高分辨率遥感影像

摘要： 在更精细的空间尺度下,高分遥感影像呈现更丰富的地物细节信息,信息内容的复杂性、空间性和海量性等特征,给传统遥感影像分割方法带来挑战。针对这些挑战,寻求一种更有效的分割模型和并行化的处理方法是有效提高大尺度高分遥感影像分割精度和处理效率的关键。为此,论文提出基于最小生成树的高分遥感影像层次化分割方法及其并行化重构。前者利用层次化最小生成树模型实现影像复杂场景信息的有效刻画,在此基础上利用区域化模糊聚类模型构建层次化分割模型。后者基于子块切分的并行划分和并行模糊聚类分割方法,实现大尺度高分遥感影像的快速、有效分割。论文的主要工作如下。

摘要： 针对卷积神经网络在提取建筑物的过程中,存在建筑物边界不准确和建筑物内部空洞等问题,提出以RSU模块(residual U-block)为核心的MPRSU-Net(multi-path residual U-block network)。该模块利用编码器-解码器结构和残差连接,实现了局部特征和多尺度特征的融合。由于一个RSU模块提取的信息有限,MPRSU-Net进一步通过多路径结构并行了不同尺度的RSU模块,并在这些模块之间进行信息交换,提高了特征聚集效率。在分辨率为0.3 m的WHU和Inria建筑物数据集上进行试验,精度分别达95.65%和88.63%,IoU分别达91.17%和79.31%,验证了本文方法的有效性。此外,本文方法相较于U^(2)Net,计算量明显降低,模型参数量减少68.63%,表明本文方法具有一定的应用价值。

摘要： 针对当前基于深度学习的遥感图像分割算法只能获取城中村建筑物像素掩膜,而无法直接获取矢量轮廓的问题,设计了一个实例分割模型PolarMask-UV,采用极轴表示代替传统的像素表示以描述目标轮廓,将繁重的逐像素密集预测任务简化为实例中心点分类和稀疏距离回归问题,实现对城中村建筑物的端到端矢量多边形提取。以2017年杭州市的高分二号影像为实验数据,分析结果表明:设计的算法在维持轻量化的同时可以有效地减少错检漏检,并且完整精细地恢复小尺寸目标的边界轮廓,具有良好的泛化性能;相比其他方法,可直接获得矢量边界且平均精度更高。研究成果可为城中村的规划管理业务提供直观准确的建筑物位置、形状及数量信息。

摘要： 利用遥感影像进行建筑物变化检测能够快速获取城镇扩张、违章建筑管控等结果。针对基于单一特征的高分辨率遥感影像变化检测算法检测结果较为粗糙,变化建筑物边缘效果不佳等问题,本文提出一种多特征信息融合与边缘约束的建筑物变化检测方法。引入改进的形态学建筑物指数,通过建筑物的多特征描述与差异特征集融合实现城镇区域建筑物变化信息自动提取,并对其进行边缘约束。首先,针对形态学建筑物指数增加纹理、边缘、空间上下文等特征组成建筑物描述的特征向量集;其次,利用结构相似度判别后的特征向量差异构建建筑物变化的证据源;第三,利用概率模型进行特征信息融合并依据决策规则得到建筑物变化区域;最后,引入SLIC(simple linear iterative clustering)超像素分割算法,将高分影像建筑物变化检测结果与超像素分割的边缘信息融合进行边缘约束,改善边缘检测效果。通过对Google Earth影像和QuickBird多光谱影像进行变化检测,总体精度为93.33%—95.39%,相对于Wang方法、Huang方法和Volpi方法正确率提升11%—19%,漏检率降低5%—20%,虚检率降低11%—25%;采用边缘约束后正确率提升2%—5%,虚检率、漏检率降低2%—5%。试验结果表明:该方法对于不同场景的高分影像均具有较好的鲁棒性,能有效解决变化建筑物边缘检测等问题。

