共查询到20条相似文献，搜索用时 31 毫秒
1.
Automatic detection of geospatial targets in cluttered scenes is a profound challenge in the field of aerial and satellite image analysis. In this paper, we propose a novel practical framework enabling efficient and simultaneous detection of multi-class geospatial targets in remote sensing images (RSI) by the integration of visual saliency modeling and the discriminative learning of sparse coding. At first, a computational saliency prediction model is built via learning a direct mapping from a variety of visual features to a ground truth set of salient objects in geospatial images manually annotated by experts. The output of this model can predict a small set of target candidate areas. Afterwards, in contrast with typical models that are trained independently for each class of targets, we train a multi-class object detector that can simultaneously localize multiple targets from multiple classes by using discriminative sparse coding. The Fisher discrimination criterion is incorporated into the learning of a dictionary, which leads to a set of discriminative sparse coding coefficients having small within-class scatter and big between-class scatter. Multi-class classification can be therefore achieved by the reconstruction error and discriminative coding coefficients. Finally, the trained multi-class object detector is applied to those target candidate areas instead of the entire image in order to classify them into various categories of target, which can significantly reduce the cost of traditional exhaustive search. Comprehensive evaluations on a satellite RSI database and comparisons with a number of state-of-the-art approaches demonstrate the effectiveness and efficiency of the proposed work. 相似文献
2.
为了提高高分辨率遥感影像变化检测的可靠性,提出了一种基于模糊综合评判的遥感影像变化检测方法.首先对两个时相的影像进行波段叠加,对多波段新影像进行多尺度分割;然后针对单一尺度上的对象,综合考虑两时相遥感影像对象的光谱特征和纹理特征,建立模糊综合评判模型,对各个对象内的像素是否发生变化进行隶属度计算;最后采用熵权法对影像各... 相似文献
3.
顾及纹理特征贡献度的变化影像对象提取算法 总被引：1，自引：0，他引：1
遥感影像变化检测是全球变化研究的重要内容。基于两期遥感影像的变化检测方法存在数据条件要求苛刻、难以充分利用快速发展的多源遥感影像数据等问题。目前许多变化检测的参考数据中包含了一期分类矢量数据,矢量数据中往往包含了位置、形状、大小和类别属性等先验信息,充分利用这些先验信息将可提高变化检测精度。提取变化影像对象是结合矢量数据和遥感影像进行变化检测的核心步骤。本文提出了一种顾及纹理特征贡献度的变化影像对象提取方法。该方法利用矢量数据分割遥感影像,获取影像对象,计算影像对象纹理特征值。根据信息增益原理计算纹理特征参数的特征贡献度,选择特征参数。由贡献度指数大小确定纹理特征参数权重,计算影像对象与先验要素类别的相似度系数,提取变化影像对象。试验结果表明,基于纹理特征贡献度的特征参数选择,能有效地提高变化影像对象提取结果的精度。 相似文献
4.
遥感影像变化检测一直是国际遥感领域研究的热点和难点,尽管各国学者对变化检测问题进行了大量深入的研究,但是目前尚未出现一种普适性强、适用于所有情况的通用方法。随着遥感对地观测技术的快速发展和应用,变化检测技术体系也在不断地发展和演化。回顾了多时相遥感影像变化检测技术的发展历程,对多时相遥感影像变化检测方法的分类体系进行了归纳总结,从变化检测预处理、变化检测方法、精度评价3个方面详细总结了变化检测研究的最新进展,并指出了变化检测面临的核心困难及可能的应对措施,以期推动遥感影像变化检测研究更加深入的发展。 相似文献
5.
