一种基于相位一致的高分辨率遥感图像特征检测方法
常见国产卫星遥感影像数据的简介
北京揽宇方圆信息技术有限公司 常见国产卫星遥感影像数据的简介 本文介绍了常见国产卫星数据的简介、数据时间、传感器类型、分辨率等情况。 中国资源卫星应用中心产品级别说明 ◆1A级和1C级产品均为相对辐射校正产品,只是不同卫星选用的生产参数不同。 ◆2级，2A级和2C级产品均为系统几何校正产品,只是不同卫星选用的生产参数不同。 其中: ■GF-1卫星和ZY3卫星归档产品为1A级，ZY1-02C卫星数据归档产品级别为1C级，其他卫星归档级别为2级! ◆归档产品是指:该类产品已经存在于系统中,仅需要从存储系统中迁移出来.即可供用户下载的数据。 ◆生产产品是指:该类产品不是已经存在的产品,需要对原始数据产品进行生产,然后再提供给用户下载的数据。
■当用户需要的产品级别是上述归档的级别,直接选择相应的产品级别，然后查询即可！ ■当用户需要的产品级别不是上述归档的级别,就需要进行生产.本系统提供GF-1卫星和ZY3卫星2A级的生产产品,ZY1-02C卫星2C级的生产产品,在选择需要的级别查询后,无论有没有数据,在查询结果页上方有一个“查询0级景”按钮,点击此按钮后,进行数据查询,如果有数据，选择需要的产品直接订购,即可选择需要的产品级别。 国产卫星 一、GF-3(高分3号) 1.简介 2016年8月10日6时55分，高分三号卫星在太原卫星发射中心用长征四号丙运载火箭成功发射升空。 高分三号卫星是中国高分专项工程的一颗遥感卫星，为1米分辨率雷达遥感卫星，也是中国首颗分辨率达到1米的C频段多极化合成孔径雷达（SAR）成像卫星，由中国航天科技集团公司研制。 2.数据时间 2016年8月10日-现在 3.传感器 SAR：1米 二、ZY3-02（资源三号02星） 1.简介 资源三号02星（ZY3-02）于2016年5月30日11时17分，在我国在太原卫星发射中心用长征四号乙运载火箭成功将资源三号02星发射升空。这将是我国首次实现自主民用立体测绘双星组网运行，形成业务观测星座，
遥感影像的分类处理
摘要 在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。 近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到1 至5 米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。 相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。 然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(salt and pepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员针对以上缺陷提出了很多新的方法，如支持向量机(Support Vector Machine，SVM) 、纹理聚类、分层聚类(Hierarchical Clustering) 、神经网络(Neural Network, NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。 针对以上问题，面向对象的处理方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程
高分辨率遥感卫星介绍
北京揽宇方圆信息技术有限公司 高分辨率遥感卫星有哪些 高分辨率遥感可以以米级甚至亚米级空间分辨率精细观测地球，所获取的高空间分辨率遥感影像可以清楚地表达地物目标的空间结构与表层纹理特征，分辨出地物内部更为精细的组成，地物边缘信息也更加清晰，为有效的地学解译分析提供了条件和基础。随着高分辨率遥感影像资源日益丰富，高分辨率遥感在测绘制图、城市规划、交通、水利、农业、林业、环境资源监测等领域得到了飞速发展。 北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构，而且是整合全球的遥感卫星数据资源，分发不同性能、技术应用上可以互补的多种卫星影像，包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服务，各种专业应用目的的图像处理、解译、顾问服务以及基于卫星影像的各种解决方案等。遥感卫星影像数据贯穿中国1960年至今的所有卫星影像数据，是中国遥感卫星数据资源最多的专业遥感卫星数据服务机构，提供多尺度、多分辨率、全覆盖的遥感卫星影像数据服务，最大限度的保证了遥感影像数据获取的及时性和完整性。 