共查询到18条相似文献，搜索用时 234 毫秒
1.
高分辨率遥感影像阴影与立体像对提取建筑物高度比较研究 总被引：1，自引：0，他引：1
建筑物高度信息的快速准确获取对于城市规划管理、生态环境评价具有重要意义。本文以南京市主城区为研究区,选择2011年Geoeye-1卫星高分辨率遥感影像立体像对数据,结合Google Earth数据及实地建筑物高度测量,分别利用单幅遥感影像和立体像对计算建筑物高度,并以实测建筑物高度数据验证不同方法的提取精度,进而比较这2类方法的优缺点。结果表明：利用立体像对提取建筑物高度的方法更加精确,提取结果误差在2.8 m以内,能够快速地获取大范围建筑物高度,具有实用价值;单幅遥感影像阴影提取建筑物高度适用于建筑物高大、毗邻建筑物间隙大、周围无遮挡的情况,而立体像对提取建筑物高度不受建筑四周环境影响,在建筑物密集分布、高度均一的情况下,其普适性更强。 相似文献
2.
基于Sentinel-1卫星SAR数据的洪水淹没范围快速提取 总被引：1，自引：0，他引：1
《地理信息世界》2015,(5)
洪水灾害会对社会、经济、环境造成巨大损失,洪水淹没范围的确定是抗灾救灾决策必不可少的工作。遥感技术,特别是有着全天时、全天候、高分辨率特点的合成孔径雷达(SAR)是洪水灾害灾情评估的有力工具。Sentinel-1A作为欧洲宇航局(ESA)哥白尼计划(Copernicus Programme)发射升空第一颗环境监测卫星,意义重大。目前,国内还没有研究利用Sentinel-1卫星数据的相关文献。本文以2014年12月斯里兰卡遭受洪灾前后Sentinel-1A获取的影像为例,运用阈值法和RGB波段组合的方法,快速有效地提取出了洪水淹没范围。本研究为接下来对Sentinel-1卫星数据在洪水灾害评估中的研究利用提供了参考。 相似文献
3.
地震烈度是地震引起的地面震动及其影响强弱程度的度量。地震烈度在地震区划、建筑物与生命线工程抗震设计、灾害防御等方面具有广泛的应用。震后评定的地震烈度图是地震应急救援、恢复重建等的主要依据之一,因此,震后快速确定地震烈度具有重要救灾与减灾意义。本文在论述地震应急及其对遥感应用需求的基础上,回顾了遥感技术及其在地震应急研究与应用中的发展历程,概述了中国地震应急遥感应用的基本思路、地震灾害和地震烈度遥感定量评估方法,展示了该方法在巴楚-伽师地震、汶川地震、玉树地震、芦山地震、鲁甸地震等震后实际应急应用效果。最后,指出了目前震害遥感定量评估中存在的问题,并展望了未来震害遥感定量评估研究与应用。 相似文献
4.
高分辨率遥感影像已逐步成为地震灾害快速评估的主要数据源之一,但现有的遥感地震灾害信息提取方法存在对研究人员目视解译经验依赖性强和利用高分辨率影像提取结果精度不高的问题。因此,本文提出了一种基于目标特征库的高分辨率遥感灾害信息快速提取方法,用于提升遥感影像灾害信息提取的效率和自动化程度,并对基于目标特征库进行地震灾情快速评估的几项关键技术（目标特征库构建、样本匹配方法和自动分类方法）进行了阐述,最后,以云南鲁甸地震龙头山镇地区为研究区,基于高分辨率遥感影像在目标特征库支持下开展了地震灾情快速评估实验。通过与灾后调查数据的对比分析发现,基于高分辨率遥感灾害目标特征库的地震灾情快速评估结果在精度上可以满足灾情快速评估的业务需要,同时还具有更好的时效性。 相似文献
5.
土地利用变更的遥感应用分析 总被引：5，自引：0，他引：5
发现变化区域和变更类型是土地利用变更信息提取的主要任务,随着遥感技术的发展,土地利用变化信息提取的方法趋向于结合高分辨率的卫星影像和现有的影像处理方法来产生变化信息模板。本文全面总结分析了土地利用变更信息获取的技术和方法,并在此基础上进一步研究了基于RS和GIS技术的土地利用变更信息获取技术方法,以及高分辨率遥感影像在土地利用变更信息提取中的应用分析。 相似文献
6.
