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。

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。

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.

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。

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。

影像分割数据质量评价与参数优选方法研究

针对遥感影像分割数据质量评价与参数优选问题,本文提出了一种基于顶点距离度量的评价指数,通过计算匹配分割对象顶点与参考多边形边界之间的位置关系及其距离度量评价影像分割结果。该方法可使所选最优分割数据集中的匹配分割对象与参考多边形之间保持较高的几何一致性,较大程度地减轻欠分割和过分割效应。通过对World View 2、Quick Bird和ALOS等3个高分辨率卫星影像中农田、水体、林地和建筑物等多种地物类型的试验分析,表明多数最优分割数据集中匹配分割对象与参考多边形间的面积重合度达到70%及以上。本研究可为遥感影像分割数据质量评价和参数优选提供一种有效方法。

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。

改进型归一化差值不透水表面指数探讨——以兰州市建成区为例

深入分析研究区不透水表面和其他城市基本组分土地覆盖类型的特征后,通过研究已有归一化不透水表面指数(NDISI)提取方案的适用性和研究区域特点,创建出一种改进型归一化差值不透水表面指数(MNDISI),并结合实地调查分析,在中等分辨率影像上运用基于对象的方法,提出新的指数增强提取方案,实现不透水表面信息的自动准确提取,并将其作为一个范例供其他西北内陆城市借鉴。

基于监督与非监督分割评价方法提取高分辨率遥感影像特定目标地物的对比研究

基于地理对象的影像分析方法已成为高分辨率遥感影像分析的重要手段。影像分割作为其关键步骤,如何设置合适的分割算法参数对后续分割和分类结果有重要的影响。目前分割参数优选方法的探讨分别从非监督与监督分割质量评价2个方面展开,而何者更适合高分辨率遥感影像特定目标地物分析仍缺乏对比研究。本文以城镇和乡村为例,选取多源遥感数据Quickbird、WorldView-2和ALOS影像中共有的3种典型土地覆被为研究对象,基于2种具有代表性的非监督与监督方法ESP2 (Estimation of Scale Parameter 2)与ED2 (Euclidean distance 2)进行实验,对最优分割和分类的结果进行全面的对比分析。结果表明:①相同实验参数下,监督方法均能以较少的分割数据集获得目标地物的最优分割结果,且与真实地理对象吻合度更高;②非监督方法依靠影像自身特征分析进行分割参数优选,无法克服不同景观格局和影像分辨率的影响,而监督方法可通过改变参考数据集的面积和空间分布模式等来降低其影响;③非监督方法往往因为欠分割而漏分小目标地物,这样会严重影响局部分类结果。虽然本文中非监督与监督方法的整体分类精度均可达90.08%以上,但非监督方法的漏分率却是监督方法的1.43~4.65倍。因此,本研究认为监督方法更适合分析高分辨率遥感影像特定小目标地物。

利用多尺度几何特征向量的变化检测方法

提出了一种利用多尺度几何特征向量的变化检测方法,其基本原理是基于多尺度影像分割将变化检测从传统的像素光谱空间转换到对象尺度空间,利用多尺度分割形成的几何特征向量进行变化检测。以陕西省渭南市为研究区域,使用本方法检测该区域2002~2009年的地表覆盖变化。从变化检测结果可以看出,本文方法的检测效果优于其他传统检测算法。

日光温室的纹理特征分层提取

针对高分辨率影像上日光温室的信息提取问题,该文提出了利用支持向量机、最近邻算法结合纹理特征在不同层上分别提取连片日光温室和独栋日光温室的方法。实验表明:纹理特征能提高分类精度,在大尺度的层上,分类精度提升幅度较大,但在小尺度的层上,分类精度提升幅度会比较小;并不是参与运算特征数越多,分类精度越高,多数情况下光谱+纹理组合的分类精度最高;提取连片日光温室的最优方案是支持向量机和光谱+形状+纹理(7像素×7像素),总精度为92.86%,Kappa系数为0.90,而提取独栋日光温室最优方案为SVM和光谱+纹理(11像素×11像素),总精度为88.39%,Kappa系数为0.86。