一、卫星类型 (1)光学卫星：worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、北京二号、高景一号、资源三号、高分一号、高分二号、环境卫星。 (2)雷达卫星：terrasar-x、radarsat-2、alos雷达卫星、高分三号卫星、哨兵卫星 (3)侦查卫星：美国锁眼卫星全系例(1960-1980) 二、卫星分辨率 (1)0.3米：worldview3、worldview4 (2)0.4米：worldview3、worldview2、geoeye、kompsat-3A (3)0.5米：worldview3、worldview2、geoeye、worldview1、pleiades
遥感图像分类方法的国内外研究现状与发展趋势
遥感图像分类方法的国内外研究现状与发展趋势
遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台
上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要
改进CV模型在高分辨率遥感影像分割中的应用
改进CV模型在高分辨率遥感影像分割中的应用 许文宁;梅树立;王鹏新;杨勇 【期刊名称】《农业机械学报》 【年(卷),期】2011(042)003 【摘要】An improved CV model was presented according to the characters and the segmentation requirements of the remote sensing images. The correctness of the improved model was validated by the experiment. The results show that the new method can improve calculation efficiency effectively. Beside this, a continuous and closed boundary curve of the target objects can be obtained at the same time. Therefore, the land cover can be identified precisely with the help of the geometrical characteristic of the segmentation boundary.%针对遥感图像的特点及分割要求给出了一种CV简化模型,并对改进模型的正确性进行了实验验证.实验结果表明,该方法不但提高了运算速度,而且能够得到连续封闭的目标地物矢量数据,因此可方便地利用分割边界的几何特征实现地物目标的精确识别.【总页数】4页(180-183) 【关键词】遥感图像;区域分割;CV模型;应用 【作者】许文宁;梅树立;王鹏新;杨勇 【作者单位】中国农业大学信息与电气工程学院,北京,100083;中国农业大学信息与电气工程学院,北京,100083;中国农业大学信息与电气工程学院,北京,100083;中国农业机械化科学研究院,北京,100083 【正文语种】中文
遥感图像分类方法的国内外研究现状与发展趋势
遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台
上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要
IKONOS卫星遥感影像解译数据分辨率是多少
IKONOS卫星遥感影像解译数据分辨率是多少? IKONOS卫星简介 IKONOS为美国DigitalGlobe公司的高分辨率遥感卫星，于1999年09月24日发射，其影像分辨率达0.82米，为全球首颗提供1米以下分辨率的商用光学卫星，揭开了高分辨率卫星影像的时代。--广西善图科技。 IKONOS卫星基本参数
IKONOS卫星影像样片 IKONOS卫星影像 IKONOS卫星影像 卫星遥感数据分类： 一、卫星分辨率 1.0.3米：worldview3、worldview4 2.0.4米：worldview3、worldview2、geoeye、kompsat-3A 3.0.5米：worldview3、worldview2、geoeye、worldview1、pleiades、高景一号 4.0.6米：quickbird、锁眼卫星 5.1米：ikonos、高分二号、kompsat、deimos、北京二号 6.1.5米：spot6、spot7、锁眼卫星 7.2.5米：spot5、alos、资源三号、高分一号（4颗）、高分六号、锁眼卫星 8.5米:spot5、rapideye、锁眼卫星、planet卫星4米
