高分辨率遥感影像道路信息智能提取

道路信息对城市规划、交通管理和基础设施建设至关重要。针对高分辨率遥感影像道路信息提取效率低、边界质量差和可视化程度低等问题,提出了一种基于改进ResUnet模型的遥感影像道路提取方法,并结合pyqt5框架实现了高分辨率遥感影像道路信息智能提取系统开发。文章以马萨诸塞州道路数据集为数据源,通过改进的ResUnet网络模型,实现了对高分辨率影像中道路信息的准确提取。结合高分辨率遥感影像道路信息智能提取系统能够快速、准确地完成道路提取任务,为城市交通管理和规划提供了重要支持。

高分辨率遥感影像在地理信息提取中的应用研究

本文重点研究高分辨率遥感影像在地理信息提取中的应用,展示高分辨率遥感影像的定义、分类、获取和处理。分析提取地理信息的重要性和过程,在此基础上重点讨论了地物分类和识别技术、影像配准和融合技术、信息提取和验证技术的关键技术,通过应用案例展示了高分辨率遥感影像在城市规划与管理、自然资源调查与评估、环境监测与保护方面的应用。

内蒙古赤峰柴胡栏子金矿田遥感地质解译和蚀变信息提取与找矿预测

内蒙古柴胡栏子金矿田位于赤峰—朝阳金成矿带的最西北侧,是我国重要的黄金产地,但其自然条件恶劣,遥感地质研究程度较低,对于最主要的控矿因素(地层、构造、岩浆岩)分布特征以及与本区金成矿相关的围岩蚀变信息研究相对较少,利用遥感技术对该矿田进行找矿勘查具有重要意义。本文利用Landsat 8和GF-2遥感影像,结合“主成分分析+最佳指数因子”的方法组合,对柴胡栏子金矿田进行遥感地质解译。根据蚀变矿物的波谱特征,设计去除干扰信息-异常信息提取-异常分级-异常信息处理的蚀变信息提取方案,对Landsat 8和Sentinel-2A遥感影像进行蚀变信息提取;在前人区域地质、矿田地质研究的基础上,依据蚀变信息特征,结合地质解译成果圈定3个找矿靶区。研究表明,利用多源遥感卫星影像对研究区进行地质解译与蚀变信息提取,基本能够满足辅助中比例尺找矿预测及地质综合调查的需要,并提升找矿效率。研究成果对柴胡栏子金矿田未来找矿勘查具有基础性指导意义。

结合多源遥感影像与面向对象方法的桑树信息提取

针对南方多云雨气候条件下获取完整影像源困难及对大宗农作物桑树信息提取的相关研究较少的问题,本文采用多源高分遥感影像结合面向对象的阈值分类与模糊分类方法提取了宜州区水体、人工地物、林地、其他及桑树的地类信息,得到总体分类精度为91%,Kappa系数为0.89,桑树生产者精度为93%,用户精度为97%的较好的分类结果。研究结果表明:多源遥感影像可弥补影像缺失,解决云影覆盖影响信息提取的问题,而面向对象方法与传统的单个像元的分类方法相比更高效快速,能有效避免基于像元分类带来的“椒盐”碎斑,节省数据的后期处理与人工修改,提高工作效率,为南方多云雨地区的桑树种植信息提取提供方法借鉴。

