影像自动解译_一种遥感图像计算机自动解译的方法_weixin_39767322的博客-程序员宅基地

技术标签: 影像自动解译  

一种遥感图像计算机自动解译的方法

【技术领域】:

[0001] 本发明设及一种遥感图像计算机自动解译的方法,属于遥感图像的计算机自动解 译和应用技术领域。

【背景技术】:

[0002] 目前,遥感影像已在林业、农业、水利等部口普及应用,实现遥感影像的自动解译 及其产品的跨行业共享集成,对于促进遥感影像应用的深度和广度具有重要的意义。然而, 由于遥感解译产品仍难W像基础地理数据在各个行业领域中得到共享和应用。首先,设及 到遥感影像应用的工作者们及技术支持团队在生产应用中,大都使用人工判读和手工勾 绘、手工填写属性信息等方式解译遥感图像。运种方式具有很大的不稳定性,难W实现数据 共享、交换、持续更新、管理。其次,现有遥感图像信息计算机解译大都W特定的研究区域、 特定的行业应用角度、特定的目标为前提,遥感影像自动识别难高效率的方式实现多 用户、多目标信息共享,并且解译产品难W分发。再次,一些复杂的算法,虽能取得良好的实 验效果和高精度的分类结果,但大规模的数据生产会花费较多的时间,处理后的数据同样 难W实现其他行业的数据共享。因此,有必要提出一种适用于多级别、多尺度信息提取的通 用框架,在图形分类基础上,进一步发展共性的语义推理方法,实现专业领域的语义自动解 译和多行业领域的数据集成和共享。

【发明内容】

[0003] 针对上述问题,本发明要解决的技术问题是提供一种遥感图像计算机自动解译的 方法。

[0004] 本发明的一种遥感图像计算机自动解译的方法,其具体步骤为:1、元多边形的定 义及矢量库生成;2、本征地物类定义及属性库生成;3、解译指标数据库构建;4、辅助解译 信息数据库集成;5、基于似然推理模型的面向行业的图斑推理;6、建立混淆矩阵,对计算 机解译结果进行验证;7、定量遥感估计。

[0005] 作为优选,所述的步骤5可W替换为基于确定性推理模型的面向行业的图斑推 理。

[0006] 作为优选,所述的元多边形的定义及矢量库生成的步骤包含:1、利用纹理度量,除 去图像中"异常点"或"孤立点";2、按光谱度量识别色斑;3、连通光谱度量和纹理度量相似 的区域,检测最小图斑;4、如果不符合要求,将运些图斑作为待识别的"点",回到开始步骤; 如果符合要求,转入下一步;5、栅格图像转换为矢量GIS数据库,生成元多边形属性库。

[0007] 作为优选,所述的本征地物类定义及属性库生成的步骤包含:1、用反射率指标合 成假彩色图像,作为地面覆盖参照;2、依据本征地物类分类标准、光谱和纹理信息,为每种 地物类确定本征类别;3、人机交互的方法,查看图像与代码的对应关系;4、调整或校准规 贝1J,修正错误的类别;5、基于混淆矩阵估计正判率,若达到95%,则视为多边形元解译合 格;若低于95%,则返回修正。

[0008] 作为优选,所述的解译指标数据库构建的步骤包含:1、将表征解译指标的栅格数 据与多边形元矢量数据进行叠加;2、W多边形元矢量外边界为范围限定条件,进行包含式 的选取分析;3、对于选择得到的区域栅格进行统计分析,求得定量指标数据;4、将多边形 元的解译指标数据写入与元多边形关联的属性数据库中。

[0009] 作为优选,所述的辅助解译信息数据库集成的步骤包含:1、根据专业和用户个性 需求,选取与定义辅助解译信息指标,一般为基于DEM的地学指标;2、对DEM进行预处理,如 重新定义像元大小等;3、按指标定义,利用DEM计算辅助解译指标的栅格图像;4、W多边形 元为边界,应用空间栅格选取功能,取得落入多边形内的栅格点,求算基于该多边形的辅助 解译指标;5、将该指标写入多边形元的属性数据库中。

[0010] 作为优选,所述的基于似然推理或确定性推理模型的面向行业的图斑推理的步骤 包含:1、用户依据自己的专业应用要求,建立专业分类标准与分类系统;2、准备判读样地 数据集,如使用GI^采集的样点集;3、判读样地与对地观测元多边形叠加分析,建立语义解 译规则;4、使用辅助解译信息,构建面向图像高层语义知识的专家知识库;5、确定本征地 物类到专业类的对应关系;6、使用似然推理模型或确定性推理模型对图斑进行属性判断; 7、基于同种地物类别的图斑归并。

