基于纹理方向和角点的居民地信息提取

高分辨率遥感影像中规则建筑聚集街区式居民地纹理方向性明显且含有丰富的角点,为了充分利用该特性,以简化滤波器参数设置,提高居民地提取精度及效率,提出基于纹理方向和角点的高分辨率遥感图像居民地信息提取方法。该方法首先对遥感图像进行特定方向角度的Gabor滤波变换;并将滤波器组输出的不同方向滤波影像进行重构。然后对滤波影像做Harris角点检测;并计算检测结果影像的角点密度似然度。最后将角点密度似然影像进行阈值分割以提取影像上的居民地信息。实验结果表明,该方法对乡村及山区居民地信息提取的Kappa系数分别达到0.954 2和0.894 4,保证了居民地提取的精度。同时,算法中各参数的鲁棒性较好,其中中心频率不需要反复的选取试验,从而提高了居民地信息提取的效率。

遥感影像空间分辨率对居民地信息提取的影响

利用遥感手段,以低廉的成本有效获取包括居民地在内的地表信息是促使卫星遥感数据转化为现实生产力的根本所在,也是遥感应用领域中亟待解决的重要课题。目前虽然已有"空间分辨率越高,遥感分类精度也越高"的共性认识,但是遥感影像空间分辨率的不同对于城镇和乡村这两种不同类型的居民地信息提取产生怎样的影响等,目前尚无明确答案。本文首先以同一区域不同空间分辨率的4种卫星遥感影像数据为信息源,定性探讨居民地在不同分辨率遥感影像上的表现特征;然后以两种不同分辨率的影像ALOS和TM为实验对象,对这两种影像上城镇和乡村居民地信息提取精度进行比较分析。结果显示:虽然基于10m-ALOS影像的居民地信息提取精度较30m-TM影像约提高6.09%,并且无论是依据哪一种空间分辨率的遥感影像,城镇居民地的信息提取精度都明显高于乡村居民地,但是,对于分散式分布的乡村居民地,遥感影像空间分辨率的下降令其遥感识别更容易受到周边环境的影响,其信息提取精度会随着遥感影像空间分辨率的增加而显著提高;相比之下,城镇居民地的信息提取精度随遥感影像空间分辨率增加的趋势是有限的。造成这一现象的原因主要在于虽然居民地的轮廓清晰性以及像元的纯净度都与遥感影像的空间分辨率基本上呈正相关,但是空间分辨率的提高会放大居民地内部结构的细节,从而对居民地的遥感识别与信息提取工作增加一些干扰性的噪声信息。

基于谱间特征与多种指数分析的居民地信息提取方法

本文在分析现有居民地提取方法的基础上,提出将归一化建筑指数(NDBI)、改进归一化差异水体指数(MNDWI)、土壤调节植被指数(SAVI)、比值居民地指数(RRI)相结合进行居民地信息提取的方法。以浙江省宁波市为例,通过光谱采样及各类地物在4种指数上的取值分析,建立模型进行居民地信息提取及精度验证,结果表明:利用该模型可以实现居民地信息的自动提取,能提高居民地与裸地的可分性,减少背景地物的影响,总体精度为91.08%。

基于空频域纹理特征的高分辨率遥感图像居民地提取

为了解决高分辨率遥感图像中居民地信息因光谱和结构复杂度高造成的提取精度低、速度慢等问题。提出一种基于空频域纹理特征的高分辨率遥感图像居民地提取算法,该算法首先对高分辨率居民地图像分别进行特定方向Gabor滤波和分形维数的计算,然后依据得到的空频域纹理图像的局部纹理灰度特征对居民地信息进行提取,最后对提取初步结果进行形态学优化得到最终的提取结果。实验结果表明,该算法对乡村地区和山区居民地信息提取的总体精度达到97%以上,与传统的分形维数方法和Gabor滤波方法相比,误提率降低了45%以上。实现了全自动、有效的提取平原、山区两种地貌的居民地信息。

采用改进全卷积网络的“高分一号”影像居民地提取

针对现有的高分辨率遥感图像居民地信息提取精度和效率不够高的问题,提出了一种基于改进全卷积网络的"高分一号"(GF-1)遥感影像居民地提取方法。首先,通过专业的目视解译制备大量居民地训练样本;然后,将预训练过的深度卷积神经网络进行全卷积网络的改造,并以具有多尺度卷积核的Inception模块代替由全连接层改造的卷积层,达到减小网络模型参数量、增加特征表达能力的目的;最后,用制作好的高分辨率遥感图像居民地数据集进行训练和验证,生成可直接进行居民地信息提取的全卷积网络。实验结果表明,基于改进全卷积网络的方法可以实现精确有效的居民地信息提取,Kappa系数超过94%。