基于P5像对与GeoEye-1影像的近地表地层产状的提取

通过对P5立体像对、GeoEye-1影像的处理与分析,分别进行了数字高程模型的提取和地层的划分,用检查点法和目视检查法对提取的数字高程模型的误差评估结果显示,误差在5m以内,满足产状提取的要求。根据地层划分结果,在不同时代的地层边界处和同时代地层内部选择岩层三角面发育较好、产状相对稳定的区域,选取用于地层产状提取的点,并获取其三维坐标,然后在MATLAB环境下根据三点法或多点拟合法原理及公式编程提取地层产状。野外验证结果表明,提取的产状倾角误差均在6°以内,其中85%的误差在4°以内,中误差在3°以内,均在定量研究可接受的范围之内,并分析和总结了误差产生的主要原因。研究结果表明,利用P5立体像对与GeoEye-1影像提取近地表地层产状的方法,有效地约束了浅层构造的形态,减少了构造分析的不确定性,对柯坪的构造变形研究具有重要意义。

基于GeoEye-1影像的城区建筑物提取方法研究

在传统信息提取方法的基础上,提出监督分类和规则分类相结合的方法以及基于知识规则的多尺度分割方法进行建筑物的提取,旨在简单高效地从高分辨率影像数据中准确提取出城区建筑物,并通过北京市区的GeoEye-1影像进行方法验证。结果表明:提出的两种方法的Kappa系数均达到了87%,相比传统的监督分类方法提高了22%,其中生产者精度提高了30%以上,精度较高,而且这两种方法原理简单,适于流程化操作,具有明显的优越性。

基于分形理论与GEOEYE-1影像的NDVI连续空间尺度转换模型构建及应用

基于GEOEYE-1多光谱影像、以归一化差分植被指数(NDVI)为研究对象继续就分形方法在高空间分辨率基础图影像中的适用性进行研究,并就分形模型构建最合理尺度层级的确定进行细致探讨.实验表明,基于分形理论的NDVI连续空间尺度转换模型构建方法适用于高空间分辨率遥感影像;在给定的条件下,NDVI尺度转换分形模型构建时最合理尺度层级存在且可计算.研究使得分形方法所适用的反演量类型及基础图空间分辨率范围皆有大的扩展.

基于Geoeye-1影像光谱特性的红树林冠层种类识别

基于Geoeye-1高空间分辨率影像与冠层实测高光谱数据,以广西北部湾五种红树群落为研究对象,分析影像光谱用于冠层种类识别的能力。首先研究红树林冠层光谱响应特征,再针对影像采用高光谱分析方法提取端元,结合实测训练样本进行不同方法的识别对比。结果表明:350～1 100nm谱段内以435,469,523,677,751和761nm为中心波段的红树群落冠层光谱表现最佳;木榄端元应用识别精度高于实测训练样本应用结果;光谱角制图法能够克服多光谱波段对全色波段分辨率的影响,并有效获取冠层轮廓。利用Geoeye-1影像光谱信息可有效识别三种红树植被,种类最高识别精度达93.03%。研究证实高空间分辨率影像光谱信息的重要性,从机理和应用角度为面向对象红树林种类识别提供了依据和参考。

GeoEye-1影像数据融合方法评价

本研究针对高分辨率GeoEye-1影像,选取IHS变换、主成分变换、Gram-Schmidt变换、高通滤波、小波变换和Pansharp六种融合方法,利用定性与定量的方法对各种方法的融合结果进行评价。结果表明,实验中的6种融合方法,Pansharp效果最好。

基于GPU的GeoEye-1影像正射纠正

在介绍和分析GPU并行编程方法的基础上,给出了在GPU上进行Geo Eye-1影像正射纠正的算法过程。利用NVIDIA Quadro 600显卡对31 985像素×15 251像素的3波段Geo Eye-1影像进行正射纠正,其总体速度比没有加速的算法提升40%以上。试验结果表明,采用GPU并行处理技术可以提升遥感影像处理效率。

