基于分水岭变换的遥感影像面向对象多尺度分割算法研究

面向对象多尺度分割技术建立一种基于多尺度分割、逐级分层提取地物边界的方法。并基于这一思想,提出基于分水岭算法和异质性最小区域合并算法相结合的快速分割方法。试验表明,该方法能快速准确地获得高分辨率遥感图像的分割结果。

基于高分辨率影像的固体废物自动识别技术

随着经济快速发展,工业固废、非正规垃圾、未覆盖建筑渣土等固体废物急剧增加,对区域生态环境造成极大威胁。固废堆场具有面积小、分布散等特点,目前国内仍缺少针对各类固废堆场的遥感自动识别研究。为此,基于国产高分辨率卫星遥感数据,根据野外实地光谱采集结果,分别开展了未覆盖建筑渣土、工业固废及非正规垃圾的自动识别方法研究,提取研究区各类固废堆场。结果表明:未覆盖建筑渣土在蓝波段与绿波段分别存在“吸收谷”与“反射峰”,基于该特征构建的比值指数模型,结合直方图双峰法阈值分割可以有效提取未覆盖建筑渣土区域;工业固废、非正规垃圾2种固废类型多样,光谱反射率没有明显规律,结合其纹理、色调等特征,采用面向对象多尺度分割、支持向量机监督分类方法能够较好地识别2种类型固废;基于自动化提取技术并结合人机交互判读方法,提取的研究区未覆盖建筑渣土、工业固废及非正规垃圾等3种固废堆场的精度分别达到96.83%、88.26%、85.71%,各类固体废物遥感识别精度较高,极大提高了固废监测效率。

应用无人机影像提取毛竹林立竹度

采用无人机航拍影像,依据毛竹冠幅几何特点,依据面向对象多尺度分割原理构建毛竹株数量识别单元,比对分析K邻近法(KNN)、支持向量机(SVM)、随机森林(RF)的提取效果,确定毛竹立竹度提取的最优算法。结果表明:1株毛竹几何形状趋近圆形,2株趋近于长椭圆形,3株以上近似于长条形,与图像中毛竹的冠层形状特征与毛竹识别单元类型具有一致性。验证结果KNN、SVM、RF提取立竹度总体精度平均值分别为90.70%、89.64%、94.56%,对应的Kappa系数分别为0.859 7、0.830 6、0.945 6,其中RF的精度最高。整体上,基于毛竹立竹度识别单元的构建,结合RF分类方法比其他两类分类方法更具优势,实现了有效的毛竹林立竹度提取。

生物多样性保护优先区用地类型遥感监测研究

遥感技术已成为用地类型信息分类提取的主要手段。本文以生物多样性保护优先区海南省琼中县中平镇为研究区,研究面向对象方法的高分辨率遥感影像用地类型分类提取。针对城镇、道路、湿地、人工林、自然林、农田、裸地等分类对象光谱、形状、纹理特征的差异,采用面向对象的多尺度分割算法,尝试不同的分割尺度,采用包括NDVI、亮度值、波段均值、边界指数、以及灰度共生矩阵均值、灰度共生矩阵熵等多种有效的特征参数,建立分类规则集,最终应用该分类规则集对实验区的高分辨率影像进行用地类型分类。经验证,该算法总体精度达到92.26%,Kappa系数达到0.84,实现了用地类型信息的高精度、快速提取。