摘要： 针对现有道路提取算法中难以大规模人工标注样本类别标签的问题,提出了一种基于自适应标注样本提取遥感影像道路的方法。首先,通过改进的模糊C均值聚类算法提取道路区域,进行初步的样本标注;其次,利用基于二次投票的集成去噪算法定位标签噪声样本,更新样本数据集;再次,将更新后的样本集投入随机森林训练并预测影像的分类结果;最后,对道路提取结果进行多方向形态学滤波去除非道路区域,得到精确的道路提取结果。通过不同分辨率、不同场景、不同方法的实验结果表明,所提方法可以自主选择并标注样本,相比传统算法具有较高的提取精度,对于高分辨率遥感影像中直线型、曲线型道路均有较好的道路提取效果。

摘要： 为准确预测农村地区公路网中短期发展规模,研究提出了基于高分遥感影像与地形、区域功能及周边环境划分的农村地区公路网中短期发展规模预测模型。模型采用基于地形区域分类的方法,以深度神经网络提取的路网高分遥感影像为基础数据,综合考虑路网分布、自然村分布及路网提取算法精度等客观情况,并对遥感影像质量偏低导致的识别率下降进行了里程修正。不同地区、不同地理区域下的应用实验结果表明,模型预测结果与当地交通运输主管部门基于项目建设计划汇总的发展目标相比,其拟合度在以山地为主的区域达到95.5%,以平原耕地为主的区域达到94.2%。以上结果表明,预测模型在农村地区公路网中短期规模预测方面具有较好的实用性。

摘要： 为了得到更加精细的水稻提取结果,提出一种结合高分辨率和多时序遥感影像的深度学习水稻提取方法。构建全卷积网络(FCN)对BJ-2高分辨率遥感影像进行分类,并利用长短期记忆网络(LSTM)和随机森林(RF)分类器对Sentinel-2多时序遥感影像进行分类,再通过面向对象的分割和投票对3种方法的分类结果进行融合,得到最终提取结果。在宁波市鄞州区这一研究区域的实验结果表明,提出的方法能获得较高的水稻提取精度以及空间细节保留较为完整的水稻提取结果。

摘要： 高分辨率遥感影像具有数据量大、波段少、地物细节纹理信息更加清晰、空间信息更加丰富等特点,因此基于高分辨率遥感影像的道路提取方法研究是当前一个研究热点。但高分辨率遥感影像提供了更丰富的地物目标细节的同时,也使得噪声信息随之增加,如道路上的车辆、道路线、邻近的行树及阴影、建筑物及阴影等,并且在光谱通道上道路与噪声之间存在更强的粘连性。因此,本文通过分析高分辨率遥感影像的道路特征,提出了T型匹配模板道路提取算法,该算法使用角度纹理特征预测道路初始的前进方向,利用T型模板计算道路预测点,采用灰度值最小二乘方法求解最佳道路点,最终提取道路的中心线轨迹。多幅高分辨率遥感影像实验结果分析表明,本文算法可以有效地克服高分辨率遥感影像中道路周边障碍物和遮蔽的噪声影响,完成对道路的有效提取。

摘要： 利用高分辨率遥感影像提取建筑物是目前研究热点之一,但由于建筑物颜色各异、形状大小不同、细节繁多,提取结果普遍存在边缘模糊、转角圆滑和细节丢失等问题。本文提出一种基于空洞卷积的E-Unet深度学习网络。在E-Unet的结构设计中,引入跳跃连接以减少边缘和转角的细节损失;采用新设计的卷积模块,使其扩大感受野的同时减少参数量;底层增加Dropout模块避免网络发生过拟合现象;遥感影像输入网络前先进行直方图均衡化、高斯双边滤波和波段间比值运算,然后合并为多波段张量输入模型(不转换为灰度图像)。为验证网络性能、明确性能提升的原因,本文在Massachusetts和WHU建筑物数据集上设计了两组试验。第1组是E-Unet、Unet和Res-net 3种网络的对比试验,结果表明E-Unet不仅精度评价结果优于Unet和Res-net,而且建筑物边角的细节被完整提取。第2组是消融试验,目的是明确预处理模块对提取精度的提升效果,结果表明预处理模块能提升不同网络提取精度。通过这两组试验证明了预处理模块的有效性和本文提出网络的优越性。

摘要： 本文充分利用了高分辨率遥感影像的光谱特征、几何特征、纹理特征以及其它特征指数等,基于对面向对象多尺度分割算法的改进,对地理国情专题要素树冠与水体自动化提取化,分析并研究了高分辨率遥感影像智能化解译提取的技术与方法,解决了图斑形状不规则、水体复杂多样化,人工采集工作量大等特点,提高了实际生产效率,具有一定推广价值。