ERDAS Objective模块下基于GeoEye-1影像的二维特征信息提取技术研究

ERDAS Objective模块是ERDAS 9.3版开始推出的面向对象的信息提取模块。为了应用Objective模块实现GeoEye-1影像的二维特征信息自动提取,本文首先介绍了Objective模块的设计理念、原理和功能;分析了应用Objective模块进行二维特征信息提取的关键技术和步骤;然后针对GeoEye-1影像的性能,分别研究设计了道路、建筑物和城市树冠信息的自动提取方案,最后分别针对GeoEye-1影像的多光谱影像、全色影像和融合影像进行信息提取试验和精度评价。试验表明:在Objective模块下,应用本文设计的信息提取方案对GeoEye1影像进行二维特征信息提取是可行的,特别是基于多光谱和全色波段的融合影像进行二维特征信息提取时能够达到较高的精度,结合一定的编辑工作,自动提取的信息能够应用于大中等比例尺的数字线划图生产。

基于2010年太子港震后GeoEye-1影像、激光雷达数据的建筑物提取和瓦砾制图

2010年1月12日海地发生了特大地震,本文使用GeoEye-1影像和机载激光雷达数据(光探测和测距)对震后太子港地区建筑物以及破损建筑物的碎片瓦砾出图。方法是基于影像和雷达数据,综合光谱、结构和高度信息,采用面向对象土地覆盖分类技术。总体分类精度约为87%,而建筑物和瓦砾接近80%。在城中心一个2km2范围内,与人工筛选出的200个实际损毁建筑相比,此方法达到90%的准确度,并且建立了覆盖太子港地区约30km2共55000栋建筑物的三维建筑模型。我们发现,大多数受损建筑物是城市规划区的混凝土和砖体结构,而受损较小的则是庇护所和临时用金属片屋顶搭建的房屋。研究表明,融合光学图像和激光雷达数据可以有效地反映由地震造成的城区破坏性质、严重程度、受害范围和受损模式,而这些地区人口稠密,比如太子港。

基于HJ-1星和GF-1号影像融合特征提取冬小麦种植面积

为提高基于国产环境与灾害监测预报卫星(HJ-1/CCD)影像大范围提取冬小麦种植面积的精度,以江苏省宿迁市沭阳县为研究区域,对冬小麦拔节期30 m×30 m的HJ-1/CCD多光谱影像和2 m×2 m的高分1号卫星全色影像(GF-1/PMS)进行融合与面向对象分类研究。将GF-1/PMS全色影像进行8、16和24 m重采样,得到4种空间分辨率(含2 m)的全色影像,分别与HJ-1/CCD多光谱影像利用光谱锐化法(Gram-Schmidt,GS)进行融合。通过对融合影像进行质量评价,选择适合研究区冬小麦种植田块格局的适宜尺度影像。将HJ-1/CCD多光谱影像重采样,得到与适宜尺度融合影像相同尺度的影像,在两景影像中分别选取包含光谱、纹理信息的训练融合影像样本(samples of fused image,SFI)和重采样影像样本(samples of resampling image,SRI),采用面向对象分类方法对适宜尺度融合影像(fused image,FI)和重采样影像(resampling image,RI)进行冬小麦种植面积提取。结果表明,16 m×16 m融合影像的效果优于2 m×2 m、8 m×8 m和24 m×24 m融合影像,其均值、标准差、平均梯度和相关系数分别为161.15、83.01、4.55和0.97。面向对象分类后,SFI对重采样影像RI16m分类的总体精度为92.22%,Kappa系数为0.90。SFI对融合影像FI16m分类的总体精度为94.44%,Kappa系数为0.93。SRI对重采样影像RI16m分类的总体精度为84.44%,Kappa系数为0.80。SFI对融合影像FI16m分类效果最好,说明基于融合影像和融合影像提取样本(SFI)结合的面向对象分类方法能准确提取冬小麦种植面积。另外,重采样影像和融合影像提取样本(SFI)相结合的面向对象分类方法也可较好提取冬小麦种植面积。为利用国产中空间分辨率HJ-1/CCD卫星和高分1号卫星融合影像有效提取大区域冬小麦种植面积信息提供了参考。