9.10米:spot5、spot4、spot3、spot2、spot1、Sentinel-卫星 10.15米:landsat5(tm)、landsat(etm)、landsat8、高分一号16米 二、卫星类型 1.光学卫星：spot2、spot3、spot4、spot5、spot6、spot7、worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、高分一号、高分二号、高分六号、北京二号、高景一号、资源三号、环境卫星。 2.雷达卫星：terrasar-x、radarsat-2、alos雷达卫星、高分三号卫星、哨兵卫星 3.侦查卫星：美国锁眼卫星全系例(1960-1980) 4.高光谱类卫星：高分五号、环境小卫星、ASTER卫星、EO-1卫星 三、卫星国籍 1.美国：worldview1、worldview2、worldview3、quickbird、geoeye、ikonos、landsat5(tm)、landsat(etm)、锁眼卫星、planet卫星 2.法国：pleiades、spot1、spot2、spot3、spot4、spot5、spot6 3.中国：高分一号、高分二号、高分六号、高景卫星、北京二号、资源三号等 4.德国：terrasar-x、rapideye 5.加拿大：radarsat-2 四、卫星发射年份 1.1960-1980年：锁眼卫星(0.6米分辨率至10米) 2.1980-1990年：landsat5(tm)、spot1 3.1990-2000年：spot2、spot3、spot4、landsat(etm)、ikonos 4.2000-2010年：quickbird、worldview1、worldview2、spot5、rapideye、radarsat-2、alos 5.2010-至今：高分一号、高分二号、高分三、高分四、高分五、高分六号、高分七、spot6、spot7、资源三号、worldview3、worldview4、pleiades、高景卫星、planet卫星
高空间分辨率遥感影像分割方法研究综述
高空间分辨率遥感影像分割方法研究综述 高空间分辨率遥感影像分割方法研究综述 刘建华毛政元 （福州大学,空间数据挖掘与信息共享教育部重点实验室，福建省空间信息工程研究中心，福州350002） 摘要:遥感影像分割是指把一幅影像划分为互不重叠的一组区域的过程，它要求得到的每个区域的内部具有某种一致性或相似性，而任意两个相邻的区域则不具有此种相似性。遥感影像分割是面向对象的遥感影像数据挖掘与应用中的一项关键技术,对于影像目标信息自动化提取与智能识别尤为重要，在面向对象的遥感影像处理工程中具有重要意义。本文对常见的高空间分辨率遥感影像分割方法与应用策略进行了分析，比较了各种分割方法的应用范围、优缺点及目前存在的改进措施。建立了面向对象的遥感影像分割方法的分类体系，最后指出了面向对象的遥感影像分割方法目前所存在的问题及应用前景。 关键词:高空间分辨率遥感影像影像分割方法应用策略进展 A Survey on High Spatial Resolution Remotely Sensed Imagery Segmentation Techniques and Application Strategy Liu Jian hua Mao zheng yuan (Fuzhou University, Spatial Information Research center, Fuzhou, 350002) Abstract: Remotely sensed imagery segmentation is a process of dividing an image into different regions such that each region is, but the union of any two adjacent regions is not, homogeneous. It is one of key techniques in the object-oriented remotely sensed imagery data mining and its application, also quite essential in remote sensing image processing engineering. In this paper, we