共查询到20条相似文献，搜索用时 359 毫秒
1.
2.
卫宁北山地区是宁夏开展矿山生态环境恢复治理工作的关键节点区域。快速准确地获取区域内采场空间信息,监测矿山生态修复工程建设进展,已成为自治区矿政管理的重要工作之一。本文以卫宁北山地区为研究区,提出了一种联合深度学习与面向对象分析的国产高分辨率遥感卫星影像露天矿山采场信息提取方法。该方法首先采用支持小样本学习的U-Net模型进行露天采场的初步识别;然后结合面向对象分析与空间分析方法实现露天采场边界的精细化提取。经验证,该方法识别露天采场空间位置的精度为0.71,平均空间范围的提取精度为0.78。在此基础上,对卫宁北山地区露天矿山在2019—2021年的恢复治理情况开展识别与分析,识别出的125处露天矿山采场中有43.2%已开展生态修复工程,含44处采坑填埋与覆土整平、6处重新开发利用及4处人工复绿。结果表明,该方法在无须进行特征工程的前提下能够较为快速地对露天采场空间信息进行精细化提取,可为宁夏矿山遥感监测提供技术参考。 相似文献
3.
《现代测绘》2020,(2)
高分辨率遥感影像的道路提取能够广泛应用于自动驾驶及地图导航的研究,现有道路自动提取方法精度较低。随着人工智能技术的发展,人工神经网络算法得到推广,将其应用于高分辨率遥感影像的道路提取也在探索研究之中。提出一种基于图像分割及神经网络的高分辨率遥感影像道路提取方法,以减少大量的人工预处理工作,提高道路识别提取效率。针对传统方法用于复杂影像分析的参数难以确定的问题,首先采用影像分割技术获得影像对象,然后对影像对象进行纹理特征、形状特征、光谱特征的计算,并使用BP神经网络进行训练,形成分类模型。基于得到的分类模型进行道路的自动提取,在仿真实验中获得了较好的精度,识别准确率达到87.6%。 相似文献
4.
百度深度学习PaddlePaddle框架支持下的遥感智能视觉平台,能够运用深度学习技术实现遥感影像的智能建模、训练和解译。本文通过深入分析PaddlePaddle图像分割模型库PaddleSeg的图像处理深度学习算法模型DeepLabV3+、U2-Net及RetinaNet,开发设计了遥感智能视觉平台,实现了遥感影像的地块分割、变化检测和斜框检测等专业功能。研究表明：遥感智能视觉平台提取的图斑总面积是目视解译的80%、有效图斑比例为76%、错误图斑比例为18%,实现了快速有效的遥感图像智能处理。 相似文献
5.
多特征多尺度相结合的高分辨率遥感影像建筑物提取 总被引：3，自引：0，他引：3
在高分辨率遥感影像中,建筑物通常表现为多尺度形态,且存在同谱异物和同物异谱现象。因此,本文提出了一种综合利用光谱特征、形状特征和纹理特征,并结合多尺度分割的建筑物分级提取方法。该方法首先对遥感影像进行形态学建筑物指数（MBI）计算,而后对其特征影像进行阈值分割,并借助形状特征参数实现建筑物初提取;然后引入面向对象思想完成遥感影像多尺度分割,并利用纹理特征实现单一尺度的建筑物对象识别;最后借助多尺度融合思想完成建筑物后提取。利用本文方法对冲绳某地区影像进行了建筑物提取试验。试验结果表明,该方法的识别查准率和查全率在对象级和像素级两方面均取得较高精度。 相似文献
6.
一种顾及几何特征的云模型遥感影像分割方法 总被引：2，自引：0，他引：2
将云模型与模糊理论相结合,提出了一种基于不确定性的、顾及几何特征的遥感影像分割方法.该方法用分水岭算法对原影像进行分割获得初始分割图斑,再将图斑抽象成云模型,以云模型实现图斑对象表达;在基于云概念的光滑度、紧凑度定义的基础上,构造差异性度量准则和相应的云模型综合算法,并由云综合运算实现不同粒度空间下的区域合并,达到多尺度遥感影像分割的目的.几组实际影像数据的分割实验证明了该方法的有效性. 相似文献
7.
针对高分辨率遥感影像地物空间结构复杂、光谱纹理信息丰富的特点,该文提出一种基于Levene检验及模糊评价的遥感影像变化检测方法。首先,对预处理后的两期影像叠置分割得到图斑对象,提取其光谱、纹理等特征;其次,利用改进的Levene检验法统计各图斑变化信息得到候选变化图斑,经IHS变换获取影像色调信息,结合纹理特征进行变化向量分析;最后,通过迭代的方式确定阈值并计算候选图斑的变化隶属度,确定最终变化区域。选取江苏省某地区ZY-3高分辨率遥感影像进行实验,结果表明:改进的Levene检验法很大程度地减少了后续的计算量,提高了变化检测精度,对于相对辐射差异较大的非变化图斑具有良好的容错性;采用色调-纹理特征及模糊评价法可以有效地降低漏检及虚检率,提高变化检测精度。 相似文献
8.