基于无人机正射影像的玉龙雪山白水河1号冰川末端冰裂隙提取

冰川是冰冻圈的重要部分,对局地乃至全球气候变化响应敏感。冰裂隙作为冰川表面上显著的特征,对于认识冰川的状态、稳定性以及内部应力有着重要的作用。针对冰川冰裂隙高精度快速识别提取问题,本文以玉龙雪山白水河1号冰川为研究对象,使用无人机航拍获取的0.12 m分辨率的正射影像,应用U-Net深度学习网络开展白水河1号冰川的冰裂隙的智能提取研究。使用U-Net网络提取冰裂隙的精度高于传统的Canny算子以及SVM算法,总体精度可高达93%,且U-Net网络泛化能力强。提取结果表明,白水河1号冰川冰裂隙主要为横向裂隙,伸展裂隙以及雁行裂隙,呈现随海拔降低,冰裂隙逐渐由横向裂隙变化为伸展裂隙的趋势,通过不同时期提取结果对比,发现冰裂隙数量和平均长度均有增加。基于无人机影像和深度学习方法的冰裂隙智能提取研究,可为监测冰川变化及其与气候变化的关系提供技术支撑。

基于CT影像组学列线图预测实性非小细胞肺癌组织PD-L1蛋白表达状态

目的:基于CT影像组学预测实性非小细胞肺癌(non-small cell lung cancer,NSCLC)组织细胞程序性死亡-配体1(programmed death ligand 1,PD-L1)蛋白表达状态的价值。方法:回顾性分析经病理证实为NSCLC且影像学上肿瘤表现为实性的患者116例,其中鳞癌55例,腺癌61例,分析其临床与影像资料,筛选临床独立预测因子并构建临床模型。将图像导出并对其平扫及动脉期图像进行配准,手动逐层勾画肿瘤的感兴趣区域并提取影像组学特征,经过特征筛选后构建影像组学模型并计算每例患者影像组学评分,将影像组学评分与临床独立预测因子进行联合构建列线图。使用受试者工作特征曲线(receiver operating characteristic curve,ROC)的曲线下面积(area under the curve,AUC)评估模型诊断效能,使用决策分析曲线(decision curve analysis,DCA)评价模型的临床效用,利用DeLong检验评估模型之间差异。此外,按鳞癌和腺癌两种病理分型进行分组并进行亚组分析。结果:空洞和影像组学评分是预测PD-L1表达的临床独立预测因子(空洞有优势比为3.624,影像组学优势比为2.532)。列线图的诊断表现(训练组AUC vs验证组AUC:0.861 vs 0.803)优于影像组学模型(AUC:0.847 vs 0.777)和临床模型(AUC:0.608 vs 0.570)。决策曲线表明,列线图相比与临床模型和影像组学模型具有更高的临床应用价值。亚组分析中,列线图仍然具有很好的诊断效能,且在鳞癌组中的诊断效能优于腺癌组。结论:CT影像组学列线图能够在术前有效的预测实性NSCLC组织PD-L1蛋白表达状态,能够为临床方案选择和术前决策提供帮助。

ADC影像组学模型对成人颅内较低级别胶质瘤1p/19q分子特征的预测价值

目的基于术前磁共振表观扩散系数(apparent diffusion coefficient,ADC)图建立预测成人颅内较低级别胶质瘤(lower-grade gliomas,LGG)1p/19q分子特征的影像组学模型并验证模型效能。材料与方法回顾性分析于我院2017年1月至2021年12月之间术后病理证实、磁共振数据完整的LGG(WHO 2~3级)患者146例,其中1p/19q联合缺失(1p/19q co-deleted,1p/19q-Codel)68例,1p/19q未联合缺失(1p/19q non-codeleted,1p/19q-Noncodel)78例。按照7∶3的比例,采用完全随机法分为训练集与验证集。图像分割由一位影像医师使用ITK-SNAP软件独立进行,随后选取30例患者图像在医师间进行分割,用于评估所提取特征的稳定性。感兴趣容积(volume of interest,VOI)定义为液体衰减反转恢复(fluid-attenuated inversion-recovery,FLAIR)序列图像中除外明显囊变坏死的异常区域。将FLAIR图像上提取VOI复制至配准后的ADC图上,随后使用Python软件进行影像组学特征提取,并保留稳定性较好的特征进行Z-score标准化。Pearson或Spearman相关性分析以及最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)分析用于特征选择。利用筛选出的组学特征建立影像组学评分(radiomics score,Rad-score)模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线评估Rad-score模型的效能,并在验证集内进行验证。结果146例LGG患者按7∶3的比例随机分为训练集(n=102)和验证集(n=44),两组之间患者的临床特征方面差异无统计学意义(P>0.05)。通过组内和组间一致性分析、Pearson或Spearman相关性分析以及LASSO分析筛选出15个非零系数特征,并构建Rad-score模型。在训练集与验证集内,1p/19q-Codel组与1p/19q-Noncodel组在Rad-score上均存在差异(P<0.001)。同时,Rad-score模型在训练集及验证集中均显示出良好的预测性能,在训练集中ROC曲线下面积(area under the curve,AUC)值为0.896,准确率85.29%,敏感度87.72%,特异度82.22%;验证集的AUC值0.778,准确率77.27%,敏感度71.43%,特异度82.61%。结论基于术前ADC图建立的影像组学模型可以无创性预测成人颅内LGG的1p/19q分子特征。