A framework of region-based spatial relations for non-overlapping features and its application in object based image analysis 总被引：2，自引：0，他引：2
Yu Liu Qinghua Guo Maggi Kelly 《ISPRS Journal of Photogrammetry and Remote Sensing》2008,63(4):461-475
Object based image analysis (OBIA) is an approach increasingly used in classifying high spatial resolution remote sensing images. Object based image classifiers first segment an image into objects (or image segments), and then classify these objects based on their attributes and spatial relations. Numerous algorithms exist for the first step of the OBIA process, i.e. image segmentation. However, less research has been conducted on the object classification part of OBIA, in particular the spatial relations between objects that are commonly used to construct rules for classifying image objects and refining classification results. In this paper, we establish a context where objects are areal (not points or lines) and non-overlapping (we call this “single-valued” space), and propose a framework of binary spatial relations between segmented objects to aid in object classification. In this framework, scale-dependent “line-like objects” and “point-like objects” are identified from areal objects based on their shapes. Generally, disjoint and meet are the only two possible topological relations between two non-overlapping areal objects. However, a number of quasi- topological relations can be defined when the shapes of the objects involved are considered. Some of these relations are fuzzy and thus quantitatively defined. In addition, we define the concepts of line-like objects (e.g. roads) and point-like objects (e.g. wells), and develop the relations between two line-like objects or two point-like objects. For completeness, cardinal direction relations and distance relations are also introduced in the proposed context. Finally, we implement the framework to extract roads and moving vehicles from an aerial photo. The promising results suggest that our methods can be a valuable tool in defining rules for object based image analysis. 相似文献
6.
Angelos Tzotsos Konstantinos Karantzalos Demetre Argialas 《ISPRS Journal of Photogrammetry and Remote Sensing》2011,66(1):2-16
In this research, an object-oriented image classification framework was developed which incorporates nonlinear scale-space filtering into the multi-scale segmentation and classification procedures. Morphological levelings, which possess a number of desired spatial and spectral properties, were associated with anisotropically diffused markers towards the construction of nonlinear scale spaces. Image objects were computed at various scales and were connected to a kernel-based learning machine for the classification of various earth-observation data from both active and passive remote sensing sensors. Unlike previous object-based image analysis approaches, the scale hierarchy is implicitly derived from scale-space representation properties. The developed approach does not require the tuning of any parameter—of those which control the multi-scale segmentation and object extraction procedure, like shape, color, texture, etc. The developed object-oriented image classification framework was applied on a number of remote sensing data from different airborne and spaceborne sensors including SAR images, high and very high resolution panchromatic and multispectral aerial and satellite datasets. The very promising experimental results along with the performed qualitative and quantitative evaluation demonstrate the potential of the proposed approach. 相似文献
7.
影像分割是面向地理对象影像分析(GEOBIA)中的一个关键环节。分割评价有助于为影像选择合适的分割方法和最佳分割尺度。本文提出一种以遥感地学应用面向的对象为依据的分割方法分类及评价体系。首先将影像分割方法分为面向局部特征监测的典型目标识别和面向全局特征监测的面向GEOBIA的分割方法两组,进而针对这两组分割方法提出了两套分割评价测度指标及相应的综合评价方法。在面向典型目标识别的分割方法评价中,使用区域内部非均质度、区域间灰度对比度、区域间散度对比度、边界点梯度和单位像素运行时间作为评价测度,并针对由于评价测度间的相关性而无法直接确定各测度权重分配的问题,提出利用熵权法为各个评价测度分配权重以获得综合评价结果的分割评价方法,该评价方法可用于选择合适的分割方法。用于面向GOEBIA的分割方法中使用分割区域内均质性和区域间异质性作为评价测度,这种评价方法适用于选择最优分割尺度参数。本文通过定量试验论证了这两种评价方法的有效性,试验结果表明其在遥感应用中具有实际意义。最后本文分析了影像分割评价方法的不足及未来的发展方向。 相似文献
8.
遥感影像解译是一个不断发展的研究方向,随着日新月异的遥感应用需求、高分辨率遥感数据的快速发展、地理知识的日积月累、以及人工智能技术的发展,亟需发展自动化、智能化的遥感影像解译技术。本文针对遥感影像智能解译,首先从遥感影像解译单元、分类方法、解译认知3个方面阐述遥感影像解译的研究进展,然后提出了面向地理场景的 “地理知识图谱构建—深度学习模型构建—地理知识图谱与深度学习模型协同的遥感影像语义分类”遥感影像智能解译总体框架,并给出初步试验成果,最后对智能解译的重要发展趋势予以展望,以期拓展遥感影像智能解译研究的思路与方法,提高遥感影像智能解译的精细程度和智能化水平,使智能解译具备地理空间理解能力,推动“数据—信息—知识—智能”的深度转化。 相似文献
9.
10.
11.
