基于对象影像分析方法支持下的多源遥感影像光伏电场提取

以光伏电场为代表的新能源在我国尤其是西部荒漠地区发展迅猛,利用遥感信息分析方法自动、快速、准确获取该类能源用地具有重要现实意义。以宁夏中卫市沙漠光伏产业园为研究区,在基于对象影像分析方法的支持下分析了光伏电场在Landsat 8 OLI、World View Ⅱ和高分-1号(GF-1)遥感影像上的光谱、纹理等特征并进行了提取试验。

基于对象分析策略的航空激光扫描数据建筑物自动提取方法

航空激光扫描(airborne laser scanning,ALS)是一种主动快速获取地球及表面三维信息和反射率信息的数据采集技术,从ALS数据中自动提取地形和建筑物信息是ALS数据处理的重点和难点。借助基于对象分析(object based analysis,OBA)技术,提出建筑物自动提取的流程和相关关键算法,首先利用滤波实现地形信息的提取与非地面点的抽取,缩小搜索范围,同时为建筑物的提取提供地形信息,然后对非地面点进行分割得到地物对象,并借助基于对象分析策略,提取建筑物对象特征并构建特征规则集,实现建筑物对象的自动提取。试验结果表明:提出的算法对建筑物激光点进行自动提取效果较好,提取率和准确率分别达到了90%和75%。

基于对象的最优尺度建筑物信息提取方法

针对基于像素分析方法不适用于高分辨率影像信息提取的问题,提出一种基于对象的图像分析方法来进行城市建筑信息提取。采用多分辨率图像分割方法得到图像对象,提出非监督的最优尺度判定方法解决单尺度分割造成的欠分割和过分割问题。在对象分类提取过程中,结合LiDAR数据的地形表面高程信息和光谱信息对建筑物进行提取,并利用尺寸、空间位置等信息进行误分类修正。实验区域共提取出18个建筑目标,结果表明所提出的方法有效可行。

综合运用影像对象多种特征的土地利用/土地覆被分类方法探讨——以兰州秦王川地区为例

运用基于对象的影像分析方法,对秦王川地区1994、2001、2011、2013年同时相的4期Landsat 5 TM、Landsat 8 OLI卫星影像数据进行影像分割,综合运用影像对象的光谱、纹理、形状和邻域特征,构建了分类规则集,实现了各期土地利用/土地覆被专题制图.结果表明4期影像的分类结果精度均满足制图要求与动态监控,准确地反映了过去20 a来秦王川地区土地利用/土地覆被的状况.

VHSR图像基于分割对象分类器性能评价

对比研究了平行六面体、最近邻分类法、最大似然法、神经网络等经典分类算法以及近年来新发展的支持向量机分类算法在基于分割对象的高分辨率遥感图像分类中的性能,详细分析了不同内积核函数对于支持向量机分类的影响。对两个试验区进行试验的结果表明,支持向量机分类算法分类精度得到明显改善,同时分类结果受参数、样本选择等影响较小,稳定性好。

基于对象的自然图像层次分割

基于像素的图像分割方法在表示同质区域的像素之间关系上存在局限性,其实现算法往往具有较高的计算复杂度。针对机器视觉应用中高质量自然图像分割算法运算复杂度过高的问题,构建了一种基于对象的自然图像层次分割架构。采用多尺度归一化割对图像进行预分割,同分水岭变换及Voronoi图法相比,该方法可以采用很少的图像对象就能较好的保持图像结构,且运算时间与图像尺寸和所需的图像预分割区域数成线性关系。提出了一种改进的超度量相异性定义,将图像对象作为整体进行处理,更为充分的利用了图像对象的区域属性。实验证明方法在获得较好的分割效果的同时,具有很高的运算效率。

离散ADMM方法下像素与对象基元协同优化的遥感影像无监督语义分割

语义分割是遥感影像分析中的重要技术之一。现有方法(如基于深度卷积神经网络的方法等)虽然在语义分割中取得了显著进展,但往往需要大量训练数据。基于图模型的马尔可夫随机场模型(Markov random field model,MRF)提出了一种不依赖训练数据的无监督语义分割思路,可以有效地刻画地物空间关系,并对地物空间分布的统计规律进行建模。但现有的MRF模型方法通常建立在基于像素或对象的单一粒度基元上,难以充分利用影像信息,语义分割效果不佳。针对上述问题,引入交替方向乘子法(alternative direction method of multiplier,ADMM)并将其离散化,提出了一种像素与对象基元协同的MRF模型无监督语义分割方法(MRF-ADMM)。首先构建像素基元和对象基元两个概率图,其中像素基元概率图用于刻画影像的细节信息,保持语义分割的边界;对象基元概率图用于描述较大范围的空间关系,以应对遥感影像地物内部的高异质性,使分割结果中地物内部具有良好的区域完整性。在模型求解过程中,针对像素和对象基元的特点,提出了一种离散化的ADMM方法,并将其用于两种基元类别标记的传递与更新,实现像素基元细节信息和对象基元区域信息的协同优化。高分二号和航拍影像等不同数据库不同类型遥感影像的语义分割实验结果表明,相较于现有的MRF模型,提出的MRF-ADMM方法能有效地协同不同粒度基元的优点,优化语义分割结果。