胸部CT影像特征联合血清GRP78和CST1对良恶性肺结节的诊断价值

目的 探讨葡萄糖调节蛋白78(GRP78)、半胱氨酸蛋白酶抑制剂1(CST1)在良恶性肺结节患者血清中的表达,以及联合胸部CT影像特征在诊断良恶性肺结节中的价值。方法 收集98例2020年1月至2021年12月在本院治疗的肺结节患者作为研究对象,根据病理学结果,将患者分为良性组(n=45)和恶性组(n=53)。比较两组血清GRP78、CST1表达水平和胸部CT影像特征;ROC曲线分析血清GRP78、CST1对恶性肺结节的诊断效能;四表格法分析胸部CT影像特征联合血清GRP78、CST1对恶性肺结节的诊断效能。结果 恶性组血清GRP78、CST1的表达水平高于良性组(P<0.05)。良性组和恶性组在分叶征、毛刺征、血管集束征、胸膜凹陷征之间存在显著差异(P<0.05)。胸部CT影像特征联合血清GRP78和CST1诊断恶性肺结节的准确率为92.86%,敏感度为96.23%,特异度为88.89%。其中三项联合的准确率高于胸部CT影像、血清CST1单独诊断(P<0.05),敏感度高于血清GRP78和CST1单独诊断(P<0.05)。结论 恶性肺结节患者血清GRP78、CST1表达水平显著高于良性患者;胸部CT影像特征联合血清GRP78和CST1在良恶性肺结节的诊断中具有较高的应用价值。

基于国产卫星影像的1∶10000基础地理信息数据更新方法研究

本文利用高分辨率国产卫星影像、立体卫星影像对四川省内1幅1∶10 000地形图进行更新,其中地貌更新影像源为资源三号(ZY3)和高分七号(GF7)卫星影像,地物更新影像源为高分二号(GF2)和GF7卫星影像,通过地貌更新影像源和地物更新影像源的两两组合,实现全要素更新。试验结果表明,利用3种影像源进行全要素更新的成果精度均满足1∶10 000数字正射影像图(DOM)、数字线划图(DLG)、数字高程模型(DEM)生产规范的要求。但从综合生产时间、影像质量和人力成本看,建议在人烟稀少的川西地区,采用ZY3结合GF2卫星影像进行更新,在经济较发达的川南地区,采用ZY3卫星影像结合GF7卫星影像进行更新,在成都平原附近全部采用GF7卫星影像进行更新。

基于GeoEye-1立体像对影像提取建筑物高度的方法研究

在城市规划、公共管理、防灾减灾和导航等领域,高精度的城市建筑物三维信息发挥着重要作用。传统的建筑物高度信息获取方法具有成本较高、精度较低、时效性差的缺点。随着亚米级的高空间分辨率遥感卫星的发展和普及,基于遥感卫星立体像对数据反演建筑物高度信息的方法受到广泛关注。基于GeoEye-1卫星数据,本文提出了一种自动化程度较高的建筑物高度信息提取方法。首先,利用有理函数模型对GeoEye-1立体像对数据进行几何校正,生成数字表面模型;然后,基于多窗口滤波方法,在无须辅助数据的情况下,利用数字表面模型生成数字高程模型,通过叠置分析提取建筑物的高度信息;最后,根据建筑物轮廓数据绘制研究区建筑的高度分布图。研究结果表明,该方法在多种地表类型上提取出建筑物的高度信息具有较高的精度,具有操作简单、处理速度快等特点。