监督分类和目视修改相结合在高分辨率遥感影像中的应用 总被引：3，自引：0，他引：3
用计算机对遥感影像进行地物类型识别是遥感数字图像处理的一个重要内容，传统的地物分类一般采用MSS、TM和Spot等遥感影像作为数据源。与MSS、TM和Spot等传统遥感影像相比，QuickBird等高分辨率影像数据量大，混合像元减少、地物信息增大，能够被应用于土地分类。在监督分类中，对于达不到精度要求的模板，通常采用重新选择训练区的方法来进行修正，而本文采用目视修改的方法来对监督分类进行补充。本文方法可以改正初次分类中的误分、混分地物，使其归到正确的地物分类中，显著提高了土地分类的精度。为了验证算法的有效性，利用ERDASIMAGING遥感图像处理软件进行实验和精度评价。实验结果表明，监督分类和目视修改相结合的地物分类方法可以显著提高图像的分类精度。 相似文献
12.
变分法遥感影像人工地物自动检测 总被引：1，自引：1，他引：0
人工地物（建筑物、道路、桥梁等）检测是目标识别的一个重要组成部分。本文将人工地物检测转换为能量泛函数最优化问题。首先对遥感影像进行超像素分割,综合图像的颜色、纹理、梯度等信息,以超像素为单元计算图像的显著度信息,然后构建一个包含显著性约束、面积和边界约束、纹理约束及灰度方差约束的能量泛函数,通过变分法迭代求解能量泛函最小值,获取目标前景部分即为人工地物区域。本文以重庆和广东某地的遥感影像数据为例对算法进行验证,将其与常见的人工地物目标提取算法,如C-V模型、MRF模型,以及当下研究较为热门的深度学习算法进行对比。试验结果表明,该算法能有效地检测出遥感影像中的人工地物区域,并保证较低的误检率及漏检率。论文对该方法与深度学习方法进行了一定的分析对比。 相似文献
13.
在遥感影像结合矢量数据先验信息的变化检测中,需要从分割后的影像对象中抽取一定数量、具有相同类别属性的样本,其中不可避免地抽到类别属性不一致的样本,如何剔除这些样本是抽样过程中必须解决的重点问题,在目前已有的方法中,一般是通过人工目视判别完成的。样本的自动提取是实现自动变化检测的关键环节,本文提出一种变化检测样本自动抽样方法,主要包括样本的空间布设和异常样本自动检测两个环节。该方法首先利用矢量数据提取抽样图层,用抽样图层分割遥感影像,获取影像对象。其次是根据抽样区域范围、影像对象分布特征和地形特征布设变化检测样本。然后根据样本的先验类别属性构建特征空间向量,计算样本在特征空间的局部可达密度,由局部可达密度计算样本的异常度指数,并根据特征空间密度异常指数剔除异常样本,完成变化检测样本自动提取。最后以耕地、林地和居民地为例进行了抽样试验。结果表明,邻域参数k按样本布设总数的1/5—1/3取值、异常度阈值设定为80%时,可以实现异常样本0漏检率,能够准确、高效实现变化检测样本的自动提取。 相似文献
14.
随着星载面阵CMOS探测器的广泛使用,使得获取超时相数据成为可能,这为新型对地遥感工作模式带来新的发展机遇。本文不再局限于采用单一技术解决单一技术指标的传统解决问题的方式,系统性地提出一种面向星载面阵CMOS相机的新型成像方式,利用面阵CMOS相机连续快速曝光在极短的时间内获取同一观测区域的超时相序列数据,通过图像重建的方式,实现一揽子的图像质量提升,即同时实现虚拟数字时间延迟积分TDI（Time Delay Integration）、调制传输函数MTF（Modulation Transfer Function）补偿和空间分辨率GSD（Ground Sampling Distance）提升。这种新型成像方式的优点是,可以改善星载光学相机是探测器受限系统的窘境,进而在不改变光学系统的情况下,通过求解一个病态方程,实现对地遥感图像空间分辨率与成像质量的综合提升。基于实验室的靶标仿真实验数据、基于低轨光学遥感卫星OVS-1A、吉林一号视频03卫星和高分四号卫星的真实数据实验结果表明,无论是信噪比,图像清晰度还是空间分辨率都有明显提升。这种新型成像方式已被中国后续某地球同步轨道光学成像卫星所采用,可以预见的是,这种成像方式不仅可以使得在轨卫星发布更高分辨率与更好图像质量的产品,盘活在轨卫星的探测资源;在实现同样空间分辨率与图像质量的前提下,可以有效降低光学相机载荷的体积与重量,进而可以有效降低未来光学卫星的研制成本。 相似文献
15.