[0011] 作为优选,所述的建立混淆矩阵,对计算机解译结果进行验证的步骤包含:1、选取 预留的样点;2、提取统计每类用户定义的语义类别的样点数及每类样点落在经实地验证的 地类的样点数,建立混淆矩阵;3、计算过程精度、用户精度、总体精度;4、当总体精度达到 85 %W上为合格;5、若低于85 %,需重构解译模型。

[0012] 作为优选,所述的定量遥感估计的步骤包含:1、确定待估的参量指标;2、确定待 估指标所在地物类,依据图斑类别的待估指标状况设计采样框;3、获取地面样本点;4、回 归建模,计算每个图斑的待估指标;5、当统计计算完成后,定量估计结果写入图斑属性库 中。

[0013] 本发明的有益效果为:它实现多行业、多用户遥感图像解译产品的生产和集成共 享,获得具有图斑地物类别及其它高层语义知识的计算机自动解译产品,为同一研究区域 的不同用户提供基本的ArcGIS矢量标准库,节约了重复勾绘图斑的人力和时间,可W有效 的促进卫星影像解译结果的产业化。

【附图说明】:

[0014] 为了易于说明,本发明由下述的具体实施及附图作W详细描述。

[0015] 图1为本发明的流程图;

[0016] 图2为实施例中地面调查勾绘的植被图与自动识别的多边形元的对比图;

[0017] 图3为实施例中安宁市多边形元属性库截图1 ;

[001引图4为实施例中安宁市多边形元属性库截图2 ;

[0019] 图5为实施例中安宁市森林可燃物解译结果之可燃物分布图;

[0020] 图6为实施例中安宁市森林可燃物解译结果可燃物属性表截图;

[0021] 图7为实施例中安宁市森林可燃物精度检验之混淆矩阵;

[0022] 图8为实施例中安宁市云南松林分郁闭度与地面细小可燃物载量的散点图。

[0023] 图9为本发明中本征地物分类系统简表;

[0024]图10为实施例中安宁市可燃物类别分类系统;

[00巧]图11为实施例中混淆矩阵表。

【具体实施方式】 [0026] :

[0027] 为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图和附表中示出 的具体实施例来描述本发明。但是应该理解,运些描述只是示例性的,而并非要限制本发明 的范围。此外,在W下说明中,省略了对公知结构和技术的描述,W避免不必要地混淆本发 明的概念。

[0028] 如图1所示,本【具体实施方式】采用W下技术方案:其具体步骤为:1、元多边形的定 义及矢量库生成;2、本征地物类定义及属性库生成;3、解译指标数据库构建;4、辅助解译 信息数据库集成;5、基于似然推理模型的面向行业的图斑推理;6、建立混淆矩阵,对计算 机解译结果进行验证;7、定量遥感估计。

[0029] 进一步的,所述的步骤5可W替换为基于确定性推理模型的面向行业的图斑推 理。

[0030] 进一步的,所述的元多边形的定义及矢量库生成的步骤包含:1、利用纹理度量,除 去图像中"异常点"或"孤立点";2、按光谱度量识别色斑;3、连通光谱度量和纹理度量相似 的区域,检测最小图斑;4、如果不符合要求,将运些图斑作为待识别的"点",回到开始步骤; 如果符合要求,转入下一步;5、栅格图像转换为矢量GIS数据库,生成元多边形属性库。

[0031] 进一步的,所述的本征地物类定义及属性库生成的步骤包含:1、用反射率指标合 成假彩色图像,作为地面覆盖参照;2、依据本征地物类分类标准、光谱和纹理信息,为每种 地物类确定本征类别;3、人机交互的方法,查看图像与代

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_39767322/article/details/111796780

智能推荐

mysql优化多核心_MySQL优化核心理论与实践_weixin_39630048的博客-程序员宅基地

背景描述:朋友单位OA系统前不久完成升级大改造,后端用的MySQL存储数据,上线跑了个把月,抱怨电话开始接二连三打来,不是这里打不开,就是那里无响应,有人比喻升级后变成老爷车,越来越慢,问题迫在眉睫,必须马上想对策呀。由于部署采用了规范文档,上线前也做了各种测试,于是乎,在线排查,未果,翻出实施文档,逐条阅读,未果,于是想起曾经一个业务系统,也碰到类似情况,后来通过各种优化得以缓解,遂有下文,《M...

python request处理_解决Python requests 报错方法集锦_weixin_39526546的博客-程序员宅基地

python版本和ssl版本都会导致 requests在请求https网站时候会出一些错误,最好使用新版本。1 Python2.6x use requests一台老Centos机器上跑着古老的应用,加了一个新模块之后报错 报错 InsecurePlatformWarning: A true SSLContext object is not available./usr/lib/python2.6/...

java io流输出_JAVAIO流输出_Visnw的博客-程序员宅基地

javaio流概述在整个Java.io包中最重要的就是5个类和一个接口。5个类指的是File、OutputStream、InputStream、Writer、Reader;一个接口指的是Serializable.掌握了这些IO的核心操作那么对于Java中的IO体系也就有了一个初步的认识了。一般我们对文件的存储都是通过window来操作的。所以在java应用程序中我们需要一个对象来告诉虚拟机,让虚拟...