国产高分卫星6号（简称GF6）具有高分辨率、宽覆盖、高质量和高效成像等特点，可为农业资源遥感监测提供可靠的数据支撑。本研究以GF6卫星影像为主要数据源，综合利用遥感技术理论和方法开展对夏津县棉花种植面积的提取研究，利用同时相的哨兵2号（简称Sentinel2）影像解译结果进行对比分析。研究结果表明：基于GF6卫星的夏津县棉花种植面积提取方案高效、准确，提取精度明显优于Sentinel2卫星，进一步证明了新增了红边波段的GF6卫星能够显著增强作物的识别能力，其在大规模作物种植信息提取方面具有广阔的应用潜力。 相似文献
7.
以南水北调中线工程核心水源区为例,利用中、高分辨率光学影像、雷达影像和数字高程模型等多源遥感数据,开展断裂构造提取方法研究。综合利用多源遥感数据的对地穿透能力、光谱信息和空间几何信息,进行图像增强、融合处理和三维地形分析,突出目标区断裂构造的影像标志。通过多源遥感解译,结合现场调查验证,初步查明目标区内3条主要断裂的几何展布信息,为该区的活断层探测和地震危险性评价提供参考。 相似文献
8.
POI辅助下的高分辨率遥感影像城市建筑物功能分类研究 总被引：1，自引：0，他引：1
城市建筑物是城市的重要组成部分,对城市建筑物进行功能分类可以为城市功能区划分提供有利依据,辅助政府部门对城市规划、土地利用、资源、人口等方面的分布与分配进行管理与决策,有助于推进城镇化建设的可持续发展。仅利用目前的遥感分类技术难以对高分辨率遥感影像的城市建筑物信息进行功能分类,然而将遥感、互联网兴趣点（Point of Interest, POI）数据以及GIS技术有效地结合在一起,可以更为细致地分析城市信息,不仅实现了建筑物功能分类,而且提高了分类的准确率与可信度。本文首先选取卷积神经网络（Convolutional Neural Networks, CNN）方法对高分辨率遥感影像数据进行建筑物提取;然后,对POI数据的城市商服、公建和住宅用地进行核密度分析;最后分别统计每个建筑物3种用地的核密度平均值,并将该值设置为此建筑物的属性值,并结合POI数据的实际情况选择具有最佳功能分类精度的属性值作为阈值提取3种用地信息,从而完成不同功能的城市建筑物分类。精度评价结果表明,该方法对3种用地的提取效果良好,分类精度达到86%以上。 相似文献
9.
基于阴影的资源三号卫星数据城市建筑物高度估算 总被引：1，自引：0，他引：1
利用我国首颗民用高分辨率测绘卫星—ZY3影像,运用面向对象方法及形态学的思想,以形态学建筑物指数MBI和形态学阴影指数MSI,构建了基于知识规则的城市建筑物和阴影信息提取模型,很好地完成了北京方庄小区和厦门软件园的建筑物和阴影的提取,并实现了阴影长度的自动估算。利用太阳、卫星和建筑物成像几何关系,以阴影长度估算了城市建筑物高度,并以实测数据进行精度评价及误差分析。在以北京市方庄小区为例的试验中,建筑物高度提取的平均相对误差为7.08%,绝对误差小于6 m的建筑物占90%以上,80%以上的建筑物相对误差在10%以内,而误差较大的多为阴影较难识别的低矮建筑物和建筑密度较大使得阴影相互遮挡的高层建筑物。在厦门市软件园区实验中,94.3%的建筑物绝对误差在5 m以内,且计算高度与实际高度相关系数达到0.992,进一步验证了所用方法的可靠性。本文提出的建筑物信息提取方法,可很好地实现高分辨率影像城市建筑物高度估算,展示出资源三号卫星数据在城市建筑物信息提取方面的应用潜力。 相似文献
10.
谈谈卫星遥感影像数据在土地变更调查中的应用——以杭州市区2007年度为例 总被引：1，自引：0，他引：1
一、概况
1、项目背景
杭州市区(不含萧山、余杭)土地利用现状数据为2006年调查数据,距2007年已有一年多.由于杭州市区变化频繁,土地利用变化情况复杂,为进一步提高土地调查成果质量,做到数据、图件和实地"三者一致",为政府快速提供真实、准确的土地利用现状数据,杭州市国土资源局决定采用高分辨率卫星遥感影像数据作为2007年度土地变更调查工作的基础数据,通过对高分辨率卫星影像的识别、判读实现准确并快速地提取出土地变更信息,更为精确地勾绘出变化图斑的边界线,外业核查时更为明晰、高效. 相似文献
11.