摘要： 不透水率是衡量城市生态环境状况的一个重要指标.当前全球范围内仅有1km和30m分辨率尺度的不透水面专题信息,无法满足城市尺度水文模型建模、海绵城市规划和建设需求.提出了图谱信息融合的不透水面提取模型,实现了基于深度学习的不透水面提取新方法,研制了不透水面遥感全流程提取和监测软件.基于多源高分辨率遥感影像首次完成了中国31个省(直辖市、自治区)的2m不透水面专题信息提取,形成全国不透水面一张图,为海绵城市和生态城市的建设提供了基础数据支撑和技术监测手段.

摘要： 传统的居民地检测方法通常基于单幅遥感影像,并需要大量人工标注的数据样本支持,自动化程度低.针对这一问题,提出一种无监督的基于多幅高分辨率遥感影像的居民地协同检测算法.首先对输入影像集中的各个影像进行独立处理:利用改进的Harris算子检测影像中的角点,然后根据影像中的角点分布提取其中的候选居民地区域.在得到各个影像中的候选居民地区域后,把它们合并起来得到一个候选居民地区域集合,然后对它们进行纹理特征建模,最后利用谱聚类和图割(Graph Cut)算法从中筛选出真正的居民地区域.实验结果表明:该方法可以快速、可靠地同时从多幅影像中检测到居民地区域,具有较高的实际应用价值.

摘要： 随着遥感影像的分辨率的提高,如何从高分辨率遥感影像中进行道路网提取,为交通信息提供瞬时、准确、可靠的数据,为交通规划提供支持,成为目前遥感影像信息处理研究的热点.本文提出了一种基于遥感影像光谱特征信息的路网提取方法.该方法的基本思想是,首先对遥感影像光谱信息进行K均值聚类,实现道路类和非道路类分离,获取区域生长的判决条件,按照图像特征计算出阈值,然后在道路类上进行区域生长提取路网,最后通过形态学的手段对路网进行优化.本文使用某市的高分辨率遥感影像数据进行实验,结果证明,本文方法所提取的路网取得了良好的效果.

摘要： 传统的目标检测识别方法难以适应海量高分辨率遥感影像数据,需要寻求一种能够自动从海量影像数据中学习最有效特征的方法,充分复挖掘数据之间的关联.本文针对海量高分辨率遥感影像数据下典型目标的检测识别,提出一种分层的深度学习模型,通过设定特定意义的分层方法建立目标语义表征及上下文约束表征,以实现高精度目标检测.通过对高分遥感影像目标检测的实验,作者发现该方法非常有效.

摘要： 本文以0.5m分辨率的航空影像作为数据源,提出一种栅矢一体化的地面控制点数据库设计方法.该方法是在人工选取道路交叉口和几何特征明显的典型征地物影像片的基础上,提取道路交叉点或地物质心作为地面控制点,并通过Voronoi图生成矢量图进行空间分析,然后在矢量图节点处关联影像片形成栅矢一体化的地面控制点数据库.以南京地区待校正的2.5m分辨率的ALOS数据为例进行几何校正,实验结果表明本文设计的地面控制点数据库在高分辨率遥感影像几何校正效率和精度上都有了一定的提高.

摘要： 高分辨率遥感影像具有空间分辨率高，纹理信息丰富的特点，已有的研究结果表明纹理信息同光谱信息一样能够有效的区分变化信息，而传统的基于中低分辨率遥感影像的变化检测方法多是以光谱信息为研究对象，忽略了影像中的纹理信息。本文尝试在传统的差值主成分法中引入图像纹理信息，将采用灰度共生矩阵的计算方法提取到的图像纹理特征同光谱波段一起用于变化信息的检测。最终的结果显示，加入纹理信息之后的变化检测结果相对于传统的基于光谱特征的检测结果，在信息提取的完整性以及提取精度方面有一定提高。

摘要： 为了推动高分辨率遥感影像在交通行业的应用,提升城市群交通路网规划、调查与管理水平,提出了将高分遥感应用于城市群路网监测之中.本文应用分区人机交互式SNAKES算法、SURF特征结合支持向量机算法较好的实现了高分遥感影像线状道路和块状车辆信息的提取.在此基础上提出了应用路网和车辆信息开展城市群交通状态判别、新建住宅公交站点需求分析等交通行业应用的功能与技术方法,为开展高分遥感的行业应用奠定了基础.

