共查询到17条相似文献，搜索用时 156 毫秒
1.
针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题，本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法，将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络多尺度预测的特点，将残差结构和特征金字塔网络融合到Unet模型中，建立FPN Res-Unet模型。该模型以Unet为基础，引入ResNet18的残差结构作为编码路径特征提取层，在每次卷积后使用边界填充，使得输入图像和输出图像尺寸一致；在解码路径每级上采样过程中，拓展支路径将特征金字塔网络融合到模型的网络主干中，将残差结构、Unet及特征金字塔网络的优点相互融合，增强了Unet的特征提取，弥补了语义分割网络对小目标检测的欠缺；在获取深层语义信息的同时关注细节信息，提高建筑物变化检测精度。实验表明，该方法在所用数据集，准确率、召回率、F1 3种指标均达到90%以上。 相似文献
2.
高分辨率遥感数据处理方法实验研究 总被引：10，自引：0，他引：10
近几年高分辨率遥感数据处理与应用研究越来越受到国内外学者的重视,已成为目前遥感应用研究领域的热点和难点之一。首先分析了基于像素的中分辨率卫星数据的遥感数据处理方法,包括:基于统计理论的分类方法和基于光谱信息的非参数理论方法的分类方法。在此基础上,针对高分辨率遥感图像的特点,分析了面向对象的高分辨率遥感数据处理方法。其中,图像分割是最关键的一步,即如何有效地提取出对象特征非常重要。最后,给出了高分辨率遥感数据处理方法相关算法实验,主要进行了几种图像分割算法实验,同时结合植被变化检测,进行了变化检测算法实验。 相似文献
3.
遥感与深度学习为及时掌握露天煤矿区土地利用情况提供了高效率的技术手段。基于国产高分二号(GF-2)卫星高分辨率遥感影像,利用深度学习DeepLabv3+模型实现露天煤矿区土地利用识别,并与U-Net、FCN、随机森林、支持向量机、最大似然法等方法进行对比。首先,制作高分辨率影像样本数据,通过敏感性测试确定适合研究区露天煤矿场景的样本最佳裁剪尺寸和方式;然后,训练深度神经网络DeepLabv3+模型,进行土地利用识别实验;最后,比较不同方法的识别结果。结果表明:研究区露天煤矿场景下的样本最佳裁剪尺寸为512像素×512像素,最佳裁剪方式为随机裁剪。采用的DeepLabv3+模型对露天煤矿区土地利用识别的总体精度、Kappa系数分别为80.10%、0.73,均优于U-Net、FCN、随机森林、支持向量机、最大似然法等方法的识别精度。DeepLabv3+模型的识别速度与上述5种方法保持在同一数量级,验证了DeepLabv3+模型和GF-2卫星影像在露天煤矿区土地利用识别中的可行性,对露天煤矿区生态环境监测与修复规划具有重要意义。 相似文献
4.
5.
基于支持向量机的遥感图像建筑物识别与分类方法研究 总被引：1，自引：0，他引：1
《地质科技情报》2016,(6)
高分辨率遥感影像可以更精细地描述地物目标的几何特征、空间特征和纹理特征等信息,在各个领域中都得到广泛的应用。建筑物作为地物信息分类中的主要部分,是地形图成图的主要组成元素,对建筑物的识别与提取,直接影响到地物测绘的自动化水平,对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义。针对建筑物的遥感影像特征,研究了支持向量机分类器(SVM)在建筑物识别与分类中的应用,提出了一种交叉验证的方法对参数敏感度进行分析,通过使用GridSearch算法确定模型参数设置的最优方案,并对分类结果中建筑物进行轮廓提取。通过实验表明,优化后的SVM算法对建筑物的分类精度达到90%,对比随机森林算法、最近邻分类器优势非常明显。 相似文献
6.
