基于遥感影像的居民地提取研究综述与展望

从遥感影像中提取居民地已有许多研究,但仍存在许多问题有待解决。针对与居民地提取相关的三个关键问题(居民地影像特征的定量描述、居民地遥感提取模型和提取结果的精度评价)的国内外研究现状分别进行了较全面地综述,介绍了具有代表性的方法,并对各种方法的特点进行了分析,最后对居民地提取的相关研究进行了展望。

视觉显著性与知觉组织相结合的高分影像居民地提取方法

受人类视觉认知机制的启发,提出了一种利用视觉显著性与知觉组织相结合的高分辨率遥感影像居民地提取方法。首先利用认知物理学中的数据场构建居民地的视觉显著性模型,并通过自适应阈值法实现候选居民地的自动提取,然后利用多尺度小波变换的高频特征实现居民地的知觉组织,最后通过集合交运算提取同时满足这两种视觉机制的居民地。通过ZY-3和Quickbird两种高分传感器的影像数据集进行居民地提取试验,验证了该方法的有效性。

结合分形理论和修改的方向最大最小方差的居民地提取方法

传统的居民地提取方法存在以下不足:第一是提取的居民地存在误判的情况;第二是提取的居民地边界不准确,效率低;第三是很难适用于不同空间分辨率的图像。为克服这些问题,本文提出了一种基于分形理论和方向最大方差(DMAV)和修改的方向最小方差(MDIV)的居民地提取方法,算法共分为三个步骤:第一步是利用分形特征和修改的方向最小方差提取居民地的候选区域;第二步是利用形态学滤波和面积阈值法除去干扰区域,并对提取的居民地区域进行修整;最后是利用方向最大最小方差,对居民地边界进行精确的定位。本文用了大量的遥感图像验证了提出算法,实验证明,本文方法是精确的、有效的。

基于小波纹理和基元合并的高分影像居民地提取

由于高分辨率全色影像(简称"高分影像")中的信息高度细节化,再加上噪声的影响,会导致传统基于纹理特征的居民地提取方法效果不理想。为此,提出一种基于小波纹理和基元合并的居民地提取方法。首先,利用结合小波变换(wavelet transform,WT)的分形网络进化算法(fractal net evolution approach,FNEA)获取初始基元,并对基元的多尺度小波纹理进行分析;然后,在人工给定种子基元的基础上合并具有相似纹理的基元;最后,对基元合并的结果进行数学形态学修整,得到居民地区域。利用天绘一号(TH-1)全色影像对所提方法进行验证及对比分析的结果表明,该方法对高分影像中的街区式居民地可取得较高的提取精度和计算效率。

基于局部特征和投票表决法的居民地提取

本文针对高分辨率影像中详细的居民地局部信息，提出基于局部特征的居民地提取方法，即以Gabor滤波提取局部特征点，并依据局部特征点建立投票表决模型，然后在选票分布上依据最优阈值分割出居民地区域。实验结果表明：该方法具有良好的居民地分割效果。

基于知识发现的TM图像居民地自动提取研究

快速准确获取不同类型居民地的空间分布信息具有极其重要的意义。居民地的分布具有点多、面广的特点 ,这使得地面调查的方法费工费时。遥感技术的发展为居民地的获取提供了先进的技术手段 ,但是目前从遥感图像中提取居民地的方法多为目视判读提取 ,这种方法难以满足诸如灾害评估等方面的实时要求。为此以居民地背景较好的成都平原为例 ,通过对该区 1 988年的 TM图像上不同类型居民地及其背景的光谱特征进行分析 ,发现了该区两大主要居民地类型的光谱特征知识 ,这两大类型分别为以水泥顶或瓦顶房屋为主的居民地 ,主要为城镇一级以上的居民地 ,另一类为以草顶为主的集村居民地。由于城镇一级的居民地 ,其光谱特征与河滩地比较接近 ,为此又进一步引进了居民地与水体和道路的空间关系知识。利用所发现的知识分别建立了城镇居民地的提取模型和集村居民地的提取模型。实例研究表明 ,在居民地背景比较好的平原地区 ,利用这两种模型不仅可以实现自动提取以水泥顶或瓦顶房屋为主的居民地 ,而且还能够提取以草顶房屋为主的居民地 ,其精度可以达到 85%。