汶川地震地质灾害遥感调查与空间特征分析 总被引：1，自引：0，他引：1
采用多源遥感数据、DEM数据和地形图等资料,对汶川地震地质灾害遥感进行了解译和调查。查明了汶川县境内地震地质灾害体的位置、类型、规模、边界等形态特征;论述了地震崩滑地质灾害溃滑型、溃崩型、抛射型、剥皮型、震裂型遥感影像特征;分析了汶川县境内地震地质灾害与地震断裂带、河谷地貌、高程、坡度、岩性等空间分布关系。研究表明,多源数据在地震地质灾害详细调查中具有采集范围广、速度快,可解译程度高、时效性高等优势,能较快、较好地应用于地震地质灾害突发性、区域性地震地质灾害遥感调查工作。 相似文献
12.
卫星热遥感技术在地震预测中应用研究进展 总被引：6，自引：3，他引：3
已有的研究结果表明。许多强地震前存在热异常。异常的表现形式是多种多样的，异常的时空分布与异常区的地质构造、地理环境、季节、天气等因素有关。内陆地区的地震前常产生热红外异常，而沿海地区的地震前则更容易出现潜热通量异常。红外辐射可以通过卫星红外通道的传感器观测到。而潜热通量可以使用微波遥感观测资料计算或红外遥感与地面观测资料联合反演。应用卫星遥感技术研究地震前的热异常虽然目前仍然存在许多问题，但随着技术的进步和研究工作的深入，应该能在地震预测中发挥重要作用。 相似文献
13.
城市区域建筑类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。本文提出一种融合高分辨率遥感影像高度特征的多尺度城市建筑类型分类方法。首先利用语义分割模型识别高分辨影像中建筑和阴影对象;然后借助建筑对象及其阴影信息在卫星成像时的几何关系估算建筑高度;最后基于多尺度图像分析思想,提取一系列表征建筑对象的高度、空间结构、几何等多尺度特征,利用机器学习方法进行建筑类型分类,并进一步分析不同粒度的建筑类型分析单元对分类结果的影响。选取福州市主城区国产高分二号高分辨率影像进行实验验证。结果表明：① 基于所提方法的建筑类型分类总体精度达到82.98%, kappa系数为0.77,分类精度优于本文中未加入高度信息的分类方法和单一尺度分类方法;② 引入高度特征有效提高了中低层居民楼和高层商住两用建筑类型的分类精度,较未加入高度特征的分类结果,总体精度提高了11.28%;③ 融合多个尺度的图像特征可有效减少粘连建筑误分为密集型建筑的情况,较单一尺度分类方法,总体精度提高了2.77%。在精细的数字表面模型数据缺失下,利用高分辨影像阴影信息可为建筑物高度估计提供一种有效的策略,提高城市建筑类型分类精度。此外,融合多粒度图像特征可提升城市区域复杂建筑类型的表征能力,进而提高分类精度。 相似文献
14.
在高分辨率遥感影像中提取建筑物轮廓是地区基础建设信息统计的一项重要任务。适应性较强的深度学习方法已在建筑物提取研究中取得较大进展,受网络模型对影像特征表达的局限性,存在局部建筑轮廓边缘模糊的问题。本研究提出一种基于注意力的U型特征金字塔网络（AFP-Net）可以聚焦高分遥感影像中不同形态的建筑物结构,实现建筑物轮廓的高效提取。AFP-Net模型通过基于网格的注意力阀门Attention Gates模块抑制输入影像中的无关区域,凸出影像中建筑物的显性特征;通过特征金字塔注意力Feature Pyramid Attention模块增加高维特征图的感受野,减少采样中的细节损失。基于WHU建筑物数据集训练优化AFP-Net模型,测试结果表明AFP-Net模型能够较清晰地识别出建筑物轮廓,在预测性能上有更好的目视效果,在测试结果的总体精度和交并比上较U-Net模型分别提高0.67%和1.34%。结果表明,AFP-Net模型实现了高分遥感影像中建筑物提取的结果精度及预测性能的有效提升。 相似文献
15.
建筑物的自动提取对城市发展与规划、防灾预警等意义重大。当前的建筑物提取研究取得了很好的成果,但现有研究多把建筑提取当成语义分割问题来处理,不能区分不同的建筑个体,且在提取精度方面仍然存在提升的空间。近年来,基于多任务学习的深度学习方法已在计算机视觉领域得到广泛应用,但其在高分辨率遥感影像自动解译任务上的应用还有待进一步发展。本研究借鉴经典的实例分割算法Mask R-CNN和语义分割算法U-Net的思想,设计了一种将语义分割模块植入实例分割框架的深度神经网络结构,利用多种任务之间的信息互补性来提升模型的泛化性能。自底向上的路径增强结构缩短了低层细节信息向上传递的路径。自适应的特征池化使得实例分割网络可以充分利用多尺度信息。在多任务训练模式下完成了对遥感影像中建筑物的自动分割,并在经典的遥感影像数据集SpaceNet上对该方法进行验证。结果表明,本文提出的基于多任务学习的建筑提取方法在巴黎数据集上建筑实例分割精度达到58.8%,在喀土穆数据集上建筑实例分割精度达到60.7%,相比Mask R-CNN和U-Net提升1%~2%。 相似文献
16.