have a rough survey on different methods of high spatial resolution remotely sensed imagery segmentation, categorizing them into four groups according to the gray or color information they are exploiting. The disadvantage of current methods and the proper progress which can be attained in the near future are pointed out at the end of this essay. Keywords: High Spatial Resolution Imagery, Segmentation methods, application strategy, advances and prospects 1 引言 高空间分辨率遥感影像(如GeoEye、WorldView、QuickBird、IKONOS等，本文简称高分影像)在诸多领域（地形图更新、地籍调查、城市规划、交通及道路设施、环境评价、精细农业、林业测量、军事目标识别和灾害评估等）得以广泛应用[1]。目前，影像信息提取自动化程度低是高分影像应用潜力得不到充分发挥的主要限制因素，是理论和应用研究中必须突破的瓶颈。 遥感影像分割是面向对象的遥感影像分析方法[2]的基础和关键，在遥感影像工程中处于影像处理与影像理解的中间环节，是面向对象的影像分析理论研究的突破口。按照一般的影像分割定义[3],分割出的影像对象区域需同时满足相似性和不连续性两个基本特性；其中相似性指该影像对象内的所有像元点都满足基于灰度、色彩、纹理等特征的某种相似性准则，不连续性是指影像对象的特征在区域边界处的不连续性。迄今为止,将计算机视觉领域的图像分割算法应用于图像分割过程中,已开展了较多的研究[4-7],并提出了大量的算法；但针对遥感影像尤其是高分影像的分割方法较少[8],仍不成熟。这是由于与其它类型图像的分割相比，高分影像分割难度更大,也更具挑战性。具体体现在高分影像其空间分辨率高、纹理信息丰富而光 基金项目: 国家重点基础研究发展计划项目（973）子课题“高空间分辨率遥感影像自适应数据挖掘方法研[2006CB708306]”，国家自然科学基金项目“基于场模型的自适应空间聚类方法研究[40871206]”。 作者简介: 刘建华，男，博士研究生,曾从事GIS与RS教学工作。目前主要研究方向为空间数据挖掘、遥感图像处理以及GIS与RS集成等。E-mail：sirc.liujh@https://www.360docs.net/doc/9712000738.html,。
高分辨率遥感影像分类实验报告
高分辨率遥感影像分类实验报告 班级：___________________ 姓名：___________________ 学号：___________________ 指导老师：_______________ 地球科学与环境工程学院 二?一四年六月
目录 1 实验方法——面向对象方法 (1) 2 实验内容 (1) 2.1 影像预处理 (1) 2.1.1 影像数据融合 (1) 2.1.2 影像增强处理 (2) 2.2 创建工程 (2) 2.3 分割处理 (3) 2.4 分类 (4) 2.4.1 水体 (4) 2.4.2 陆地 (5) 2.4.3 植被 (6) 2.4.4 裸土 (7) 2.4.5 建筑物 (8) 2.4.6 道路 (9) 2.4.7 阴影 (10) 2.4.8 总体分类图 (12) 3 结语 (13)
1实验方法——面向对象方法 面向对象方法是一个模拟人类大脑认知的过程，将图像分割为不同均质的对 象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。 因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息， 结合各 种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。 面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。 首先 需要使用一定方法对遥感影像进行分割， 在提取分割单元（图像分割后所得到的 内部属性相对一致或均质程度较高的图像区域） 的各种特征后，在特征空间中进 行对象识别和标识，从而最终完成信息的分类与提取。 