一种面向对象的TM影像的居民地提取方法

提出了一种面向对象的TM影像的居民地提取方法,利用对象的光谱信息及其几何特征和空间信息识别居民地,实现了TM影像的居民地提取,结果表明这一方法效果很好。

利用POLSAR数据探索极化相关系数在居民地提取中的作用

利用渭南地区ALOS-PALSAR极化数据,探索右旋—左旋圆极化相关系数|ρrrll|、水平—垂直线性极化相关系数|ρhhvv|以及规范化的圆极化相关系数|ρrrll|/|ρ0|在城市及乡镇居民地提取中的应用潜力。研究证明:①|ρrrll|是提取城镇居民地信息的重要参数,但对于个别非居民地地区(文中的渭河河滩地区),|ρrrll|无法将其与居民地区分,结合|ρhhvv|与|ρrrll|能够增加居民地的识别能力,提高居民地的提取精度;②|ρrrll|/|ρ0|参数对于研究建筑物结构具有很大的潜力,但对于居民地信息提取,尤其是乡镇地区的居民地信息提取作用不大。

结合深度网络与知识迁移的居民地跨地域提取方法研究

居民地内部组成复杂且样本稀少,导致传统监督范式提取精度低、范围小、跨地域提取不可靠等问题。基于此提出一种结合深度网络与知识迁移的框架,用于从高分辨率遥感影像中跨地域提取居民地。该框架在无需居民地监督信息的条件下,通过分析建筑与居民地的高相关性,采用地理映射实现知识迁移,利用建筑数据自动构建居民地样本集。使用深度网络迁移学习获取建筑范围,经模型微调实现跨地域居民地自动提取,并与常用的传统特征设计和全监督深度网络方法进行对比。研究结果表明,在相同的自动化程度下,该框架居民地提取精度优于其他方法,在测试数据上的分类F1指数为85.6%,IOU为74.8%。该框架泛化能力强、样本获取代价低,可为高分辨率遥感影像跨地域居民地提取提供参考。

基于样本自动扩充的街区式农村居民地遥感提取方法

与基于非监督分类机制的居民地提取方法相比较,基于监督分类机制的居民地提取方法具有较高的提取精度。但是,基于监督分类机制的方法依赖于人工标注的训练样本,繁琐的标注工作限制了这类方法在遥感大数据时代的应用。利用监督居民地提取方法具有较高提取精度的优点,同时克服这类方法需要人工标注样本的缺点,能够建立更为实用的居民地提取方法。为此,针对中国华北平原广泛分布的街区式农村居民地,提出一种基于监督分类机制且仅需单个人工标注样本的居民地遥感提取方法。该方法首先根据居民地在遥感影像上的特征设计居民地排除规则,对划分的影像块进行初步分类;然后,从划分为非居民地的影像块中随机挑选一定量的影像块作为负样本,以人工标注的单个正样本为基础进行正样本扩充;最后,采用k-近邻分类法训练居民地分类器,对初步判定为居民地的影像块做进一步分类。试验结果表明,方法能够准确地提取影像中的居民地,对地物背景存在差异的遥感影像具有良好的提取效果。

假高帽变换的高分影像居民地信息提取

针对高分辨率遥感影像暗背景下亮居民地的提取问题,该文提出了一种基于形态学多轮廓结构元素假高帽变换的提取方法。该方法首先采用腐蚀型边缘检测算子对影像进行预处理,接着利用多轮廓结构元素分别对影像进行假高帽变换,然后对各个处理结果进行加权融合,最后对加权融合后图像区域生长完成轮廓跟踪。实验结果表明,该方法能够提取居民地,特别适合于暗背景下较亮区域居民地的提取,并且提取效率较高,对于遥感影像居民地提取的研究与应用具有一定的参考价值。