导读:本文包含了高空间分辨率遥感影像论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感影像,分类,纹理特征,几何特征
高空间分辨率遥感影像论文文献综述
马长辉,黄登山[1]（2019）在《纹理与几何特征信息在高空间分辨率遥感影像分类中的应用》一文中研究指出为充分利用高空间分辨率遥感影像所包含的纹理与几何特征信息,提高影像的分类精度,应用面向对象技术和Log-Gabor小波来提取影像纹理和几何特征信息,并结合影像光谱信息对影像进行分类。选用的分类器为粒群优化算法优化参数的支持向量机分类器,使用资源叁号和高分二号两种不同传感器的卫星影像对方法进行验证,影像数据地物类型包含林地、草地、裸地、沙地、建筑物和道路等典型实体对象。通过对实验结果的目视比较和统计分析结果表明,所提方法分类结果精度较传统方法有所提高。(本文来源于《测绘地理信息》期刊2019年06期）
姚丙秀,黄亮,许艳松[2]（2019）在《一种结合超像素和图论的高空间分辨率遥感影像分割方法》一文中研究指出超像素分割已成为遥感影像预处理研究的新热点,但易形成过分割。为解决该问题,提出一种结合超像素和图论的高空间分辨率遥感影像分割方法。首先,采用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法对遥感影像生成超像素过分割影像;然后,采用图论算法对超像素进行合并,通过计算得到每次合并后的分割数对应的局部方差,确定合适的影像分割数;最后,根据合适的影像分割数用图论算法对超像素重新聚类合并。实验数据为4幅不同空间分辨率、不同场景的遥感影像,采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法能有效地解决遥感影像过分割结果的问题,获得了良好的分割结果。(本文来源于《国土资源遥感》期刊2019年03期）
郝怀旭,万太礼,罗年学[3]（2019）在《利用OpenStreetMap数据进行高空间分辨率遥感影像分类》一文中研究指出针对高分辨率遥感影像分类样本标注困难的问题,提出了一种利用OpenStreetMap(OSM)数据自动获取标注样本的方法。与现有的利用OSM数据进行分类的方法不同,该方法加入了空间特征以弥补单独使用光谱特征分类的不足。首先,基于OSM数据提供的地物类别和位置信息进行样本标注,为了降低OSM数据中少量错误信息对分类结果的影响,采用聚类分析的方法对样本进行提纯;其次,使用形态学轮廓来提取影像的结构特征,挖掘高分辨率遥感影像丰富的空间信息,与光谱特征相迭加并输入分类器进行分类。试验证明,本文提出的方法能够有效避免人工样本标注所需要的人力物力;同时,联合影像的光谱空间特征能够更好地描述地物特性,得到较高的分类精度。(本文来源于《测绘通报》期刊2019年07期）
李军军,曹建农,廖娟,程贝贝,朱莹莹[4]（2019）在《多尺度对象高空间分辨率遥感影像谱聚类分割》一文中研究指出针对基于像素模型的单尺度或多尺度谱聚类影像分割方法在相似矩阵存储、特征分解效率及分割精度方面存在的不足。该文首先通过给定多组空间及光谱带宽参数,利用mean-shift初分割生成不同尺度的超像素对象层;然后联合像素与超像素对高空间分辨率影像中的不同类别地物进行的多尺度建模表达其空间拓扑关系,即在图割理论框架下建立"像素-超像素"联合的多尺度无向权图模型G(V,E,W),同时根据遥感影像纹理特征丰富的特点,在顶点相似性计算过程中融合纹理特征;最后使用基于normalized cut准则的谱聚类算法,对图模型划分得到最终分割结果。该方法较好地降低了基于像素的谱聚类分割方法的计算复杂度,同时提高分割结果准确率。标准测试数据集和"高分2号"遥感影像分割结果表明了该方法的有效性。(本文来源于《测绘科学》期刊2019年10期）