教育数据分析的层次性及其使用

在大数据时代,很多国家已经把教育大数据的重要性提升到国家战略层面,目前人们主要是从技术的角度研究教育大数据。基于教育数据的特殊性,从专业发展内涵的角度研究教育数据分析,提出教育数据分析的三个层次:第一层是基于个别指标的分析;第二层是基于模式的分析;第三层是基于对象的分析。探讨每个层次的特征及其在教育领域中的使用,以便人们对教育数据分析的专业发展内涵有清晰的结构化认识。

地理空间中的空间关系表达和推理

针对地理空间中的应用,归纳了在空间关系的表达与推理中不同于人工智能领域研究的一些特点:在人工智能领域,更注重建立形式化的推理系统;而在地理信息科学中,则需更关注地理空间的特点以及地物的地理语义。该文基于地理空间和地理现象的本质且顾及地理空间认知,总结了地理空间中空间关系表达和推理的特点,具体包括空间的有限性、地球的球面特征、地物的地理语义、地物形状的复杂性、面状地物、特殊的空间关系、空间关系的层次性与尺度相应原则、不确定性、三维与时态特性九方面;进而介绍了地理空间关系表达的两个应用,即地理信息检索和基于对象的图像分析。该文的探讨可为地理信息科学中的相关研究提供方向性指导。

应用高分辨率影像的城市固体废弃物提取

日益增多的城市固体废弃物不断威胁着城市的生态环境。应用遥感技术的城市固体废弃物监测与管理比实地调查的方法省时省力。然而,分布不规律的城市固体废弃物成分复杂,在高分辨率遥感影像上表现出极强的异质性,无论是针对像素,还是针对运用对象的影像分析方法都难以实现计算机自动提取。针对城市固废堆在重采样低分辨率影像上异质性得到减弱、同质性增强,而在高分辨率上细节丰富、位置准确的特点,提出了一种融合多分辨率对象的城市固废提取方法。以北京市海淀区的QuickBird影像进行实验,结果表明,露天城市固废堆的识别精度可达75%,表明这种多分辨率信息提取策略对于监测露天的城市固废堆十分有效。

语义网络引导的遥感图像分类

为将领域知识与基于对象的图像分析范式有效地结合起来,以解决遥感图像分析中的语义鸿沟问题,提出了一种语义网络引导的遥感图像分类方法。该方法包含分割、预分类、结果修正3个步骤。采用语义网络引导的分类方法进行预分类,使用定性匹配度进行图像对象与概念匹配判定,定义了一种定量匹配度,并将其用于对预分类结果的修正。方法减小了图像对象与概念进行匹配的搜索空间,降低了运算复杂度。实验结果证明了该方法的有效性。

基于不一致性法的最优分割参数评价

影像分割是基于对象分析方法的前提,分割结果的质量决定了后续分类的精度,分割参数的选择影响到分割结果的好坏。基于不一致性度量方法,考虑几何不一致性和算术不一致性,构建了新的最优分割参数评价指标FIX,实现最优分割参数的选择。选取高空间分辨率IKONOS影像上2种不同地物(池塘、农田)进行实验研究,表明不同地物具有不同的最优分割参数,为最优分割参数评价方法提供一种思路。

一种基于LDAO的唇读特征提取算法

在语音与唇读识别应用中,传统的LDA(linear discriminant analysis)算法一般以音节、半音节、HMM状态等基元为类别进行数据分段,经线性判别分析后获得的特征投影方向与识别率不直接相关,影响了识别率。提出了一种新的基于LDAO(linear discriminant analysis based on object)的唇读特征提取算法,该算法以待识别对象为类别进行线性判别分析,在理论上保证了唇读特征矢量向最具判别能力的方向投影。基于唇读数据库的实验证明,该算法明显优于现有各种唇读特征提取算法,比DCT+LDA算法识别率提高了3%。