面向对象的遥感分类方法是影像分辨率越来越高的背景下的产物。本文以某特高压输电线路工程为研究对象,选取宁夏、陕西、山西、河南、安徽境内五个典型地区样本,通过影像特征分析、多尺度分割和地物分类建立了水体、建筑、林地、道路等四种典型地物的分类规则集,并对工程全线进行信息提取和精度分析。结果表明:利用面向对象的方法提取高分辨率航空影像地表信息能够为输电线路智能选线快速提供基础地理空间数据。 相似文献
16.
面向对象的遥感影像模糊分类方法研究 总被引：3，自引：0，他引：3
传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富，地物间光谱差异较为明显的基础上进行的。对于只含有较少波段的高分辨率遥感影像，传统的分类方法，就会造成分类精度降低，空间数据的大量冗余，并且其分类结果常常是椒盐图像，不利于进行空间分析。本文采用面向对象的影像分类方法，考虑了对象的不同特征值，例如光谱值，形状和纹理，结合上下文关系和语义的信息，这种分类技术不仅能够使用影像属性，而且能够利用不同影像对象之间的空间关系。在对诸多对象进行分类后，再进行精度分析。在此研究提出了一种面向对象的方法结合模糊理论把许多的对象块分成不同的类别。这一过程主要有两个步骤：第一个步骤是分割。图像分割将整个图像分割成若干个对象，在这个过程中，分割尺度的选择会影响到后续的分类结果和精度。第二个步骤是分类。在这个步骤中，特征值的选择和隶属度函数的选择都对分类结果有着至关重要的影响。 相似文献
17.
基于MATLAB的遥感影像纹理特征分析 总被引：2，自引：0，他引：2
宋铁群 《测绘与空间地理信息》2009,32(2)
随着遥感技术的飞速发展,遥感影像计算机分析也随之成为遥感技术应用的一个重要组成部分.传统的遥感影像分析方法大都是基于影像光谱特征的计算机自动分类,忽略了影像的空间结构信息,精度不高.研究了利用灰度共生矩阵提取遥感影像的纹理特征,实现了MATLAB下采用监督分类方法应用最短距离分类器及滤波完成了全色遥感影像的分类分析. 相似文献
18.
GF-2影像面向对象典型城区地物提取方法 总被引：5，自引：3，他引：2
国产高分遥感影像信息丰富,提供了精准的地物空间细节,深入研究高分数据处理及其提取城区地类目标信息的方法具有重要意义。本文以国产高分二号（GF-2）遥感影像为数据源,利用规则集的面向对象分类方法,通过ESP尺度分析工具选取得出最优分割尺度,建立各类地物的特征体系及分类规则,最终提取出研究区典型城区地物信息,并将之与传统基于像元的SVM监督分类结果作比较。结果表明：规则集的面向对象分类总体精度为92.23%,Kappa系数为0.9,比SVM监督分类有大幅度提高。对高分二号等高分辨率影像,面向对象的分类方法精度更高,图示效果更好,是城区地物提取的有效方法。 相似文献
19.
城市道路区域检测是城市土地管理、交通规划等领域的迫切需求,而传统城市道路区域检测多使用轨迹提取、遥感解译、人工采集等单独方式,在自动化程度或提取质量上存在一定的局限性。本文结合GNSS轨迹点与高分遥感影像各自的数据优势,提出一种基于轨迹延续性与影像特征相似性的遥感影像道路区域检测方法。该方法以出租车GNSS轨迹点构建轨迹特征栅格,基于轨迹延续性在平均方向特征栅格中划分路段对象,利用道路对象的光谱特征向轨迹无法覆盖的小区内部进行拓展,以获得提取区域内较为完整的道路信息。试验证明：本文方法可以有效降低道路的同物异谱现象及阴影、树木遮挡的影响,高效地提取高分遥感影像中的道路区域。与传统的遥感影像分类方法相比,具有更高的精度与自动化程度,相较于深度学习模型具有更广的适应性。 相似文献