黎付安[5]（2019）在《面向分类的高空间分辨率遥感影像融合算法研究》一文中研究指出随着对地观测技术的快速发展,中国发射了不同系列的高空间分辨率遥感卫星,如ZY3、GF1、GF2等。高空间分辨率遥感卫星能快速获取具有丰富地物信息的影像,已广泛应用于国土、资源、环境、灾害、农业、林业、测绘等领域。但因传感器类型不同,卫星获取的影像具有不同的时间分辨率、空间分辨率、光谱分辨率等特征。而在实际应用中,单波段影像具有的特征是难以满足实际需求,需要将不同空间分辨率、不同光谱波段的影像融合,以获得观测信息更全面的影像,为影像应用提供更好数据源。影像融合是影像分类应用前期处理过程,影像融合质量对后面影像分类有较大影响,因此本文面向高空间分辨率影像土地覆盖分类应用,基于国产ZY3、GF2影像对融合算法展开研究,并给出改进算法,本文主要研究内容及成果如下:(1)应用多光谱影像与全色影像进行融合以获取高空间分辨率的多光谱影像,为影像土地覆盖分类提供可靠的数据源。选取常用的IHS变换、PCA变换、Brovey变换、HPF方法、SFIM方法、Wavelet变换、Contourlet变换等融合算法,对国产ZY3、GF2卫星的全色影像与多光谱影像进行融合,对融合影像进行分类,从融合影像的光谱保留度、空间信息注入度、影像分类准确度等方面评价融合算法与ZY3、GF2影像的适宜性。结果表明:PCA方法对ZY3影像的整体融合效果较佳,光谱保持较好,空间信息增强和融合影像分类精度均优于其它方法;SFIM方法对GF2影像的空间信息增强较好,光谱保持较佳,融合影像分类精度最高,整体融合效果优于其它方法。(2)对空间细节丰富的高空间分辨率影像进行分类,面向对象分类方法比基于像元的分类方法更合适,而影像空间细节信息是面向对象分类方法利用的重要特性,其对分类结果存在一定影响的。为了能给予影像分类提供更高质量的融合影像,本文应用卷积神经网络超分辨率重构与NSCT变换结合的算法融合多光谱影像与全色影像,先是对低分辨率多光谱影像进行超分辨率重构,使其保持影像光谱特性的同时增强空间信息,再利用IHS与NSCT变换融合全色影像与增强后多光谱影像,其融合规则为低频采用多光谱影像系数,以保持多光谱影像光谱特性,高频采用绝对值取大的策略,以能够融合能量较大系数,使得影像更加清晰。结果表明:本文算法的整体融合效果优于对比算法,能有效注入空间细节的同时,更有效的保留融合影像光谱特征,得到了更好质量的融合影像。在此基础上,基于面向对象分类方法对融合影像进行土地覆盖分类,提取建设用地、裸地、绿地、水体和工业用地等五种地类,从地类信息提取的准确度方面探讨融合算法对地类信息提取的适宜性,得出了适宜各地类信息提取的融合算法。(本文来源于《湘潭大学》期刊2019-05-01）
吴柳青,胡翔云[6]（2019）在《基于多尺度多特征的高空间分辨率遥感影像建筑物自动化检测》一文中研究指出建筑物检测在城市规划、变化检测、地表覆盖等方面均起到重要作用。然而高空间分辨率遥感影像(简称"高分影像")中建筑物朝向不一,形态颜色各异,大小尺寸也有着较大差别,使得建筑物检测成为一道难题。为此,提出一种基于多尺度多特征来自动化检测高分影像中建筑物的方法:首先,对影像降采样构建高斯金字塔模型,固定尺度的滑动窗口在不同层影像中对应着不同的实际地面面积;然后,对影像进行超像素分割并计算滑动窗口中多种描述建筑物特性的特征值,通过多特征融合来衡量建筑物目标在不同尺度影像中的显着性;最后,计算超像素块的显着性均值,结合Otsu算法自动求取阈值,进一步设置长宽比等约束条件,从而准确、自动地提取建筑物目标。分别采用空间分辨率为0. 5 m和0. 2 m的影像进行实验,并和基于颜色和纹理建模的马尔科夫随机场模型算法进行定性和定量的比较。实验结果表明,该方法对高分影像中建筑物的提取有更好的实际效果和检测精度。(本文来源于《国土资源遥感》期刊2019年01期）