针对遥感影像变化检测过程中影像间相对配准精度对检测结果影响大,易产生细碎图斑和错检冗余等问题,本文提出了一种基于感知哈希算法适用于粗匹配的遥感影像变化发现方法,以待检测影像的光谱信息和纹理特征信息共同作为检测特征集,以分割后的格网作为检测单元,采用基于感知哈希算法的影像相似度比对方法,计算格网内图像相似度,提取变化位置。试验结果表明,采用该方法可有效减少变化发现对影像间相对配准精度的依赖性,在本文试验中,相对配准精度在15像元以内均可保证95%以上的提取准确率和5%以下的漏检率,对配准精度具有良好的稳健性。 相似文献
9.
面向对象的多特征分级CVA遥感影像变化检测 总被引：1，自引：0，他引：1
变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。 相似文献
10.
11.
融合多源时序遥感数据大尺度不透水面覆盖率估算 总被引：1，自引：0，他引：1
不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标，基于遥感技术对地表不透水面信息进行快速提取具有重要意义。传统大范围不透水面覆盖率估算模型主要基于单一遥感信息与不透水面比例之间的相关性，通过单因子回归模型实现不透水面覆盖率的估算。受限于单一遥感信息的信息量及普适性等影响，这类方法在大尺度不透水面提取中具有较大局限性，估算结果的区域适应性存在较大差异。针对该问题，本文提出基于多特征遥感信息进行不透水面估算的方法，以弥补单一特征在大范围不透水面提取中的不确定性。该方法首先以多时相MOD13Q1、MOD09A1产品、夜间灯光数据（NPP-VIIRS）和Landsat 8 OLI为遥感数据源，从不同角度构建突出不透水面信息的多个指数特征；在此基础上利用多元回归模型建立多因子不透水面覆盖率估算模型，进而实现大尺度不透水面覆盖率的遥感估算。本研究选择分布于全国范围内13个典型城市作为主要研究区对提出的模型进行了验证，结果表明：该方法能够适应不同区域不透水面覆盖率的估算，在复杂城市区域表现出较传统方法更好的效果，明显改善了城市内部不透水面覆盖率的估算精度。 相似文献
12.
高分辨率遥感影像地物复杂,分类难度大,而深度学习方法可以提取地物更多更深层次的特征信息,适用于高分辨率遥感影像的地物分类。本文研究对高分辨率影像中不透水地面、建筑、低矮植被、树、车辆等地物的高精度分类。结合遥感多地物分类的特点,以DeepLab v3+网络模型为基础,提出E-DeepLab网络模型。主要改进为：（1）改进编码器和解码器的结合方式,使用简洁有效的加成连接方式。（2）缩小单次上采样倍数,增加上采样层,提高编码器与解码器连接的紧密性。（3）使用改进的自适应权重损失函数,自动调节地物损失权重。同时根据数据特点,提出结合DSM、NDVI数据等多通道训练方式。使用两个地区数据进行实验,结果表明,两地区精度均明显优于原始DeepLab v3+模型和其他相关模型,Potsdam地区总体提取精度达到93.2%,建筑物提取精度达到97.8%,Vaihingen地区总体提取精度达到90.7%,建筑物提取精度达到96.3%。目视对比分类图和标准标记图,两者具有高度的一致性。本文所提出的E-DeepLab网络在高分辨率遥感影像地物高精度提取和分类中有较好的应用价值。 相似文献
13.
基于SPOT 5图像的岩溶地貌单元自动提取方法 总被引：3，自引：0，他引：3
通过对峰林、峰丛和岩溶洼地3者的地理特征和影像特征的研究,基于遥感图像本底值提出了能有效反映目标特征的遥感指数——植被指数、土壤亮度指数、图像主成分变换第1主成分值及地形数据等,并构建了遥感指数的集成计算法,建立了遥感自动提取模型.指数集成运算法能够有效地增大峰丛、峰林与其他地物之间的光谱差异,使这些岩溶地貌单元的灰度值高于其他地物,从而利于岩溶地貌单元提取阈值的自动选取.基于构建的遥感自动提取模型先提取了峰丛、峰林信息,并在此基础上提取了岩溶洼地信息.经实验研究表明,该方法具有较高的提取精度和效率. 相似文献
14.
非监督分类的冬小麦种植信息提取模型 总被引：1，自引：0，他引：1
为了解决在区域冬小麦种植信息遥感提取过程中监督学习算法存在的需要地面样本数据支持、流程复杂、人为干扰因素多及自动化程度低等问题，本文以非监督分类为核心，结合多尺度技术，提出了一种新的非监督分类冬小麦种植信息提取模型。选取河北省辛集市为典型试验区，以2014年高分一号数据为数据源，对本文提出的模型进行实例验证。试验结果表明：该模型的Kappa系数为0.88，整体精度为94.00%；对于研究区内的冬小麦，在无需训练样本、人为干扰因素少等条件下，该模型具有与监督分类相似的提取精度，能够满足冬小麦种植信息地面遥感监测的需求。 相似文献
15.