2实验内容及详细过程 2.1影像预处理 2.1.1影像数据融合 实验数据为QuickBird 影像，包括4个多光谱波段以及一个全色波段。 QuickBird 影像星下点分辨率：全色为 0.61m ,多光谱为2.44m 。对于面向对象 影像分类 来说，越高的高空间分辨率越好，但在对对象进行分类时，光谱信息同 样重要，因此，可将高分辨率的全色影像和多光谱影像进行数据融合。 使用 ERDAS 进行数据融合： Interprete u spatialenchancemen ^resolution mergeo 图1 全色影像与多光谱影像融合 Ib^pul Fh (*.网| MJitiMewl lf 高分辨率遥感影像分类实验报告 班级： 姓名： 学号： 指导老师： 地球科学与环境工程学院 二〇一四年六月 目录 1实验方法——面向对象方法 (1) 2实验内容 (1) 2.1 影像预处理 (1) 2.1.1影像数据融合 (1) 2.1.2 影像增强处理 (2) 2.2 创建工程 (2) 2.3 分割处理 (3) 2.4 分类 (4) 2.4.1 水体 (4) 2.4.2陆地 (5) 2.4.3 植被 (6) 2.4.4 裸土 (7) 2.4.5 建筑物 (8) 2.4.6 道路 (9) 2.4.7 阴影 (10) 2.4.8 总体分类图 (12) 3 结语 (13) 1实验方法——面向对象方法 面向对象方法是一个模拟人类大脑认知的过程，将图像分割为不同均质的对象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息，结合各种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。 面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先需要使用一定方法对遥感影像进行分割，在提取分割单元（图像分割后所得到的内部属性相对一致或均质程度较高的图像区域）的各种特征后，在特征空间中进行对象识别和标识，从而最终完成信息的分类与提取。 2实验内容及详细过程 2.1 影像预处理 2.1.1影像数据融合 实验数据为QuickBird影像，包括4个多光谱波段以及一个全色波段。QuickBird影像星下点分辨率：全色为0.61m，多光谱为2.44m。对于面向对象影像分类来说，越高的高空间分辨率越好，但在对对象进行分类时，光谱信息同样重要，因此，可将高分辨率的全色影像和多光谱影像进行数据融合。 使用ERDAS进行数据融合：Interpreter→spatialenchancement→resolution merge。 图 1 全色影像与多光谱影像融合 第35卷第3期 地球科学———中国地质大学学报 Vol.35 No.32010年5月 Earth Science —Journal of China University of G eosciences May 2010 doi :10.3799/dqkx.2010.050 基金项目:教育部新世纪优秀人才计划资助项目(No.NCET 20720772);国家重点“863”项目(No.2007AA120503). 作者简介:高伟(1980-),男,博士生,主要从事遥感数据处理与信息提取的科研和教学工作.E 2mail :cuggaowei @hot https://www.360docs.net/doc/9712000738.html, 一种改进的高分辨率遥感影像分割方法 高 伟1,2,刘修国1,2,彭 攀1,2,陈启浩1,2 1.中国地质大学信息工程学院,湖北武汉430074 2.地理信息系统软件及其应用教育部工程中心,湖北武汉430074 摘要:分形网络演化算法是面向对象的遥感影像分类中比较成熟的一种构建对象的算法,但在分割效率上有待进一步提高, 而四叉树分割是一种高效的图像分割方法.提出了一种基于四叉树预分割的分形网络演化构建对象的方法.实验证明,该方法基本不影响影像分割的效果,而且提高了形成初始对象的效率,较大程度上提高了整体的分割效率.关键词:影像分割;分形网络演化;高空间分辨率;四叉树;地理信息系统.