基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法

利用遥感技术快速准确地提取耕地信息是耕地保护的关键环节。以山东省商河县为例,提出了一种基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法。首先采用毯子覆盖法计算多季相遥感影像每个像元的上分形信号和下分形信号,对比分析耕地和其他土地利用类型的分形特征,选取上分形信号的第3尺度作为特征尺度,提取商河县耕地空间分布特征;其次采用同时期的土地利用矢量数据、Esri land cover数据和统计数据进行耕地信息提取精度评价;最后分别设置多季相分形提取与单季相分形提取、现有土地利用数据产品的对比实验,并基于点位匹配度和面积匹配度进行评价。结果表明:多季相数据更能反映农作物生长的复杂性,有助于提高耕地信息的提取精度;不同土地利用类型在不同分形尺度的信号值各不相同,分形特征可以在不同尺度上清晰地刻画出不同土地利用类型的分异性;基于矢量数据和Esri land cover数据评价的多季相分形特征耕地提取点位匹配度为87.13%和89.83%,面积匹配度为99.73%和97.91%,均比单季相分形提取结果精度高;综合考虑点位匹配度、面积匹配度和空间分布特征,研发方法能有效区分耕地和其他土地利用类型,提取结果更优,且与统计数据有更高的一致性。该方法可准确提取耕地信息,为耕地的动态监测和损害评估提供技术支撑。

多级对比学习下的弱监督高分遥感影像城市固废堆场提取

城市固体废物是城市化进程中的重要污染源,对城市生态环境和公共健康造成了巨大危害。高分影像固废堆场智能解译是实现自动排查,提升监测效率的核心和关键技术。基于深度学习的固废堆场自动提取方法严重依赖于获取成本高、制作难度大的高质量像素级标注。为此,本文提出使用更易获取的影像级标注,利用影像自监督学习实现像素级固废堆场提取。围绕固废堆场的影像特征,本文方法在尺度对比约束下综合像素、影像两个层次的对比学习方法,对固废堆场的类别激活图细化和完善,并基于此生成高质量的固废堆场伪像素级标注,用于训练固废堆场提取模型。试验结果表明,本文方法在固废堆场提取的F 1值和IoU分数方面分别达到了71.58%和55.74%,显著优于所有对比方法。这说明利用多级对比学习的弱监督方法能够获得更加完整且准确的类别激活图,从而取得更高的固废堆场提取精度。

基于高分辨率遥感影像和改进U-Net的城市绿地提取

准确掌握城市绿地的面积和空间分布对于城市园林绿化规划和管理具有重要意义。针对U-Net网络提取城市绿地存在的参数冗余和边界特征丢失等问题,本研究提出一种基于改进U-Net网络的城市绿地信息自动提取方法。该方法采用MobileNetv2作为编码部分,结合交叉熵损失函数和Dice损失函数以提高模型的泛化性并解决样本不平衡的问题。同时,引入空间通道压缩与激励模块以解决边界特征提取不准确的问题,在提高模型精度和速度的同时,降低参数量。结果表明:(1)改进的U-Net模型在城市绿地提取的精度和速度方面优于其他4种经典模型,参数量仅为6.9M;相较于原始的U-Net模型,改进后U-Net模型的mIoU提高0.63%,参数量减少77.77%,平均帧数提高2.77倍,表明该方法在显著减少模型参数的同时,仍能保持较高的精确性。(2)实际应用方面,研究部署最优模型对长沙市区的绿地进行自动提取,共提取75549个绿地图斑,面积范围从0.0001hm^(2)到706.39hm^(2)不等;分区统计结果显示,岳麓区绿地面积最大,芙蓉区最小,与目视解译结果基本一致。本研究不仅提供了一种改进城市绿地提取精度和速度的方法,而且具有一定的实用价值,为城市绿化规划和管理提供有力的数据支持。

基于文本语义驱动的遥感影像要素提取

随着遥感技术的快速发展,高精度的遥感影像要素提取在地理信息科学、城市规划和环境监测等领域变得尤为重要。然而,传统基于图像的遥感影像要素提取方法在面对复杂和多变的地表特征时,往往精度有限,难以适应多样化的应用需求。为了解决这一问题,文章提出了一种新型的基于图像和文本的多模态遥感影像语义分割框架(MMRSSEG)。该框架通过综合运用视觉和文本信息,利用深度学习技术,实现对遥感影像的高精度解析。经过在遥感影像建筑物数据集上进行的一系列实验,实验结果表明:与传统的图像分割方法相比,MMRSSEG能显著提高像素级遥感影像要素提取的准确性。在建筑物识别任务中,该方法比传统的单模态算法取得了更好的效果。实验结果充分证明了结合多模态的文本信息在遥感影像分割中的有效性和应用前景。