mysql union update_MYSQL UNION和UNION ALL实例_weixin_39840111的博客-程序员宅基地

MYSQL中的UNIONUNION在进行表链接后会筛选掉重复的记录,所以在表链接后会对所产生的结果集进行排序运算,删除重复的记录再返回结果。举例说明:select * from table1 union select * from table2这个SQL在运行时先取出两个表的结果,再用排序空间进行排序删除重复的记录,最后返回结果集,如果表数据量大的话可能会导致用磁盘进行排序。MySQL中的UNIO...

react中箭头函数与trtcSDK监听事件绑定_Java-张无忌的博客-程序员宅基地

这种写法,将会把onUserSubStreamAvailable函数的执行结果,作为trtcCloud.on方法的第二个参数。 trtcCloud.on('onUserSubStreamAvailable', this.onUserSubStreamAvailable(e));其实其第二个函数应该只是一个函数,正解如下: trtcCloud.on('onUserSubStreamAvailable', this.onUserSubStreamAvailable)

GO 语言websocket编程_阿冬哥的博客-程序员宅基地_go websocket编程

GO提供原生的websocket API,使用时go get然后引用即可 golang.org/x/net/websocket 使用起来也很方便,直接上代码吧。一个echo server的代码package mainimport( "golang.org/x/net/websocket" "fmt" "net/http" "flag")type WSServer

随便推点

干掉三层架构,如何为团队引入 DDD?_公众号-芋道源码的博客-程序员宅基地

2021阿里巴巴研发效能峰会来啦6.23-6.24线上直播阿里巴巴合伙人&资深技术专家、IBM 副合伙人、德勤云服务首席架构师、PMI 业务副总裁、eBay 应用研究员近 30 位...

linux无法用ssh连接主机名,linux – 无法使用SSH连接到docker容器_林勇脊柱软伤的博客-程序员宅基地

我是Docker的新手,我从Dockerfile构建了容器,我可以看到容器正在创建并运行,但是我无法使用ssh连接到该容器.这是我的Dockerfile:FROM ubuntu:12.04RUN apt-get updateRUN apt-get install -y apache2 & openssh-serverENV APACHE_RUN_USER www-dataENV APACH...

导致请求失败 设备硬件出现致命错误_设备硬件出现致命错误,导致请求失败,应该怎么办?..._陈华坤的博客-程序员宅基地

展开全部先看一下是不是有硬件未驱动的,如果有,驱动一下如果没有,再62616964757a686964616fe4b893e5b19e31333365633937把所有接插件擦干净然后重新插牢,再试试如果还是不行,那就是软问题了,可能是原来非法关机引起的。拿一张系统盘,进入——恢复控制平台(R)——输入chkdsk /r(硬盘错误恢复工具)——然后会说明至少一个错误卷被恢复。重启如果还不行用光盘启...

html 禁用回车提交,HTML页面禁用Enter键自动提交表单_Yiqin Fu的博客-程序员宅基地

在HTML页里面由于使用了form,常常需要禁用enter提交表单。因为内容页或者母版页自身有如果有type="submit"的button,当textbox聚焦时,按下enter都会触发表单的默认提交(不论是IE还是firefox),于是需要在onkeydown中监听用户的按键。实际测试,IE8中导致表单提交的不确定因素太多,点击表单的table中的td都会触发表单提交,而firefox则不会;...

windows服务器安全设置_liumz_silly的博客-程序员宅基地

第一次写网络文章,只希望我所做的对大家有所帮助windows2003安全设置是我在网上收集整理并实际进行设置的。服务器为HP Proliant DL580windows 2003+oracle 8.1.7+office20001所有的操作系统都应跟踪系统更新状况,及时安装最新的系统补丁。2应禁用或删除不是应用必须的默认帐号,如Guest帐号,管理员个人创建的帐号(IIS,Excha

【机器学习】3. 线性模型 - Lasso_ZhShy23的博客-程序员宅基地_lasso模型

上一篇:岭回归文章目录lasso完整代码lassoThe Lasso 是估计稀疏系数的线性模型。 它在一些情况下是有用的,因为它倾向于使用具有较少参数值的情况,有效地减少给定解决方案所依赖变量的数量。 因此,Lasso 及其变体是压缩感知领域的基础。 在一定条件下,它可以恢复一组非零权重的精确集。在数学公式表达上,它由一个带有 ℓ1\ell_1ℓ1​ 先验的正则项的线性模型组成。 其最小化的目标函数是:min w12nsamples∣∣Xw−y∣∣22+α∣∣w∣∣1\underset{w}{m

推荐文章

热门文章

相关标签