在地质研究中,针对岩石薄片图像分类算法可移植性不高、分类速度较慢等问题,提出将轻量级卷积神经网络结构SqueezeNet应用于岩石薄片图像分类.实验的数据集为鄂尔多斯某油田区域的10026张长石砂岩图像,图像大小均为224×224像素,通过SqueezeNet网络模型进行训练,在较短时间内实现了岩石薄片图像的分类,并取得了较好分类效果,验证集分类准确率最高可达到90.88％.实验结果表明,所提模型在保证准确率的同时,大大减少了模型参数,模型大小仅为4.78 MB,提升了岩石分类速度、增强了模型的可移植性. 相似文献
7.
高光谱遥感影像分类是高光谱遥感影像处理和应用的重要组成部分。然而,高光谱遥感影像具有波段数量较多和空间分辨率较高等特点,给分类任务带来一定的挑战。为了提高分类精度,充分利用影像的空间信息和像素间的局部信息,提出一种引导滤波联合局部判别嵌入的高光谱影像分类方法。首先,对高光谱遥感影像进行归一化,利用主成分分析方法实现特征提取,将提取的第一主成分影像作为引导图像;其次,采用引导滤波分别提取各波段影像的空间特征;然后,将提取的空间影像特征进行叠加,通过局部Fisher判别分析完成低维嵌入;最后,将得到的低维嵌入特征输入支持向量机分类器得到分类结果。采用Indian Pines和Pavia University两幅高光谱影像进行实验的结果表明：在分别从各类地物中随机选取10%和100个样本作为训练样本的情况下,其总体分类精度分别提高到98.28%和99.45%;对比其他相关方法,该方法能够获取更高的分类精度。该方法在低维嵌入的同时,有效利用了影像的空间信息,改善了分类效果。 相似文献
8.
高分辨率遥感影像场景分类一直是遥感领域的研究热点.针对遥感场景对尺度的需求具有多样性的问题,提出了一种基于多尺度循环注意力网络的遥感影像场景分类方法.首先,通过Resnet50提取遥感影像多个尺度的特征,采用注意力机制得到影像不同尺度下的关注区域,对关注区域进行裁剪和缩放并输入到网络.然后,融合原始影像不同尺度的特征及其关注区域的影像特征,输入到全连接层完成分类预测.此分类方法在UC Merced Land-Use和NWPU-RESISC45公开数据集上进行了验证,平均分类精度较基础模型Resnet50分别提升了1.89%和2.70%.结果表明,多尺度循环注意力网络可以进一步提升遥感影像场景分类的精度. 相似文献
9.
利用遥感和深度学习技术实现露天矿区土地利用变化信息的自动提取对于矿区开采监测、生态环境保护具有重要意义。针对复杂异质矿区场景下土地利用类型的变化,构建新型深度学习模型FM-UNet++,利用高分二号(GF-2)卫星影像实现露天矿区的自动变化检测。首先,通过资料调查和目视解译制作露天矿区变化检测数据集,通过数据增强对其进行扩充;其次,通过在UNet++模型中引入特征增强坐标注意力机制FECA(Feature-enhanced Coordinate Attention)和Mish激活函数构建面向露天矿区变化检测的FM-UNet++模型;最后,训练FM-UNet++及7种对比模型进行露天矿区变化检测实验,并比较不同深度学习模型的检测结果。结果表明：特征增强坐标注意力机制FECA和Mish激活函数均提升了UNet++模型的露天矿区变化检测性能。FM-UNet++模型对露天矿区变化检测的精确率(Precision)、召回率(Recall)、F1-Score和交并比(IoU)值分别达到95.6%、89.2%、92.3%和85.7%,相较于FCN、PSPNet、Deeplabv3+、LANet、UN... 相似文献
10.