摘要： 长期以来,在城市的震害预测研究工作中,建筑物属性信息的主要获取方法是基于人工调查的传统方式.近年来,随着遥感技术的发展,尤其是高分辨率民用遥感卫星的成功发射,使得利用遥感技术进行城市震害预测成为可能.鉴于传统的信息获取方式存在的费时费力,数据获取周期长,数据信息时效性差等缺点,以郑州市中牟县的部分住宅区为例,对高分辨率遥感影像在城市震害预测中的应用做了相应研究.

摘要： 城区边界和城区面积是城镇化的重要表征和扩展分析的基础.然而城区边界存在概念和提取标准不统一、精度较低、可比性较差等问题.为此,提出了基于高分辨率影像和地理信息资料辅助的城区半自动化提取方法,充分利用高分辨率影像上的城市景观特征、先验地理信息知识和一系列标准规则,以得到精度高、一致性强的数据.以中国337个地级以上城市为研究区,采用该方法得到了2000年、2005年、2010年、2016年4期城区边界成果,并开展了城区时空扩展及用地效率等相关分析.结果表明:①16年问城区扩展迅速,城区主要集中分布在东部和中部,东西部地区差异大;②城市用地效率与城镇化发展水平显著相关,城区扩展以外延型为主;③大多城市城区扩展超前于人口增长,少量城市城区扩展滞后于人口增长;④城区扩展以占用耕地为主.

摘要： 城区边界和城区面积是城镇化的重要表征和扩展分析的基础.然而城区边界存在概念和提取标准不统一、精度较低、可比性较差等问题.为此,提出了基于高分辨率影像和地理信息资料辅助的城区半自动化提取方法,充分利用高分辨率影像上的城市景观特征、先验地理信息知识和一系列标准规则,以得到精度高、一致性强的数据.以中国337个地级以上城市为研究区,采用该方法得到了2000年、2005年、2010年、2016年4期城区边界成果,并开展了城区时空扩展及用地效率等相关分析.结果表明:①16年问城区扩展迅速,城区主要集中分布在东部和中部,东西部地区差异大;②城市用地效率与城镇化发展水平显著相关,城区扩展以外延型为主;③大多城市城区扩展超前于人口增长,少量城市城区扩展滞后于人口增长;④城区扩展以占用耕地为主.

摘要： 本发明公开了一种图像高分辨率装置。反射率推定部(206)利用由光源信息推定部(203)推定的光源信息与由形状信息取得部(204)得到的被摄物的形状信息从由图像摄像部(201)摄像下的原图像制作被摄物的反射率图像。反射率高分辨率化部(207)根据从反射率DB(208)取得的变换规则将反射率图像高分辨率化。图像高分辨率化部(217)利用已被高分辨率化的反射率图像、光源信息与形状信息制作已将原图像高分辨率化的高分辨率图像。

摘要： 本公开提供了一种高分辨率目标影像置换低分辨率目标影像的方法及系统，所述方法包括以下步骤：获取高分辨率影像和低分辨率影像；对低分辨率影像进行预处理和重采样以使得两张影像的分辨率保持一致；分别对两张影像进行实例分割，分别提取目标物体；利用提取到的高分辨率目标物体进行低分辨率目标物体的替换；对替换后的影像进行镶嵌处理得到最终置换后的影像。

摘要： 从PC输入的600dpi字符数据中创建600dpi二值字符形状数据，并连续写入存储器中。来自PC的600dpi字符数据和300dpi影像数据被作为300dpi的8位多值图像数据存储。而后，通过将300dpi的8位图形数据中的每个像素分为四个小像素，创建600dpi的8位图形数据。使用第一修正表执行第一、第二修正过程，并将叠加后的数据以均匀的600dpi打印密度打印。

摘要： 从PC输入的600dpi字符数据中创建600dpi二值字符形状数据，并连续写入存储器中。来自PC的600dpi字符数据和300dpi影像数据被作为300dpi的8位多值图像数据存储。而后，通过将300dpi的8位图形数据中的每个像素分为四个小像素，创建600dpi的8位图形数据。使用第一修正表执行第一、第二修正过程，并将叠加后的数据以均匀的600dpi打印密度打印。

