ASTER高光譜影像提取地面人工建筑物信息的應(yīng)用

通過(guò)對(duì)福州市tm圖像資料進(jìn)行幾何校正和不同的增強(qiáng)處理,以監(jiān)督分類和非監(jiān)督分類兩種方法提取人工建筑物信息,并與目視解譯相比較。結(jié)果表明利用計(jì)算機(jī)進(jìn)行自動(dòng)分類在人工建筑物信息提取中也能取得好的效果。

與傳統(tǒng)的信息提取方法相比；將機(jī)器學(xué)習(xí)算法應(yīng)用到遙感影像信息提取中；可以提高結(jié)果的精度；文章以worldview-2遙感影像為例；首先利用多尺度分割選取最優(yōu)分割尺度；獲得影像對(duì)象；在基于對(duì)象的基礎(chǔ)上利用特征空間優(yōu)選工具獲得最優(yōu)特征子集；最后利用j48算法、隨機(jī)森林算法對(duì)建筑物提取的效果進(jìn)行分析；實(shí)驗(yàn)結(jié)果表明:j48算法在高分辨率影像建筑物提取中有更好地效果；

以高分一號(hào)衛(wèi)星遙感影像為數(shù)據(jù)源,引入形態(tài)學(xué)算法,研究采用面向?qū)ο蟮挠跋穹诸惙椒ㄟM(jìn)行城市建筑物提取的關(guān)鍵技術(shù)。研究方法結(jié)合影像分割與基于知識(shí)規(guī)則的影像分類技術(shù),首先采用基于形態(tài)學(xué)開(kāi)閉重建的分水嶺分割算法對(duì)高分影像進(jìn)行分割,其次采用基于知識(shí)規(guī)則的svm分類方法對(duì)影像進(jìn)行分類,達(dá)到提取建筑物的目的。結(jié)果顯示,3個(gè)研究區(qū)建筑物提取的kappa系數(shù)分別為0.85、0.66和0.65,利用基于知識(shí)規(guī)則的面向?qū)ο蠓诸惙椒▽?duì)高分辨率遙感影像中建筑物的提取效果較好,能夠完整、準(zhǔn)確地提取出建筑物外形信息,具有較高的應(yīng)用與推廣價(jià)值。

彩色航空影像中的建筑物陰影提取

使用fieldspechandheldtm地物光譜儀采集不同發(fā)病程度的油茶冠層光譜數(shù)據(jù),并實(shí)地調(diào)查油茶炭疽病病情指數(shù),將光譜數(shù)據(jù)進(jìn)行一階微分與滑動(dòng)平均濾波相結(jié)合的預(yù)處理,提取與病情指數(shù)相關(guān)性較高的敏感波段,并采用主成分分析法(principalcomponentanalysis,pca)對(duì)敏感波段的光譜數(shù)據(jù)進(jìn)行降維,分別以敏感波段和pca降維處理后的敏感波段作為輸入變量建立了病情指數(shù)的bp神經(jīng)網(wǎng)絡(luò)反演模型。兩種建模方法建立的bp神經(jīng)網(wǎng)絡(luò)模型計(jì)算出的預(yù)測(cè)值與觀測(cè)值之間的決定系數(shù)(r2)均達(dá)99%以上。精度檢驗(yàn)證明,以pca降維所得到的前10個(gè)主成分作為輸入變量建立的10-7-1三層bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度更高,模型計(jì)算出的預(yù)測(cè)值與觀測(cè)值之間的決定系數(shù)(r2)和均方根誤差(rmse)分別為0.9986和0.8148。該研究表明,利用地面高光譜數(shù)據(jù)結(jié)合主成分分析和bp神經(jīng)網(wǎng)絡(luò)算法反演油茶炭疽病病情指數(shù)是一種有效的方法。