传统高位远程滑坡识别依赖地质专家人工判别,识别效率较低。研究实现一种基于深度学习的滑坡地形自动识别模型,以提高大范围区域潜在滑坡隐患点筛查工作的效率。该模型以目标区域的遥感图像、DEM数据、地质分区、河流水系等地质观测数据为输入,针对不同类型观测数据差异巨大的问题,设计构建特征分支网络,精确提取对应的滑坡特征。对光学影像数据采用深层网络架构提取复杂特征,对海拔、地质构成、河流和断裂带分布等结构化数据采用浅层网络架构提取特征。随后设计特征融合模块,融合两个网络的提取结果获得全面的滑坡灾害特征。模型基于提取的滑坡特征进行滑坡区域语义分割,实现精准的像素级别滑坡地形分类和定位。通过实验验证,该模型对滑坡区域的识别准确率（ACC）达到了0.85,可为滑坡自动识别提供技术支撑。 相似文献
11.
12.
地表沟壑的精细化提取是地形地貌特征的重要内容.针对现有沟壑提取结果中存在断裂区域和伪沟壑区域的情况,提出一种基于DEM和高分辨率遥感影像的地表沟壑“膨胀-融合”式提取方法.该方法综合了D8算法、坡向变率算法和面向对象分类方法的提取结果,首先引入距离制图算法对初始沟壑进行方向性膨胀,然后通过栅格重分类和代数运算进行沟壑融合,剔除伪沟壑区域,最终实现研究区域内沟壑的精细化提取.以GDEM v2数据和高分二号影像数据为数据源,精细化提取了湖北省神农架林区举黑沟至麻湾村一带的地表沟壑.采用随机点验证法对实验区域内的沟壑提取结果进行了精度评价,结果表明该方法的总体精度为92%,能有效弥合数据中的断裂区域,同时剔除伪沟壑区域,达到提高沟壑提取精度的目的. 相似文献
13.
基于随机森林模型的城市不透水面提取研究 ——以呼和浩特市为例 总被引：1，自引：0，他引：1
城市不透水面信息对于城市生态环境动态演化过程研究具有重要意义。以Landsat 8遥感影像为数据源,以呼和浩特市为实证区域,进行了随机森林模型应用于城市不透水面的提取研究,并与目前应用广泛的支持向量机模型进行了对比分析。研究表明：在不同的抽样比例训练样本条件下,随机森林模型对于城市不透水面的提取精度均优于支持向量机的提取精度;对于随机森林模型和支持向量机模型,70%的训练样本比例均为最佳训练样本抽样比例。在该抽样比例下,随机森林模型提取城市不透水面的总体分类精度为93.29%,Kappa系数为0.9051,支持向量机模型的总体分类精度为91.26%,Kappa系数为0.8757;随机森林模型对于城市裸土的识别度较高,能更好地将城市裸土和不透水面进行区分,而支持向量机模型对于城市裸土、不透水面和绿地的区分能力均弱于随机森林模型。综合而言,随机森林模型对城市不透水面的提取精度优于支持向量机模型,随机森林模型可以有效应用于城市不透水面提取领域,进一步丰富了城市不透水面提取方法体系构成。 相似文献
14.
Spectral unmixing is a key technology of optical remote sensing image analysis; it not only influences the accuracy of the extraction of land cover information and automatic classification of topographical objects, but also greatly hinders the development of quantitative remote sensing. Independent component analysis (ICA) is a statistical method which is recently developed to extract the independent linear components, and which can realize the extraction of endmembers as well as fractional abundances with little a priori knowledge. However, ICA still cannot process the correlations among the various components. To overcome this problem, variational Bayesian independent component analysis (VBICA) has been proposed to process optical remote sensing images. In the Bayesian framework, the separation of independent components of remote sensing image has finally been achieved with conditional independence standards of Bayesian network and approximate variational algorithm. In the simulative image and real AVIRIS hyperspectral remote sensing image, the VBICA algorithm demonstrates its better performance. The experiment’s results indicate that the proposed VBICA algorithm is feasible, which has obvious advantages and a good application prospect. The reason is that it can effectively overcome the correlations between the various components in remote sensing images and break through the limitations of traditional remote sensing images analysis. Last but not least, the VBICA algorithm is applied in the classification of the TM multispectral remote sensing images. Compared to basic maximum likelihood classification, principal component analysis and FastICA algorithms, VBICA improves the classification accuracy of remote sensing images, and contributes to the further extension of the application of ICA in remote sensing image analysis. 相似文献
15.