Geoeye-1全色与多光谱影像融合方法

针对传统的像素级融合方法对高分辨力影像融合存在较大光谱扭曲的问题,在分析了Geoeye-1传感器光谱响应特性的基础上,提出了一种适合Geoeye-1全色与多光谱影像融合的高保真方法。本文所提的方法的改进之处主要体现在两个方面:低空间分辨力全色影像的构建方式和空间细节信息注入系数的选取。利用澳大利亚霍巴特地区的Geoeye-1全色和多光谱影像进行了试验研究,从主观评价和定量分析综合评价了新方法与传统的影像融合方法的融合效果,结果表明新方法在光谱信息损失最少的情况下,较大地提高了影像的空间分辨力,与其他方法相比具有更好的综合性能。

基于Sentinel-1影像的浙江省沿海养殖池塘提取与管理

沿海养殖池塘建设能带来巨大的经济效益,对保障海产品供给和丰富居民食物多样性具有重要意义。而养殖池塘的快速扩张也会带来严重的环境危机,故有效揭示养殖池塘的时空分布特征对有序管理沿海养殖池塘至关重要。但养殖池塘大多分布于岸线曲折、靠近海洋的潮滩一侧,有效且高精度识别养殖池塘具有难度。对此,提出结合Google Earth Engine云平台和ArcGIS本地端分类后处理的养殖池塘识别方法,基于地区水体频率、对象特征和精细处理得到了浙江省沿海2016—2021年较高精度的养殖池塘空间分布数据。结果表明:养殖池塘总体精度均大于93%,Kappa系数均大于82%,表明研究方法具有较好的适用性。浙江省沿海养殖池塘面积趋于下降,2016、2019、2021年分别为30360.60、24375.35、21700.02 hm^(2)。养殖池塘地级市集中分布于宁波市、台州市、绍兴市和杭州市,县域聚集于慈溪市、宁海县、三门县、萧山区、上虞区和象山县。浙江省养殖池塘集聚性下降,聚集于海湾、河口、沿海平原与潮滩,如杭州湾、象山港、三门湾、浦坝港和乐清湾。养殖池塘空间差异性突出,其海侧大于陆侧、北部大于南部。

基于GeoEye-1卫星影像的立体测图技术研究

以某试验区的GeoEye-1卫星遥感影像、外业控制资料等数据为基础进行影像区域网平差解算,对平差精度进行分析,并通过部分试验区外业调绘来分析GeoEye-1卫星遥感影像是否满足国家相应规范中1∶10 000、1∶5 000以及1∶2 000地形图修测要求,最终形成基于GeoEye-1卫星遥感影像的立体测图生产工艺流程。

GeoEye-1影像制作数字正射影像图的精度评定

GeoEye-1卫星传感器采用三线阵CCD扫描传感器,拥有空间分辨率高、单景影像地面成像面积大等诸多优点。本文以澳大利亚霍巴特市作为实验区,在ERDAS LPS平台下,结合国家航测规范,试验研究了不同地形和GCPs条件下应用GeoEye-1影像制作DOM的精度及误差分布情况。通过试验我们对应用GeoEye-1影像制作DOM的精度、效率、效益、适应性、作业流程有了客观的认识和评价,为GeoEye-1影像应用于DOM生产中提供了技术支持。

基于Sentinel-1A影像的原阳县玉米和水稻分类时间窗选择

使用遥感技术可以快速、准确地识别作物类型。本研究以河南省原阳县为试验区,基于Google Earth Engine(GEE)云平台,以玉米、水稻关键生育期的Sentinel-1A影像为数据源,分析各类地物的极化特征时序曲线。对6期Sentinel-1A影像进行穷举组合,使用随机森林算法对所有影像组合分类,分析各生育期影像对作物分类的重要性,选出玉米、水稻分类最佳时间窗。结果表明,作物生长中后期影像对作物分类更重要,其中玉米的乳熟期最重要,水稻的灌浆期最重要。全生育期影像组合中玉米的用户精度和生产者精度分别为90.43%和90.53%,水稻的用户精度和生产者精度分别为88.89%和89.01%。经过优选,大喇叭口期至成熟期为玉米分类最佳时间窗,相较于全生育期影像组合,此生育期影像组合的玉米用户精度和生产者精度分别提高了3.38个百分点和5.26个百分点;拔节期至成熟期为水稻分类最佳时间窗,相较于全生育期影像组合,此生育期影像组合的水稻用户精度和生产者精度分别提高了4.73个百分点和2.66个百分点。本研究结果可以为Sentinel-1A影像在原阳县及其附近区域的玉米、水稻种植结构监测研究提供理论依据。