中图分类号:TP311 文章编号:1000-2383(2010)03-0421-05 收稿日期:2010-01-15 An Improved Method of High 2R esolution R emote Sense Image Segmentation GAO Wei 1,2,L IU Xiu 2guo 1,2,PEN G Pan 1,2,CH EN Qi 2hao 1,2 1.Facult y of I nf ormation Engineering ,China Uni versit y of Geosciences ,W uhan 430074,China 2.Engineering Research Center f or GIS S of t w are and A p plications ,Minist ry of Education ,W uhan 430074,China Abstract :Fractal net evolution approach (FN EA )is a relatively mature one among the object 2oriented image segmentation algo 2rithms ,but its efficiency is to be improved.Quad 2Tree segmentation is a kind of effective image segmentation method.In this paper ,an improved object oriented multi 2scale image segmentation method based on the quad 2tree pre 2segmentation and FN EA is introduced.The experiment shows that the effect of its segmentation result is almost the same as that of traditional FN EA method.Moreover ,It saves time. K ey w ords :image segmentation ;f ractal net evolution approach ;high 2nesolution remote sense ;quad 2tree ;geographic informa 2tion system (GIS ). 0 引言 近年来,以I KONOS 和Quick 2Bird 为代表的高空间分辨率遥感影像得到广泛应用(高伟,2006).高分辨率遥感影像具有丰富的空间信息,地物几何结构和纹理信息,便于认识地物目标的属性特征,如地物的图层值、形状、纹理、层次和专题属性,有助于提高地物定位和判读精度,使得在较小的空间尺度上观察地表细节变化,进行大比例尺遥感制图,以及监测人为活动对环境的影响成为可能.为土地利用、城市规划、环境监测等民用方面提供了更便利、更详细的数据源.高分辨率影像的广泛应用迫切要求人们对高分辨率遥感信息提取进行研究,以满足高分辨 率影像信息不断增长的应用和研究需要(Chen et al .,2009). 面向对象的高分辨率遥感影像的分类方法不仅利用地物的光谱信息,而且更多地利用几何信息和结构信息,可以结合其他空间知识和上下文信息来进行更为深入的分类,使得对高分辨率影像的分类更为合理和有效,这成为高分辨率影像信息提取的重要方法之一(Blaschke and Hay ,2001;陆关祥等,2002).在面向对象高分辨率影像的信息提取中,对遥感图像进行分割,形成具有一定特征相似性的影像区域,是实现从影像上进行地物目标计算机自动提取的第一步. 目前分形网络演化算法(Baatz and Schape , 中国突破高分辨率遥感卫星测绘关键技术 卫星测图是一个国家对地观测水平的重要标志。长期以来，中国卫星影像精度不高，一直依靠航空影像和国外卫星影像进行测图。 在１０日举行的国家科技奖励大会上，“国产民用高分辨率立体测图卫星测绘和应用关键技术”项目获得国家科技进步一等奖。这一项目结束了中国遥感卫星难以测图的历史，打破了国外的技术封锁和数据垄断，使中国成为国际上少数几个掌握成套卫星测绘技术的国家。 ２０１２年１月９日，中国首颗民用高分辨率立体测图卫星资源三号发射成功，随后不到一个月时间内，资源三号卫星应用系统的第一幅地形图就产生了，并且平面与高程精度都优于３米，测绘精度超过了国外同类卫星。 “此前，中国１：５万卫星测绘数据源基本依赖国外卫星。”资源三号卫星工程应用系统总设计师、国家测绘地理信息局卫星测绘应用中心副主任唐新明介绍说，这个项目实现了国产遥感卫星从“有”到“好用”、从示范应用到业务化运行的根本性转变。项目实现了五项第一，将无地面控制卫星测图的精度提高了近百倍。 唐新明说，这一项目突破了困扰中国高分辨率遥感数据长期依赖进口的瓶颈。资源三号成功应用不久，国外同类卫星数据的价格就大幅下降，从每平方公里４０元降至６元。更重要的是，这一技术跨越对维护国家安全具有重大意义。 