基于深度卷积神经网络的高分遥感影像高速铁路沿线建筑物信息提取

高铁沿线两侧的建筑物及其附带的人类生产活动可能造成轨道异物入侵、路基沉降等问题,是影响高铁运营安全的潜在因素。对高速铁路两侧建筑物进行定期监测,及时发现隐患并处理,有助于提高高速铁路运营的安全性。目前以人工定期排查为主的方式不能满足我国日益庞大的高速铁路网络需求。高分辨率遥感影像具有高时效性、综合性和经济性等优点,围绕其发展的自动信息提取技术也日益成熟,为沿线建筑物监测提供了技术手段。

基于多源卫星影像的农作物种植信息遥感提取方法研究

精准的农作物种植信息对于掌握耕地基础信息、宏观调控农业产业结构等方面具有重要的意义。本研究综合利用基于多源卫星影像的遥感技术理论和方法,开展对浙江省杭州市临安区昌化镇的农作物种植信息进行提取。研究结果表明:基于U-Net的深度学习技术在Kappa系数、总体分类精度、生产精度、用户精度几方面均优于基于eCogniton软件的提取方法,可为快速开展大规模农作物种植信息提取工作提供科技保障。

基于深度学习的遥感影像自然资源信息自动提取技术研究

本文利用深度学习解译技术,建立自然资源样本库,构建地物分类模型,实现遥感影像自然资源信息自动提取,并对解译结果进行精度评价。结果表明,基于深度学习技术的解译效果较为理想,能提升解译精度和效率,为建立高效、完善的自然资源遥感监测服务体系提供了先进的技术手段。

基于U-Net网络的高分辨率遥感影像地理信息提取方法

针对使用传统方法提取边缘信息受到光线动态变化影响,导致提取完整度低的问题,本文提出了基于U-Net网络的高分辨率遥感影像地理信息提取方法,并构建了基于U-Net网络的提取模型,采用128 d特征矢量来表示特征点的信息,结合高斯法对特征向量进行加权处理,克服光线动态变化的影响,获取高分辨率遥感影像地理边缘特征描述子。利用Hough转换技术对目标轮廓进行了检测,确定地理信息区域轮廓。设定滑动视窗大小,分离出噪声,将地理边缘特征描述子合并,得到地理信息特征点集。结果表明,该方法提取完整度最高可达到99%,能够有效提取大部分的地理信息。

浅谈生态修复中卫星遥感影像信息提取与分析

新时期,伴随着我国社会经济的飞速发展,社会各界对自然资源的开发和需求也在不断增加,无形中导致生产环境污染日益严重,使得生态环境恶化不仅是当今世界面临的最大问题之一,同时也是我国发展过程中必须解决的重要课题。而生态修复作为一种可持续发展的重要手段,借助卫星遥感影像信息提取与分析的应用具有重要的理论意义、实践价值和社会效益。基于此,本文主要生态修复中卫星遥感影像信息提取与分析等内容进行探讨分析。

基于多时相遥感影像的作物种植信息提取

为了快速、准确地在遥感影像上对作物种植信息进行提取,该研究运用多时相的TM/ETM+遥感影像数据和13幅时间序列的MODISEVI遥感影像数据,采取基于生态分类法的监督分类与决策树分类相结合的人机交互解译方法,建立决策树识别模型,对黑龙港地区的主要作物进行遥感解译,总体分类精度达到了91.3%,与单纯对TM影像进行监督分类相比,棉花、玉米、小麦、蔬菜4类作物的相对误差的绝对值分别降低了1.3%、20.5%、2.0%、13.8%。结果表明该方法的分类精度高,能较好的反映作物的分布状况,可为该地区主要作物种植结构调整提供科学依据,还可为其他区域尺度作物分布信息的提取提供参考。