針對(duì)許多領(lǐng)域?qū)ㄖ镄畔⒏碌钠惹幸?提出并發(fā)展了一套完整的基于高分辨率遙感影像的建筑物二維輪廓快速提取流程。首先介紹一種利用數(shù)學(xué)形態(tài)學(xué)理論進(jìn)行邊緣檢測(cè)和邊緣連接的新方法,然后利用了模式識(shí)別和圖像分析領(lǐng)域的相關(guān)技術(shù)(區(qū)域標(biāo)識(shí)和特征量測(cè)等)進(jìn)行建筑物二維信息的提取。最后通過(guò)quickbird影像進(jìn)行了方法驗(yàn)證,試驗(yàn)證明該流程可以快速有效的提取建筑物輪廓信息。

第z8卷第7期 z005年7月 計(jì)算機(jī)學(xué)報(bào) c~inesejournalocomputers vol.z8no.7 julyz005 收稿日期z003-1z-06修改稿收到日期z005-0z-18.本課題得到國(guó)家自然科學(xué)基金6017z066國(guó)家八六三高技術(shù)研究發(fā)展計(jì)劃項(xiàng) 目基金z001aa136070資助.唐亮男1975年生博士主要研究興趣為圖像處理模式識(shí)別和計(jì)算機(jī)視覺(jué)等.e-mailtl!tsinghua. edu.cn.謝維信男教授博士生導(dǎo)師主要從事信號(hào)和圖像處理智能信息處理模糊信息處理等方面的研究.黃建軍男1971年生博 士教授主要從事智能信息處理方面的研究.謝興燦男碩士主要從事圖像處理模式識(shí)別方面的研究.劉

在無(wú)人機(jī)影像建筑物自動(dòng)提取過(guò)程中；傳統(tǒng)地物分類算法其精度已無(wú)法滿足生產(chǎn)過(guò)程中的分類要求；為此；文章提出以深度學(xué)習(xí)技術(shù)結(jié)合條件隨機(jī)場(chǎng)應(yīng)用于無(wú)人機(jī)影像建筑物的自動(dòng)提取方法；首先利用基于殘差模塊的卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行特征提??；然后利用全卷積對(duì)圖像進(jìn)行反卷積；恢復(fù)圖像特征；基于初步分類結(jié)果；利用條件隨機(jī)場(chǎng)模型進(jìn)行邊緣細(xì)化；通過(guò)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析；驗(yàn)證了該算法應(yīng)用于無(wú)人機(jī)影像建筑物自動(dòng)提取的可行性；

基于航空影像的建筑物半自動(dòng)提取技術(shù)研究

研究城鎮(zhèn)建筑物的提取是遙感影像分析應(yīng)用中的一項(xiàng)重要內(nèi)容。遙感影像建筑物結(jié)構(gòu)和光譜的多樣性,使結(jié)構(gòu)、光譜等特征的建筑物提取變得極其復(fù)雜。根據(jù)遙感影像的建筑物紋理區(qū)別于其它空間對(duì)象紋理的特點(diǎn),為提高影像分辨率,提出gabor紋理塊的遙感影像對(duì)象模型方法應(yīng)用于遙感影像城鎮(zhèn)建筑物的提取。以整個(gè)城鎮(zhèn)為對(duì)象,以建筑物、道路、綠地等不同城鎮(zhèn)區(qū)域?yàn)榻M成對(duì)象的紋理塊,建立基于紋理塊的對(duì)象模型,利用模型進(jìn)行遙感影像對(duì)象的紋理標(biāo)定,最終提取出城鎮(zhèn)建筑物。實(shí)驗(yàn)結(jié)果表明方法克服了建筑物結(jié)構(gòu)復(fù)雜性和多樣性以及背景環(huán)境的影響,能很好地從城鎮(zhèn)遙感影像中提取建筑物。

采用基于小面積去除方法的中值susan噪聲點(diǎn)平滑方法,結(jié)合高分辨率遙感影像,對(duì)dsm中房屋點(diǎn)的提取進(jìn)行了探討。實(shí)驗(yàn)表明,本方法能有效地從dsm中提取絕大部分建筑物點(diǎn),有助于建筑物的精確三維重建。