自动提取城市建筑物对城市规划、防灾避险等行业应用具有重要意义,当前利用高空间分辨率遥感影像进行建筑物提取的卷积神经网络在网络结构和损失函数上都存在提升的空间。本研究提出一种卷积神经网络SE-Unet,以U-Net网络结构为基础,在编码器内使用特征压缩激活模块增加网络特征学习能力,在解码器中复用编码器中相应尺度的特征实现空间信息的恢复;并使用dice和交叉熵函数复合的损失函数进行训练,减轻了建筑物提取任务中的样本不平衡问题。实验采用了Massachusetts建筑物数据集,和SegNet、LinkNet、U-Net等模型进行对比,实验中SE-Unet在准确度、召回率、F1分数和总体精度 4项精度指标中表现最优,分别达到0.8704、0.8496、0.8599、0.9472,在测试影像中对大小各异和形状不规则的建筑物具有更好的识别效果。 相似文献
17.
基于高分辨率遥感影像的建筑物提取一直是研究的热点问题,深度学习的深层次特征提取方法,非常适合高分辨率影像中建筑物的提取,但使用深度学习提取建筑物时,大多以改变网络结构为主进行算法优化,很少与其他方法结合。本文研究在改进深度学习网络结构的基础上,结合影像模糊度约束增强、形态学建筑指数约束增强等方法,对建筑物提取方法进行更全面更有针对性的改进。本文主要改进内容为：① 提出PwDeepLab网络,该网络基于DeepLab v3+网络结构,在特征融合方式和损失函数等方面进行了改进。② 提出模糊度约束方法,在固定影像块大小的情况下,通过影像模糊度约束对影像进行上采样增强。③ 提出形态学指数约束方法,通过形态学建筑物指数（MBI）约束范围拉伸增强的方法,在较少改变原始影像特征的情况下,突出建筑信息。本文在Massachusetts数据集和武汉大学的Satellite Dataset Ⅱ(East Asia) 数据集上进行验证, 2个数据集的主要建筑类型存在较大区别。本文提出的方法在2个数据集上的精度相对于DeepLab v3+分别提高了10.9%和3.8%,相对于U-Net分别提高了10.0%和9.6%。实验结果表明本文提出的方法对建筑物提取效果有明显提升,且具有很好的鲁棒性和通用性。 相似文献
18.
针对目前基于深度学习与高分辨率遥感影像的建筑物提取研究现状,本文提出了一种综合ResNet中的ResBlock残差模块和Attention注意力机制的改进型Unet网络（Res_AttentionUnet）,并将其应用于高分辨率遥感影像建筑物提取,有效地提高了建筑物的提取精度。具体优化方法为：在传统的Unet语义分割网络卷积层中加入针对初高级特征加强提取的ResBlock残差模块,并在网络阶跃连接部分加入Attention注意力机制模块。其中,ResBlock残差模块使卷积后的特征图获取更多的底层信息,增强卷积结构的鲁棒性,从而防止欠拟合;Attention注意力机制可增强对建筑物区域像素的特征学习,使特征提取更完善,从而提高建筑物提取的准确率。本研究采用武汉大学季顺平团队提供的开放数据集（WHU Building Dataset）作为实验数据,并从中选取3个具有不同建筑物特征和代表性的实验区域,然后分别对不同实验区域进行预处理（包括滑动裁剪和图像增强等）,最后分别使用Unet、ResUnet、AttentionUnet和Res_AttentionUnet 4种不同的网络模型对3个不同实验区进行建筑物提取实验,并对实验结果进行交叉对比分析。实验结果表明,与其他3种网络相比,本文所提出的Res_AttentionUnet在基于高分辨率遥感影像的建筑物提取中具有更高的精度,平均提取精度达到95.81%,相较于原始Unet网络提升17.94%,同时相较于仅加入残差模块的Unet网络（ResUnet）提升2.19%,能够显著地提升高分辨率遥感影像中建筑物提取的效果。 相似文献