目前资源三号应用系统基本实现规模化、业务化生产，能实现当 天接收数据、当天完成处理，业务化生产水平也已完全与国际接轨。为测绘、国土、地矿、水利等众多行业提供了５０００万平方公里的影像，为全国１：５万基础地理信息数据库更新工程、全国首次地理国情普查等国家重大项目提供了１５００万平方公里的影像，同时还向美国、澳大利亚等３０多个国家、地区提供了４５０万平方公里的影像数据。 在资源三号之后，中国计划用１０年至１５年时间建立测绘遥感卫星体系。目前３颗资源三号后续测绘卫星已纳入国家相关规划，２０１４年力争发射资源三号０２星，实现两颗资源三号测绘卫星组网运行。 二○一一届毕业设计 面向对象的高分辨率遥感影像分类Object-oriented Classification of high Resolution Remote Sensing images 学院：地质工程与测绘学院 专业：遥感科学与技术 姓名： 学号： 指导教师： 完成时间：2011年6月17日 二〇一一年七月 摘要 高空间分辨率遥感影像使得在较小的空间尺度上观察地表细节变化，进行大比例尺遥感制图，以及监测人为活动对环境的影响成为可能。随着高分辨率影像的应用越来越普及，迫切要求人们对高分辨率遥感信息提取进行研究，以满足高分辨率影像信息不断增长的应用和研究需要 高分辨率遥感影像光谱信息有限，空间信息丰富，地物的尺寸、形状及相邻地物间的关系都得到很好的反映。面向对象的分类方法与传统的基于像素的分类相比，不仅仅是依靠光谱信息，而且还充分利用影像的空间信息，分类时也克服了基于像元的逐点分类无法对相同语义特征的像素集合进行识别的缺点，是一种目前最适合于高分辨率遥感影像的分类方法。 本文采用面向对象的分类方法对高分辨率影像进行分类，该方法首先对影像进行多尺度分割获得同质区域对象，在此基础上利用模糊分类思想对分割后的对象进行分类。该方法不仅充分利用了高分辨率影像的空间信息，还将基于像素的分类提升到了基于对象的分类。 多尺度分割采用的是区域生长合并算法，通过对尺度阈值、光谱因子及形状因子等参数的控制，可以获得不同尺度下有意义的对象。分割后的对象不仅包含了原始的光谱信息，还可以提供大量辅助特征，如纹理、形状、拓扑等特征。综合利用这些特征以及模糊分类的思想，使得高分辨率影像分类在减少分类不确定性的同时，还提高了分类的精度。 最后将面向对象分类结果与传统的基于像素分类结果进行对比分析，发现其分类精度要明显高于传统法，且具有较强的抗噪声的功能，分类所得的地物结果相对较为完整，具有更丰富的语义信息，更加符合客观现实情形。 关键词：高分辨率遥感影像，面向对象的分类，影像分割，多尺度，最近邻分类 北京揽宇方圆信息技术有限公司 表1：商业光学高分辨率卫星参数一览表 北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构，而且是整合全球的遥感卫星数据资源，分发不同性能、技术应用上可以互补的多种卫星影像，包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服务，各种专业应用目的的图像处理、解译、顾问服务以及基于卫星影像的各种解决方案等。遥感卫星影像数据贯穿中国1960年至今的所有卫星影像数据，是中国遥感卫星数据资源最多的专业遥感卫星数据服务机构，提供多尺度、多分辨率、全覆盖的遥感卫星影像数据服务，最大限度的保证了遥感影像数据获取的及时性和完整性。 优势： 1：北京揽宇方圆国内老牌卫星数据公司，经营时间久，行业口碑相传，1800个行业用户选择的实力见证。 2：北京揽宇方圆遥感数据购买专人数据查询一对一服务，数据查询网址是卫星公司网。 3：北京揽宇方圆拥有大型正版遥感处理软件，遥感数据处理工程师有10年以上遥感处理工作经验，并有国家大型项目工作经验自主卫星数据处理软件著作权，最大限度保持遥感卫星影像处理的真实度。 4：北京揽宇方圆国家高新技术企业，通过ISO900认证的国际质量管理操作体系，无论是遥感卫星品质和遥感数据处理质量，都能得到保障。 5：影像数据官方渠道：所有的卫星数据都是卫星公司授权的原始数据，全球公众数据查询网址公开查询，影像数据质量一目了然，数据反应客观公正实事求是，数据处理技术团队国标规范操作，提供的是行业优质的专业化服务。 6：签定正规合同：影像数据服务付款前，买卖双方须签订服务合同，提供合同相应的正规发票，发票国家税网可以详细查询，有增值税普通发票和增值税专用发票两种发票类型可供选择。以最有效的法律手段来保障您的权益。 7：对公帐号转款：合同约定的对公帐号，与合同主体名发票上面的帐号名称一致，是由工商行政管理部门核准的公司银行账户，所有交易记录均能查询，保障资金安全。 