遙感影像分類技術(shù)是土地利用調(diào)查的主要技術(shù),人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為提高分類精度提供了新途徑,其中bp神經(jīng)網(wǎng)絡(luò)與小波神經(jīng)網(wǎng)絡(luò)應(yīng)用最廣泛。利用bp神經(jīng)網(wǎng)絡(luò)與小波神經(jīng)網(wǎng)絡(luò)對(duì)indianpines高光譜影像進(jìn)行分類,比較bp神經(jīng)網(wǎng)絡(luò)與小波神經(jīng)網(wǎng)絡(luò)在土地利用分類中的表現(xiàn),結(jié)果表明小波神經(jīng)網(wǎng)絡(luò)的分類效果優(yōu)于bp神經(jīng)網(wǎng)絡(luò)。

建筑物的提取是地理數(shù)據(jù)庫(kù)更新和建設(shè)的重要內(nèi)容；利用高分辨率遙感影像進(jìn)行建筑物提取是該項(xiàng)研究的重要方向；也是遙感前沿技術(shù)研究的重要內(nèi)容；本文將相關(guān)文獻(xiàn)進(jìn)行歸納分析；將建筑物提取方法分為3種有代表性的類型:基于對(duì)象分割的提取方法、基于建筑特征的提取方法和結(jié)合輔助信息的提取方法；綜述分析了每種類型的提取方法并總結(jié)了其優(yōu)缺點(diǎn)；展望了高分辨率遙感影像中建筑物提取的發(fā)展前景；

研究利用土壤樣本實(shí)驗(yàn)反射光譜,分析了土壤鎂(mg)含量與土壤反射光譜的關(guān)系,比較了主成分回歸分析(pcr)、偏最小二乘回歸分析(plsr)和支持向量機(jī)回歸分析(svmr)等方法,以及土壤反射光譜及其變換光譜與土壤m(xù)g含量之間的估算模型,為土壤m(xù)g含量高光譜估算提供依據(jù)。結(jié)果表明:pcr、plsr、svmr3種建模方法在mg含量的估算中,svmr的估算精度相對(duì)較高,估算精度平均達(dá)到80.96%,分別比pcr和plsr提高了6.16%、4.20%;對(duì)于不同的數(shù)學(xué)變換處理方法,一階微分變換相對(duì)較好,估算精度平均為80.76%,分別比反射率、倒數(shù)對(duì)數(shù)變換提高了4.95%、4.61%。因此,運(yùn)用土壤反射光譜一階微分變換的svmr進(jìn)行建模,可以相對(duì)較好地估算全mg含量,精度達(dá)84.04%。

首先對(duì)上海市中心城區(qū)遙感影像建庫(kù),把眾多的遙感影像數(shù)據(jù)組織起來(lái),以方便管理和使用.在此基礎(chǔ)上,利用gis和rs技術(shù),對(duì)遙感數(shù)據(jù)解譯處理,提取建筑物陰影信息,從而為估算建筑物高度值作準(zhǔn)備.

提出一種利用高分辨率遙感影像半自動(dòng)提取建筑物邊緣的方法。先對(duì)遙感影像進(jìn)行預(yù)處理,對(duì)所有邊緣進(jìn)行邊緣檢測(cè),然后進(jìn)行邊緣跟蹤,提取建筑物的主方向線,利用模型進(jìn)行線段關(guān)系判斷,再進(jìn)行線段關(guān)系處理、區(qū)域分割和區(qū)域生長(zhǎng),最后進(jìn)行區(qū)域合并提取出建筑物的輪廓。用上述方法對(duì)quickbird衛(wèi)星的高分辨率影像進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證明該方法有較高的識(shí)別率、較好的準(zhǔn)確性,具有一定的實(shí)用價(jià)值。

基于航空影像建筑物個(gè)數(shù)繁多、形狀復(fù)雜,且存在較多的干擾信息,提出一種新穎的建筑物邊緣直線特征提取方法.對(duì)航空影像進(jìn)行改進(jìn)標(biāo)記分水嶺分割,并結(jié)合dsm高度信息,有效去除道路和陰影的影響.同時(shí),對(duì)影像進(jìn)行基于多尺度自適應(yīng)加權(quán)的改進(jìn)canny算子的邊緣檢測(cè).在每一個(gè)分割得到的建筑物初始區(qū)域內(nèi),對(duì)檢測(cè)到的邊緣點(diǎn)進(jìn)行相位編組提取直線,利用建筑物屋頂約束條件,統(tǒng)計(jì)屋頂?shù)闹鞣较?修正和規(guī)劃直線段,實(shí)現(xiàn)了建筑物邊緣直線特征快速、有效的提取.