李序春,徐惠民,索安宁[7]（2019）在《基于高空间分辨率遥感影像的港口区集约利用监测与评估——以渤海5个典型港区为例》一文中研究指出采用高空间分辨率卫星遥感影像,建立了面向对象的港口空间格局遥感监测技术流程,构建出码头指数、堆场指数、港池指数、深水岸线指数、港口效率指数,用来定量描述港口空间组成与使用效能.并选取营口鲅鱼圈港区、锦州港区、京唐港区、烟台龙口港区、烟台芝罘港区5个渤海典型港口为例,开展了实证研究.结果显示:渤海区域港口码头岸线与码头、堆场、港池的平均基本比例为1. 00∶6. 96∶51. 85∶66. 05,营口鲅鱼圈港区的堆场和港池、锦州港区的堆场以及京唐港区的码头、堆场和港池面积比例均已超过区域平均值.渤海地区5个典型港区都有较大的提升空间,营口鲅鱼圈港区、京唐港区、锦州港区、烟台芝罘港区和烟台龙口港区分别有8 722、9 587、5 940、6 909、8 795万t的吞吐量潜力可供挖掘.(本文来源于《应用海洋学学报》期刊2019年01期）
吕野,胡翔云[8]（2018）在《利用增量式马尔科夫随机场分割提取高空间分辨率遥感影像道路》一文中研究指出利用遥感影像进行道路提取,能够及时提供道路更新数据。高空间分辨率遥感影像中的道路成面状,且具有复杂的道路特征。其中,车流、道路线和行人等其他非道路因素的干扰会使道路的特征变化变得复杂,对道路提取造成困难。为此,利用高斯混合模型与马尔科夫随机场模型进行前景、背景模型估计与路面区域分割,以克服路面干扰因素的影响。由于道路贯穿于遥感影像,远离道路区域的影像对道路提取并无用处,故利用局部增量式分割方法确定道路提取有效区域,在其内部进行更精确的路面提取。实验结果表明,该方法效果明显有效。(本文来源于《国土资源遥感》期刊2018年03期）
丁哲,汪小钦,邬群勇,孙振海,张仕山[9]（2018）在《遥感影像空间分辨率对城市建筑物高度估算精度的影响》一文中研究指出选用WorldView-2、高分二号、高分一号遥感数据,以厦门软件园为研究区,运用面向对象方法及形态学的思想,并结合光谱、阴影和形状约束,构建了适用于不同影像的建筑物及阴影提取流程;运用阴影长度估算法,估算了0.5、1、2m这3种不同空间分辨率建筑物高度;并定量评估影像空间分辨率对建筑物提取精度、建筑物高度估算精度的影响。结果表明:(1)改进的建筑物及阴影提取流程对不同分辨率影像均取得了较高的提取精度,但建筑物提取精度随着遥感影像空间分辨率的降低而略有降低;(2)随着遥感影像空间分辨率的降低,建筑物高度估算精度逐渐降低,但不呈现出线性关系,分辨率从1m上升至0.5 m阶段建筑物高度估算精度提高的速度要高于分辨率从2m上升至1m阶段;(3)GF-1比较适用于高层建筑物的高度估算,GF-2适用于中高层到高层建筑物的高度估算,而WorldView-2对不同高度范围内建筑物的高度均有较高的估算精度。(本文来源于《遥感技术与应用》期刊2018年03期）
徐锐[10]（2018）在《高光谱高空间分辨率遥感影像建筑物提取及场景理解》一文中研究指出建筑物作为与人类生活生产密切相关的重要地物,是衡量城市发展的重要指标之一,利用遥感影像对其进行自动化批量提取无疑为城市的发展提供更加迅速、高效的地理信息基础数据,相对于传统人工方法也更加省时省力。场景理解是随着遥感数据的大量积累而提出的一个较新的概念,以解决如何让计算机如同人脑一样“理解”影像,并对海量影像进行自动识别、分类、管理等等。建筑物场景理解拟寻求与建筑物相关的影像自动识别、分析、理解的方法,为城市信息化、精细化管理,智慧城市建设等提供科学依据。基于此,本文主要在大面积批量提取建筑物并对建筑物场景进行高效分类等方面进行了一些研究,主要工作及创新点如下:(1)提出高光谱高空间分辨率遥感影像面向对象的多尺度分割和低层多特征提取及融合的方法。针对目前单一低层特征描述刻画地物不精细现状,利用最优分割参数对高光谱高空间分辨率遥感影像进行多尺度分割,然后提取具有代表性多类低层特征并进行融合,得到各个对象的高维低层特征。