摘要： 本发明公开了一种基于MODIS遥感影像的高分辨率遥感影像植被指数时间序列校正方法，该方法包括HJ？NDVI及中低空间分辨率遥感影像NDVI时间序列的构建、HJ及中低空间分辨率遥感影像对应像元的时间序列协整检验、HJ？NDVI时间序列异常区段检验、HJ？NDVI时间序列异常区段校正四个阶段。该方法能够修正HJ？NDVI时间序列因气候原因造成序列曲线形态的异常，提高其正确性和可用性，为在高时空分辨率下研究生物地球化学模型提供有效数据。同时本法也适用于源于其它中高分辨率遥感影像的某种植被指数的时间序列。

摘要： 本发明公开了一种基于影像融合框架的高分辨率遥感影像变化检测方法。该方法通过一个预训练的深度特征提取网络提取双时相影像的高维特征，再将提取出的原始影像高维特征放入一个变化检测网络中进行变化检测。本发明提出的用于变化检测的网络框架在变化结果图重建过程中融入了原始影像的多级高维特征，使得产生的变化结果图具有较高的轮廓一致性和内部一致性，通过在变化检测网络中引入多级深度监督，实现比已有方法更高的变化区域精确率和召回率。

摘要： 本发明公开了一种基于MODIS遥感影像的高分辨率遥感影像植被指数时间序列校正方法，该方法包括HJ NDVI及中低空间分辨率遥感影像NDVI时间序列的构建、HJ及中低空间分辨率遥感影像对应像元的时间序列协整检验、HJ NDVI时间序列异常区段检验、HJ NDVI时间序列异常区段校正四个阶段。该方法能够修正HJ NDVI时间序列因气候原因造成序列曲线形态的异常，提高其正确性和可用性，为在高时空分辨率下研究生物地球化学模型提供有效数据。同时本法也适用于源于其它中高分辨率遥感影像的某种植被指数的时间序列。

摘要： 一种面向遥感技术领域两期高分辨率遥感影像变化检测方法，通过基础特征提取网络将一对待测遥感影像输入双路神经网络并分别提取出特征图，然后通过双路神经网络中的特征金字塔结构以通道数拼接的方式融合得到包含两层特征图的语义信息的特征融合图，对拼接后得到特征差异图进行影像分割后将分割结果融合得到分割轮廓结果。本发明将图像块(Patch)级相似度检测与像素(Pixel)级的多尺度分割相结合，构建双路神经网络(PPCNET,Patch‑level and Pixel‑level Combined Network)，融合块级与像素级的变化检测方式，提高了变化检测的精度以及检测速度，同时避免了噪声影响，适合高分辨率遥感影像的变化检测。

摘要： 本发明涉及遥感监测领域，具体的说是一种基于高分辨率遥感影像的核电厂规划限制区遥感监查方法，包括如下步骤：(1)对基期卫星影像和现势卫星影像进行数据预处理；(2)计算两期影像对应坐标的像素比值，得到变化区域和未变化区域影像；(3)采用基于面向对象的分类方法，通过模糊分类器和最邻近分类器对变化区域就行两级分类，并对两者进行叠加分析，提取生成的变化信息，生成分类变化图；(4)将核电厂规划限制区遥感监查分类变化图和现势高分辨率遥感影像进行叠加，进行人工判读目视解译，得到规划限制区遥感监查对象分布图。本发明构建了一套核电厂规划限制区遥感监查技术方法，填补了技术空白，为核电厂限制区管理工作提供技术支持。

摘要： 本发明公开了一种基于影像融合框架的高分辨率遥感影像变化检测方法。该方法通过一个预训练的深度特征提取网络提取双时相影像的高维特征，再将提取出的原始影像高维特征放入一个变化检测网络中进行变化检测。本发明提出的用于变化检测的网络框架在变化结果图重建过程中融入了原始影像的多级高维特征，使得产生的变化结果图具有较高的轮廓一致性和内部一致性，通过在变化检测网络中引入多级深度监督，实现比已有方法更高的变化区域精确率和召回率。