遥感图像多尺度分割算法与矢量化算法的集成

在遥感图像处理和分析软件中,图像分割/分类和矢量化是前后独立的过程:先分割/分类,再矢量化整幅图像。由于矢量化后得到的矢量文件未写入图像对象(区域、图斑)的特征信息,只能用于显示而不能用于后续操作。此外,处理复杂图像时还存在矢量文件多边形数目与分割/分类后图像区域数目不一致的问题。为此,将多尺度分割算法与矢量化算法进行一体化集成。对遥感图像进行多尺度分割得到图像对象链表,逐个对图像对象做矢量化处理,同时把特征统计信息写入多边形属性中。集成后不仅可保证矢量多边形数目与图像对象数目完全一致,而且由于特征统计信息已作为多边形区域的属性保存在多边形中,后续的多尺度分割、区域合并、空间关系操作等均可基于矢量多边形进行。

基于多层次分割分类模型及其特征空间优化的建筑物提取方法

针对高空间分辨率遥感影像城市地物信息提取中的尺度效应、光谱多样性及分类特征优化等问题,基于面向对象影像分析方法,结合数据挖掘与机器学习技术,提出了一种多层次分割分类模型及其特征空间优化的建筑物提取方法。首先,根据遥感信息多尺度特性,针对地物特征差异设立层级关系,再结合光谱多样性特征定义地物包含的子类型,建立基于不透水面分割分类提取建筑物的层次化结构;然后,利用提出的ReliefF-PSO组合特征选择方法,优化构建相应层次的影像特征空间;最后,在多尺度分割和特征优化的基础上,基于随机森林模型获取不透水面分布,进而采用J48决策树算法分类提取建筑物。实验结果表明,该方法能够利用较少数量的影像特征,获得高精度的建筑物提取成果。

基于地理本体建模的河流阶地识别方法研究——以汉中盆地为例

目前尚缺乏自动提取河流阶地的有效方法。提供了一种用于自动识别和提取河流阶地的方法。首先借助ASTER GDEM与Landsat5 TM数据,以汉中盆地为例,依托地理本体对河流阶地进行建模;然后在此基础上通过基于对象的影像分类技术对其进行提取。在基于对象分类技术中使用地理本体建模方法,能够有效地自动识别和提取河流阶地。

OIA技术支持的高分辨率影像乡村居民地本体建模方法

地理本体建模是遥感影像自动/半自动识别地物类型的重要途径,对高分辨率遥感影像的复合地物类型信息提取具有重要的作用。首先采用Methontology本体建模方法,通过protégé平台建立高分辨率影像乡村居民地本体概念模型。利用基于对象影像分析(OIA)技术,形式化概念模型,完善乡村居民地本体模型。最后将建立的本体模型运用于乡村居民地信息提取,通过甘肃张掖刘家庄航空遥感影像提取试验,验证了乡村居民地本体模型的有效合理性。

基于ALOS影像纹理特征的日光温室信息提取方法研究

日光温室为解决我国西北部地区冬季蔬菜供应问题发挥了重要作用。本文通过计算不同方向的纹理特征,采用支持向量机(SVM)提取日光温室,研究纹理方向对信息提取精度的影响。结果表明:1纹理特征能提高分类精度,但提升幅度不大。2日光温室的最佳纹理方向为45°,总精度为93.57%,Kappa系数为0.90,且最佳纹理方向与地物的主方向大致相同。

基于本体的高分影像乡村居民地的提取方法探讨

为了提高高分辨率遥感影像乡村居民地信息的精度和完整性,采用World ViewⅡ卫星遥感数据,在基于对象影像分析方法的支持下,开展基于本体建模的乡村居民地信息提取研究。首先提出高分辨率遥感影像乡村居民地认知框架,再获得乡村居民地模型的形式化表达,建立乡村居民地本体的概念化模型,最后根据本体模型提取乡村居民地信息。该结果具有良好的精度和完整性,说明基于本体建模提取乡村居民地信息的方法是可行的。

基于多种差异影像算法改进回溯土地覆被变化检测方法的探讨

近年来,回溯分析方法已经越来越多地应用于自动化变化分析和分类研究中。以兰州市2008和2017年两期Landsat影像为例,分别采用基于PCA、基于CVA和基于FCM的回溯分析方法获得兰州市2008-2017年间的土地覆被分布和变化情况并对其结果进行对比,分析了不同的差异影像算法在回溯分析中的适应性。结果表明基于FCM的回溯分析方法的结果最好,分类总体精度达到88.5%,变化检测结果总体精度达到83.8%;基于CVA的回溯分析方法次之,因存在漏检现象导致分类总体精度为86%,变化检测结果总体精度不足80%;而基于PCA的回溯分析方法精度最低。通过采用FCM算法有效改善土地覆被变化检测结果中的漏检现象,从而获得精度较高的分类及变化检测结果。