高维低层特征能够较好的刻画地物特性,这个过程是对高光谱遥感影像进行降维处理,减少计算量;而对高分辨率遥感影像是一个升维处理,提高特征的表达精度。(2)本文研究了基于高维低层特征的稀疏表示分类方法,并在稀疏表示过程中加入Fisher约束条件。建筑物的提取是利用对象层次上的高维低层特征,结合稀疏表示分类方法,并在字典学习过程中加入了Fisher约束准则,解决传统稀疏表示方法构成的字典较难捕获相似类别的相对差异性信息问题。批量识别分类结果显示,因遥感影像在数据源、成像质量、地物复杂度上各有差异,导致分类结果良莠不齐,但建筑物提取结果避免了基于像素进行分类所产生的细碎图斑。总体来看,成像质量好、地物复杂度低的影像识别分类结果优于其他影像。但一对多的样本处理,大面积、多形态、高差异的建筑物提取都在以往的研究成果中属于少数。(3)本文研究了基于中层语义,利用RBF-NN模型进行建筑物场景分类方法。神经网络具有强大学习功能,结合中层语义,实现高光谱高空间分辨率遥感影像在同一个体系中进行场景分类分析处理。结果显示,可以利用较少的样本得到较好的分类结果,验证了方法的有效性。这也不同于利用整幅影像全局或局部的数理统计特征信息进行场景分类的传统方法。(4)初步形成从高光谱高空间分辨率遥感影像低层多特征提取及融合,到建筑物提取分析,最后上升到建筑物场景分类这一较为完整的体系。并结合实验验证该体系的实用性和有效性,为以后多源遥感影像的特征提取分类及场景理解提供一种思路。(本文来源于《重庆交通大学》期刊2018-06-11）
高空间分辨率遥感影像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
超像素分割已成为遥感影像预处理研究的新热点,但易形成过分割。为解决该问题,提出一种结合超像素和图论的高空间分辨率遥感影像分割方法。首先,采用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法对遥感影像生成超像素过分割影像;然后,采用图论算法对超像素进行合并,通过计算得到每次合并后的分割数对应的局部方差,确定合适的影像分割数;最后,根据合适的影像分割数用图论算法对超像素重新聚类合并。实验数据为4幅不同空间分辨率、不同场景的遥感影像,采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法能有效地解决遥感影像过分割结果的问题,获得了良好的分割结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高空间分辨率遥感影像论文参考文献
[1].马长辉,黄登山.纹理与几何特征信息在高空间分辨率遥感影像分类中的应用[J].测绘地理信息.2019
[2].姚丙秀,黄亮,许艳松.一种结合超像素和图论的高空间分辨率遥感影像分割方法[J].国土资源遥感.2019
[3].郝怀旭,万太礼,罗年学.利用OpenStreetMap数据进行高空间分辨率遥感影像分类[J].测绘通报.2019
[4].李军军,曹建农,廖娟,程贝贝,朱莹莹.多尺度对象高空间分辨率遥感影像谱聚类分割[J].测绘科学.2019
[5].黎付安.面向分类的高空间分辨率遥感影像融合算法研究[D].湘潭大学.2019
[6].吴柳青,胡翔云.基于多尺度多特征的高空间分辨率遥感影像建筑物自动化检测[J].国土资源遥感.2019
[7].李序春,徐惠民,索安宁.基于高空间分辨率遥感影像的港口区集约利用监测与评估——以渤海5个典型港区为例[J].应用海洋学学报.2019
[8].吕野,胡翔云.利用增量式马尔科夫随机场分割提取高空间分辨率遥感影像道路[J].国土资源遥感.2018
[9].丁哲,汪小钦,邬群勇,孙振海,张仕山.遥感影像空间分辨率对城市建筑物高度估算精度的影响[J].遥感技术与应用.2018
[10].徐锐.高光谱高空间分辨率遥感影像建筑物提取及场景理解[D].重庆交通大学.2018