遥感影像道路提取结果中的断线一方面降低了提取精度，另一方面影响了道路形态完整性，使得提取结果不能直接应用于空间决策与分析。本文基于U-Net网络在高分辨率遥感影像道路提取时全局特征表达的优势，提出一种兼顾连通性的道路断线修复方法完善U-Net网络局部特征表达的劣势。首先，利用数据增强和扩充数据量后的样本数据作为U-Net网络的输入以此训练模型并进行最优模型的道路提取；然后，对提取结果中出现的道路断线以三次多项式曲线拟合的形式进行优化处理。实验表明，与相近网络比较，本文道路提取的精度和形态完整性有了明显的提高，查准率为86.25%，查全率为85.50%，F1-score达到了85.87%。其成果数据能直接地应用于地理决策分析，特别有利于灾后的路径规划，本文提出的方法对道路、电网、轨道、河流等线性地物分类结果中出现类似断线问题具有一定的参考意义。 相似文献
16.
针对南方复杂地区水稻遥感信息提取研究中机器自动学习分类研究较少、分类精度不高的问题,以福建省三明市建宁县溪口镇为研究区,基于GF-1号卫星影像,采用面向对象的随机森林遥感分类算法对研究区内水稻田信息进行提取。首先通过优化面向对象分割参数和随机森林分类模型参数,提取并调用了影像中的多种特征;再对光谱特征、植被指数特征、纹理特征、几何特征进行特征空间优选;最后通过设置4种特征优选试验进行对比,得到最优分类模型。实验结果显示,基于特征空间优选的面向对象随机森林分类算法的水稻提取精度高达90%,分类总体精度可达87%,Kappa系数为0.85;与其他试验结果相比,漏分和误分现象较少,实现了南方地区水稻信息高精度自动识别。该方法计算特征少、实现简便,对于国产高分卫星影像在南方复杂地区作物自动提取中的应用具有参考性。 相似文献
17.
针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。 相似文献
18.
融合多特征改进型PSPNet模型应用于复杂场景下的建筑物提取 总被引：1，自引：0，他引：1
针对复杂场景下高分辨率遥感影像中建筑物提取精度低的问题,本文提出了一种融合多特征改进型PSPNet模型,在PSPNet网络的基础上,加入膨胀卷积模块并融合图像的浅层特征。试验结果表明,融合多特征改进型PSPNet模型的预测结果总体精度为95.90%,建筑物提取精度平均为77.77%,均高于其他模型。其在不同场景上的表现有所差异：复杂场景1的预测精度为80.35%;以城中村建筑物为主的场景2的预测精度为75%;以高层建筑物为主的场景3的预测精度为78.11%。因此本模型可有效地提升高分辨率遥感影像中复杂场景下的建筑物提取精度。 相似文献
19.
组合核支持向量回归提取高光谱影像不透水面 总被引：1，自引：0，他引：1
由于城市地表组成的复杂性,基于单核函数的支持向量回归模型很难满足精度。本文结合空间-光谱组合核函数和支持向量回归,提出了一种提取高光谱影像不透水面丰度的改进算法。首先从高光谱遥感图像上提取波谱特征和多通道灰度共生矩阵空间纹理特征,选取研究区10%像元特征数据作为训练数据,以线性加权求和核为多核组合方式,建立结合光谱信息和空间信息的组合核支持向量回归模型。然后,用生成的回归模型预测未知像元不透水面丰度值。最后,对实验结果进行评价。在模拟数据试验中,本文算法比单核回归均方根误差平均降低1.4%,决定系数比单核回归平均提高0.6%。在Hyperion数据两组试验中,该算法比单核回归均方根误差平均降低1.8%,决定系数比单核回归平均提高11.7%。模拟和真实两种高光谱数据实验中,本文算法均得到了空间形态上更准确的不透水面结果,单核回归结果存在失真现象。研究结果表明:本文算法能够有效提取城市不透水面丰度,与单核方法相比有较明显的精度提升。 相似文献
20.
Although alteration minerals related to metallogenesis is very important in mineral exploration, information of alteration mineral is weakly expressed in remote sensing imagery, which is often subject to interfering noise and sometimes limited in spectral and spatial resolutions. Because of easy access, moderate images are the main sources of alteration mineral information. Therefore, it is very important to develop alteration mineral information extraction methods from remote sensing images. In this paper, a combined method based on Mask, principal component analysis (PCA) and support vector machine method (SVM) was used to extract alteration mineral information from Enhanced thematic mapper plus remote sensing data with limited spectral and spatial resolutions. First, a mask image of the remote sensing imagery was created to remove interference information such as vegetation, shadow and water. Then, PCA was employed to collect sample data relating to iron, argillic, and carbonatization alteration. Finally, SVM was used to deal with alteration anomaly and build a feature extraction model of high accuracy. The Mask-PCA-SVM model is used to extract alteration mineral information from remote sensing images of Hatu area, Xinjiang Uygur Autonomous Regions, China. The results show that the new methods proposed in this paper can coincide well with known deposits occurrences, rate reached 86.51%. While, the consistent rate with known deposits of the ratio model, PCA model and Spectral angle mapper model were only 3.37, 65.08 and 69.05% respectively. This suggests that the proposed model can find the actual distribution of mineral deposits more effectively by reducing interference to a greater degree. 相似文献