果进行分析。研究表明,基于光谱理论的遥感信息监督分类提取方法在对东昌府区进行信息提取时更为精确。

基于U-Net3+的高分遥感影像建筑物提取

针对传统的高分影像建筑物提取方法存在分割精度低和分割边界模糊等问题,本文提出了一种基于U-Net3+模型的建筑地物语义分割方法。该模型以U-Net网络结构为基础,首先使用全尺度的跳跃连接将不同尺度的特征图相融合;然后通过深度监督从多尺度聚合的特征图中学习特征表达,并使用交叉熵损失函数进行训练;最后根据数据集特征,调试出不同的模型参数并以此模型进行测试,以达最佳的分割效果。试验结果表明,与U-Net和U-Net++模型相比,基于该方法的影像分割精度及地物边缘分割完整度均得到了显著提升,且当设置历元为15时,精度最高。使用该方法对高分辨率遥感影像中建筑物进行的分割试验,精度达96.62%,平均交并比(mIoU)达0.9027,并减少了错分、漏分,同时也减少了模型参数,模型损失收敛速率快且缩短了训练周期,显著提升了建筑物提取精度。

SegNet在从低空无人机影像中提取会仙岩溶湿地地物信息中的应用

以广西桂林会仙国家湿地公园核心区为研究区,结合SegNet和低空无人机影像,构建会仙岩溶湿地地物信息提取模型,探讨多分类SegNet模型与融合单分类和双分类SegNet模型分类结果的差别,分析epoch参数设置对模型分类精度的影响。研究结果表明,多分类SegNet模型对会仙岩溶湿地地物的分类结果的Kappa系数和F1分数分别为0.59和0.67,融合单分类和双分类SegNet模型分类结果的Kappa系数和F1分数分别为0.68和0.79;与多分类SegNet模型分类结果精度相比,融合多个单分类和双分类SegNet模型分类结果的F1分数明显增大。因此,融合多个单分类和双分类的SegNet模型更适用于提取会仙岩溶湿地地物信息;构建更优的会仙岩溶湿地地物提取SegNet模型,设置epoch值为10相对更合适。

基于地面三维激光扫描的道路带状地形图测绘

地面三维激光扫描可快速、高精度地获取测量对象的三维激光点云数据,被广泛应用于各测绘领域。但因其点云数据量大,传统手动提取地物信息方式效率低,制约了在大比例地形图测绘中的应用。该文利用Riegl VZ-400获取道路点云数据,研究基于点云数据的地物信息自动提取方法,实现地面三维激光扫描的道路带状地形图快速测绘。

基于OIF和最优尺度分割的GF-2影像分类适用性研究

高分二号作为国产高分辨率遥感的代表,其影像数据对提高地物信息提取的质量和精度的作用值得研究和探索。通过分析高分二号多光谱数据特点,利用OIF指数选取最佳波段组合,选用ESP最优尺度分析算法获得研究区最优分割尺度,最后在最佳波段组合和最优分割尺度的基础上提取典型地物,并对分类结果进行精度验证。研究发现,高分二号多光谱数据最佳波段组合为134;利用最佳波段组合和最优分割尺度提取地物信息的总体分类精度均大于85%,Kappa系数均大于0.8,分类结果精度较高;从总体来看,当选用最优分割尺度为82时,分类结果精度最高,其总体精度为93%,Kappa系数为0.910;其次是最优分割尺度为31,其总体精度为89%,Kappa系数为0.859;最优分割尺度为42的分类结果精度表现最差,其总体精度为85%,Kappa系数为0.808。

基于多源遥感数据的生态保护修复项目区监测方法评述

回顾了山水林田湖草生态保护修复项目的实施背景,针对生态保护修复项目监测监管范围广、技术难等问题,强调了基于多源遥感数据开展项目遥感监测的重要性与必要性。从监测指标拟定、遥感地物信息提取、多源遥感数据融合、动态变化检测等方面评述了基于多源遥感数据的生态保护修复项目区监测方法,包括基于中高空间分辨率遥感数据的地物信息提取、融合机器学习的非线性混合像元分析、基于混合像元分析的时空融合等。在总结技术和工作推进方面的优势、局限基础上,提出要结合实际工作,持续优化国土空间生态保护修复监测指标;充分挖掘遥感数据解析的相关算法潜力,提升地物信息提取和混合像元分析的精度;加强时空融合算法与变化检测方法的研究探索,加强相关方法的实践应用;以"山水林田湖草生态保护修复工程试点"项目为平台,建立稳定的国土空间生态保护修复遥感监测运行机制,加强科技创新,形成技术标准,指导工作开展。