在分析支持向量機(jī)(supportvectormachine,svm)分類技術(shù)和機(jī)載激光雷達(dá)(lidar)數(shù)據(jù)、航空影像特征的基礎(chǔ)上,提出了基于svm的lidar數(shù)據(jù)和航空影像的面向?qū)ο蠼ㄖ锾崛》椒?。結(jié)果表明,該方法充分利用了多源影像的互補(bǔ)信息,能夠得到更高的信息提取精度,準(zhǔn)確而快速地更新地理空間數(shù)據(jù)庫(kù),是一種有效的面向?qū)ο蠼ㄖ锾崛》椒ā?/p>

可見(jiàn)/近紅外高光譜技術(shù)與建模方法是當(dāng)前土壤近地傳感器研究領(lǐng)域的重要方向,可應(yīng)用于土壤養(yǎng)分信息的快速獲取和農(nóng)田作物的精確施肥管理。以浙江省水稻土為研究對(duì)象,利用以非線性模型為核心的數(shù)據(jù)挖掘技術(shù),包括隨機(jī)森林、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等方法分別建立了不同建模集和驗(yàn)證集的原始光譜與有機(jī)質(zhì)含量的估測(cè)模型。結(jié)果表明:研究比較的1∶1,3∶1和全部樣本建模并全部驗(yàn)證的三種樣本模式劃分對(duì)建模的結(jié)果有一定的影響。相較于目前常用的偏最小二乘回歸(plsr)建模方法而言,非線性模型rf和svm也取得了較好的建模精度,三種模式下其rdp值均大于1.4。特別是采用svm建模方法所得模型具有很好的預(yù)測(cè)能力,模式二下其rdp值達(dá)到2.16。同時(shí)引入ann方法改進(jìn)建立的plsr-ann方法顯著提高了plsr的模型預(yù)測(cè)能力。

基于高光譜遙感技術(shù)快速、無(wú)損的檢測(cè)優(yōu)勢(shì),以新疆渭干河-庫(kù)車河三角洲綠洲為例,探討利用反射光譜來(lái)預(yù)測(cè)土壤含鹽量的可行性。利用野外采集的土壤樣本,在實(shí)驗(yàn)室內(nèi)測(cè)得了土壤含鹽量及原始光譜反射率。利用光譜分析技術(shù)計(jì)算高光譜指數(shù),與土壤樣本含鹽量進(jìn)行相關(guān)性分析,篩選出土壤含鹽量的光譜特征波段,基于逐步多元線性回歸和偏最小二乘回歸建立土壤鹽分動(dòng)態(tài)監(jiān)測(cè)模型。通過(guò)精度檢驗(yàn),結(jié)果表明：基于偏最小二乘回歸方法,以對(duì)數(shù)二階微分光譜特征波段所構(gòu)建的鹽漬化遙感監(jiān)測(cè)模型最優(yōu),模型的穩(wěn)定性和預(yù)測(cè)精度最高。利用反射光譜來(lái)預(yù)測(cè)土壤含鹽量可實(shí)現(xiàn)區(qū)域尺度上的土壤鹽漬化實(shí)時(shí)監(jiān)測(cè)和評(píng)價(jià)。

一、前言隨著遙感技術(shù)的發(fā)展,多光譜圖像由于具有豐富的信息和靈活的處理方式,加上彩色合成技術(shù)的完善,因而多光譜圖像在遙感應(yīng)用部門得到了廣泛的應(yīng)用。我國(guó)資源衛(wèi)里預(yù)定在1994年發(fā)射,屆時(shí)將要大量復(fù)制高質(zhì)量多光譜圖像,因而,需要研究和解決有關(guān)的設(shè)備和技術(shù)問(wèn)題。近年來(lái),我們進(jìn)行了點(diǎn)光源印相機(jī)的研制,經(jīng)初步試用表明,其成像質(zhì)量達(dá)到了設(shè)計(jì)要求。

點(diǎn)光源多光譜印像機(jī)設(shè)計(jì)原理