高分辨率遥感影像信息提取与目标识别技术研究

由于高空间分辨率遥感影像海量数据、复杂细节和尺度依赖的特点决定了高分辨率遥感影像处理的技术难点。在总结以往高分辨率影像(航空影像)信息提取技术的主要难点和不足,从理论上和实践上分析了基于特征基元的高分辨率遥感影像处理与分析的意义,提出了基于特征基元的高分辨率遥感影像多尺度信息提取技术框架。最后对此框架进行总结与分析,指出了目前研究中仍存在的难点和今后的研究重点。

高分辨率遥感影像信息提取及块状基元特征提取

分析了基于目标基元的遥感信息提取技术相对于传统的基于像元的处理方式所具有的优势 ;结合人类视觉机制和计算机尺度空间理论 ,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术流程框架 ,即在大尺度下进行粗分割后进行块状基元提取的技术及实现过程 ;最后给出了相关实验结果 ,实验表明本文提出的基于基元的遥感信息提取便于与视觉知识和环境知识更好地结合 。

基于多重信息融合的高分辨率遥感影像道路信息提取

在高分辨率遥感影像上进行道路提取一直被认为是一项具有重要意义但很困难的工作。尤其一些与道路光谱相近的地物,分类后与道路相互连接,难以区分。基于面状道路和边缘相互验证和辅助的思想,提出一种高分辨率遥感影像上提纯道路信息的方法。该方法首先在面状和边缘两个方面同时提高提取精度,然后由他们之间的逻辑互运算分割道路与非道路对象,并应用有效的形状指数(如:极惯性矩和狭长度指数)刻画和区分道路与非道路面状目标(如楼房等),最终达到提纯道路的目的。实验结果表明了本文方法在去除非道路目标,提纯道路网络方面的有效性。

高分辨率遥感影像在岩墙地质体信息提取中的应用

高分辨率遥感影像可明显表现地物的几何结构和纹理特征，从而使得在较小空间尺度上观察地物细节变化、进行大比例尺遥感制图成为可能。利用高分辨率QuickBird遥感影像，对新疆巴楚县麻扎尔塔格山地区的岩墙进行计算机辅助地质解译，共获得1227条岩墙。结合GIS空间分析方法获得了解译岩墙长度、走向分布等特征。结果表明：该地区76％的解译岩墙走向为NNW（135°～180°）；QuickBird能够满足1：2．5万地质调查的要求；通过地质分析综合解译结果获得了麻扎尔塔格岩体内部存在发育岩墙、岩墙形成应晚于内部的正长岩体的新认识。探讨并验证了高分辨率遥感影像在中小规模地质体解译中的可行性和有效性。

基于TM遥感影像的玉米地专题信息自动提取

TM遥感影像中专题信息的自动提取是目前遥感界的研究热点,也已成为遥感信息生产流程中的瓶颈环节。本文分析了耕地专题信息自动提取的研究现状,选取了吉林中部和辽宁省东北部作为研究区,采用监督分类的方法对研究区TM遥感影像进行分类,提取了玉米地专题信息,玉米地信息的提取精度为85.5%。根据遥感影像目视解译的原理,提出了基于多特征空间的遥感影像专题信息自动提取的研究方法,通过对多特征空间的数学描述和计算机处理实现遥感专题信息的自动提取。采用多特征空间的方法将玉米地信息分为光谱特征空间、形状特征空间、区域地学特征空间和干扰特征空间,应用ERDAS8.5遥感图像处理软件中的knowledge engineer模块的开发功能,设计了基于多特征空间的玉米地专题信息自动提取的专家库,使用专家库对玉米地信息进行了自动提取,提取精度为92.9%。从基于多特征空间的分类结果与监督分类结果的比较发现,基于多特征空间的自动提取方法可以提高专题信息的提取效率,对未来实现遥感影像的智能解译是一种研究方法的探索。

从遥感影像提取道路信息的方法评述

介绍了国内外比较成功的几种从遥感影像提取道路信息的技术方法 ,归纳其方法原理 ,评述其优缺点 ,提出存在问题及继续研究的建议。