夜光遥感影像记录的城市灯光与人类活动密切相关,已广泛应用于城市信息提取。珞珈一号作为新一代夜光遥感数据源,比以往的夜光数据具有更高的空间分辨率和光谱分辨率,可以更清晰地表达城市建成区范围和内部结构。本文利用珞珈一号夜光遥感影像,通过人类居住指数（human settlement index, HSI）、植被覆盖和建筑共同校正的城市夜光指数（vegetation and build adjusted nighttime light urban index, VBANUI）及支持向量机（support vector machine, SVM）监督分类3种方法对长春市城市建成区进行提取,并与利用NPP/VIIRS（suomi national polar-orbiting partnership/visible infrared imaging radiometer suite）夜光遥感影像、采用同样方法得到的结果对比。结果显示：本文提出的VBANUI提高了传统植被覆盖校正的城市夜光指数（vegetation adjusted nighttime light urban index, VANUI）的提取精度,使用珞珈一号夜光遥感影像通过VBANUI提取的城市建成区结果最优,其Kappa系数为0.80,总体分类精度为90.74%;使用珞珈一号和NPP/VIIRS夜光遥感影像通过HSI按最佳阈值提取城市建成区的Kappa系数分别为0.75和0.72,总体分类精度分别为88.27%和86.54%;复合数据的SVM监督分类法中Landsat-NDBI、Landsat-NDBI-VIIRS、Landsat-NDBI-LJ和Landsat-NDBI-LJlog的Kappa系数分别为0.602、0.627、0.643和0.681,总体分类精度分别为81.11%、81.52%、82.25%和84.48%。研究结果表明：3种提取方法下,均为使用珞珈一号夜光遥感影像的结果优于使用NPP/VIIRS夜光遥感影像的结果,证明相比于NPP/VIIRS夜光遥感影像,珞珈一号夜光遥感影像更适用于城市尺度的建成区范围提取。 相似文献
16.
基于分形特征的高标准农田遥感分类方法研究 总被引：1，自引：0，他引：1
目前全国高标准农田面积数量已具一定规模,由于人工解译的工作效率较低,如何实现对全国大面积的高标准农田建后利用情况进行实时、精准遥感监测成为亟待解决的问题。由于监测面积大,精度要求高,迫切需要研究一套遥感自动监测方法在全国推广。以广东省东莞地区作为研究区,选择2017年2月15日的高分二号遥感影像,基于分形图像分割并结合BP神经网络对区域高标准农田进行分类,并加以人工解译和实地验证。 结果显示,该分类方法总体精度为 80112 2%,Kappa 系数为0761 1。表明分形图像分割结合BP神经网络的遥感分类方法总体精度较高,能较好地满足高标准农田建后利用情况遥感监测的需求。此方法可以在全国范围推广应用,为高标准农田建成后的实时监管提供技术支撑。 相似文献
17.
岩层三角面的准确识别和快速检测是利用遥感技术获取地表地层产状信息的有效途径.提出了利用高分辨率卫星遥感立体像对,通过自动迭代调整高斯分布模型方差的Canny边缘检测算法实现岩层三角面半自动检测和地层产状快速提取方法.以南天山吐格尔明背斜为实验区,使用Worldview-2立体像对构建数字高程模型和0.5 m分辨率的数字正射影像,利用岩层三角面检测算法提取实验区的岩层三角面和产状.结果表明,提出的方法客观高效,提取准确率达到90.2%,能够准确反映构造趋势的变化,为复杂构造带的地表建模和构造分析提供依据. 相似文献