8：售后服务：完善的售后服务体制，全国热线，登陆官网客服服务同步。 技术能力说明 北京揽宇方圆拥有大型正版遥感处理软件，遥感数据处理工程师有10年以上遥感处理工作经验，并有国家大型项目工作经验自主卫星数据处理软件著作权，最大限度保持遥感卫星影像处理的真实度。 第５３卷第４期华中师范大学学报（自然科学版） Ｖｏｌ．５３Ｎｏ．４ ２０１９年８月ＪＯＵＲＮＡＬ ＯＦ ＣＥＮＴＲＡＬ ＣＨＩＮＡ ＮＯＲＭＡＬ ＵＮＩＶＥＲＳＩＴＹ（Ｎａｔ．Ｓｃｉ．）Ａｕｇ ．２０１９收稿日期：２０１９－０３－ ０４．基金项目：十三五科技部国家重点研发计划项目（２０１６ＹＦＣ０８０３１０７，２０１６ＹＦＢ０５２６０１，２０１７ＹＦＢ０５０４１０３）． ＊通讯联系人．Ｅ－ｍａｉｌ：ｄｕａｎｘｕｅｌｉｎ＠ｗ ｈｕ．ｅｄｕ．ｃｎ．ＤＯＩ：１０．１９６０３／ｊ．ｃｎｋｉ．１０００－１１９０．２０１９．０４．０１７文章编号：１０００－１１９０（２０１９）０４－０５６８－ ０７基于ＤＣＮＮ的高分辨率遥感影像场景分类孟庆祥，段学琳 （武汉大学遥感信息工程学院，武汉４３００００ ）摘 要：针对传统场景分类方法不能准确地表达高分辨率遥感影像丰富的语义信息问题，提出了一种基于卷积神经网络的高分辨率影像场景分类方法．此方法大致分为３步：第１步，依据不同卷积窗口做卷积运算提取颜色， 纹理和形状等低阶特征；第２步，利用池化层将这些低阶特征进行过滤，得到重要特征；第３步，重组提取出来的特征以形成高阶语义特征进行场景分类．在具体实验中利用三个不同尺寸的卷积核对数据集进行分类探究，并且使用了数据增广、正则化和Ｄｒｏｐｏｕｔ等手段，提升模型对新样本的适应能力，很好地解决了过拟合问题．该方法在所进行的实验中表现良好，在ＷＨＵ－ＲＳ１９数据集上取得了８８．４７％的准确率，和传统的场景分类方法相比，显著提升了分类精度． 关键词：高分辨率遥感影像；场景分类；深度学习；深度卷积神经网络中图分类号：Ｐ２３７ 文献标识码：Ａ 遥感技术的不断发展， 带来了影像分辨率的提升．这种高空间分辨率的遥感影像具有丰富的空间信息和纹理特征，包含了大量的语义信息．然而面向像素和面向对象的解译方法存在着很多不足，无法满足遥感影像高层次内容解译的需求．因此，对高分辨率遥感图像进行场景分类成为了当前遥感 图像解译中活跃的研究课题［１］． 场景分类是遥感研究领域的热点．通俗的来说，就是用给定的图像，通过其包含的内容对它的场景类别进行判断．传统的场景分类方法可以概括为两类：基于低层次特征的方法和基于中层语义 特征建模的方法［２］ ． 基于低层特征的场景分类，即依赖于颜色、纹理和形状等低层特征的分类方法，此类分类算法比较简单，但泛化能力较弱、精度不 够高［３－４］． 基于中间语义的图像分类，即先生成底层特征， 然后结合分类器实现图像场景分类，其代表有视觉词袋（ＢｏＶＷ）［５］以及由此衍生的空间金字塔匹配核（ＳＰＭＫ） ［６］等，此类方法会导致信息的丢失，存在一定的局限性． 由于传统的场景分类方法无法满足大数据环 境下人们的分类要求，学者们开始将深度学习［７－８］算法应用到影像分类中．典型的深度网络模型［９］主要有深度置信网（ＤＢＮ）［１０］ 、栈式自动编码器网络（ＳＡＥ）［１１］和卷积神经网络（ＣＮＮ）［１２－ １３］． 其中，卷积神经网络是目前较为流行的基于监督的深度学习方法， 该方法在图像识别、物体识别、图像语义分割中都得到了广泛的应用．近年来，越来越多的学者将卷积神经网络运用于图像分类．文献［１４］将卷积神经网络用于图像分类，在ＣＩＦＡＲ－１０数据集上取得了较好的分类效果．文献［１５］用卷积神经网络对Ｌａｎｄｓａｔ ＴＭ５中等分辨率遥感影像进行了分类实验，并与支持向量机分类结果进行比较，在一定程度上体现了卷积神经网络在图像分类的优越性．与此同时，有学者将卷积神经网络运用于遥感影像的场景分类，并取得了一定的进展，这种场景分类方法很快受到了广泛的关注． 在此基础上，本文提出一种基于深度卷积神经网络的场景分类模型ＤＣＮＮ，将该模型用于高分辨率遥感影像的场景分类，加入数据增广并且利用正则化方法和丢弃函数调整模型参数，最终实现基于卷积神经网络的高分辨率遥感影像分类． １卷积神经网络 卷积神经网络是一种受生物学启示的，包含卷积计算且具有深度结构的前馈神经网络．它可以进行监督分类，提取出遥感影像中的语义特征．一个 基本的卷积神经网络结构有３层［１６－ １７］：输入层－隐 含层－输出层， 隐含层又分为４部分———卷积层、高分辨率遥感影像分类实验报告
一种改进的高分辨率遥感影像分割方法
中国突破高分辨率遥感卫星测绘关键技术
面向对象的高分辨率遥感影像分类
高分辨率卫星影像卫星参数表
基于DCNN的高分辨率遥感影像场景分类