遥感影像信息提取和分析遥感影像信息提取

《遥感影像信息提取和分析遥感影像信息提取》由会员分享，可在线阅读，更多相关《遥感影像信息提取和分析遥感影像信息提取（6页珍藏版）》请在装配图网上搜索。

1、遥感影像信息提取和分析遥感影像信息提取 Taries软件关键应用于对高分辨率遥感影像的多种信息的处理、提取和分析，是含有自主知识产权的软件产品。 多年来，一系列高分辨率卫星的相继上天，高分辨率卫星遥感的应用也所以成为可能，也凸现出遥感影像数据处理的主要性日益显现。遥感影像数据处理的关键内容就是对遥感数据进行自动图像处理分析，从而获取大家需要的信息。Taries软件是含有自主知识产权的软件产品，由中科院遥感所国家遥感应用工程技术研究中心下属的空间信息关键技术研发部开发。Taries软件关键应用于对高分辨率遥感影像的多种信息的处理、提取和分析，其功效包含影像的预处理、影像分割、影像分类、特征提取和

2、表示、特征分析、目标识别等。它是集矢量和栅格于一体化的软件系统。Taries关键功效1. 影像处理采取几何精纠正方法：建立基于空间投影理论和有限控制点的全局自适应方法，并建立基于控制点、线、面特征的局部自适应相结合的影像几何精纠正模型。实现多源遥感影像信息的特征级融合: 在像元级、高精度的多源遥感信息分析技术基础上，发展了多种特征估量器和融合评判规则，建立特征级的多源遥感信息融合的方法和对应的算法。2. 影像信息提取在复杂环境中的目标信息增强: 采取含有空间自适应能力的目标特征的信息增强模型和方法，尤其是弱目标信息的增强方法，并对无关背景信息进行抑制。高分辨率影像分割: 基于空间特征和高维统计

3、特征，采取面向特征的高分辨率影像分割技术。基于智能计算模型的目标特征提取: 基于神经网络、支撑向量机等智能计算模型，研究和发展针对目标的纹理特征、结构特征的提取方法，并实现对应算法。目标识别和提取系统原型: 采取组件技术，研制开发目标识别和提取软件系统原型，包含影像精处理、目标单元分割和特征提取、目标识别等模块。3. 矢量数据显示、处理和分析兼容ArcGIS SHP等矢量数据存放格式，能够采取系统的矢栅一体化数据模型对对应的矢量数据进行读取和显示。基于底层数据模型，能够实现基于Taries软件的矢量数据的修改功效，包含基础对象的增、删、改等操作。基于对应的矢量数据建立拓扑关系，并在此基础上进行

4、对应的空间分析功效。含有常规的矢量数据显示软件的基础功效，并可在此基础开发深入的应用。关键技术1. 高分辨率影像的高精度几何纠正技术考虑到高分辨率影像的特点，首先应对高分辨率影像进行包含以下两项技术的精处理:基于重合影像的高精度影像配准技术: 采取既满足一定精度要求、又确保一定运算速度和适应性的子像素匹配技术，从而确定含有一定重合的两幅图像间的几何对应关系，取得对应的控制点对，采取整体匹配技术使配准精度达成一个像元。空间自适应高精度几何纠正: 针对高空间分辨率影像的特征，采取含有局部自适应的高精度几何纠正方法，消除常规最小二乘法平面拟合纠正方法对图像局部纠正误差较大的问题。2. 复杂自然环境下

5、的信息增强针对地形复杂、植被茂密的复杂自然环境，采取针对特征的统计信息增强技术，对含有主要意义的地面信息进行初步的检测性增强，尤其是弱目标信息的增强，并对其它背景信息进行抑制。建立基于多个影像和已经有目标信息和判别知识的潜在目标快速检测技术，使用方法包含微观特征提取、动态改变检测等。3. 高分辨率影像分割技术以影像了解研究为基础，建立融遥感图像信息、地理时/空信息和地学知识为一体的目标空间认知结构模型。该模型为对中高分辨率遥感图像目标单元群体的处理和分析，提供面向纹理特征和结构特征，并能够最大程度地利用地学分类知识和时/空推理模型的智能化识别和提取方法。现在软件包含十余种不一样的遥感影像分割算

6、法。基于目标空间认知结构模型和空间特征和高维统计特征，研究面向特征的高分辨率影像分割技术，并采取稳健统计机制来确保分割算法含有较强的稳健性，将分割后的特征根据其几何关系、属性关系、统计关系和操纵方法，以面向对象的模式进行统一化管理，从而将连续的图像形式转化为离散的、便于操作的特征群体，便于目标特征的快速提取。4. 智能计算模型的目标特征提取技术针对遥感信息特征的提取问题，在传统统计和人工神经网络方法基础上，发展新型针对高分辨率遥感影像的目标特征提取模型，关键包含: 基于知识的神经网络模型来处理混合密度分布的特征提取和分类; ARTMAP神经网络作为低维空间结构特征的联想记忆模型; 基于统计学习

7、理论的支撑向量机。SVM是近几年最新提出的机器学习算法，它能够作为高维有限特征的记忆单元来实现对高分辨率遥感影像目标特征信息的提取。应用SVM模型进行特征提取，需要关键处理的问题有: 高维映射函数定义、领域知识融合、支撑向量集极小优化和高维信息压缩。在以上相关特征提取的智能计算模型基础上，针对不一样复杂程度的目标特征提取问题，可分别采取MCMC统计模型、RBF/EBF神经网络、ARTMAP神经网络、支撑向量机来对目标库中的目标特征进行提取和表示。5. 视觉尺度空间改变的特征表示和目标识别技术针对空间数据的多尺度特征，引进尺度空间视觉聚类方法，对空间数据的尺度特征改变进行描述。基础原理是: 模拟

8、人眼对目标特征从近到远逐步综合的视觉过程，来定量化地划分不一样尺度上的空间单元。在目标识别过程中，将采取视觉空间尺度变换理论和方法，对遥感影像空间特征集采取逐步综合的特征多尺度聚类，从而在尺度空间转换上实现对影像特征集的树状方法管理，以满足不一样尺度上的特征组合和表示。图2 Taries软件处理矢量数据界面6. 目标识别和提取的RS和GIS集成化处理技术遥感图像给出了地面目标的栅格化波谱表示，突出并正确地再现了地物的大小、形状和纹理改变; 而GIS则有着对地物边界的精细刻画能力，并能够对地物间的空间关系进行拓扑变换和推理分析。所以，从空间单元数据处理的粒度入手，并将GIS的空间关系拓扑变换和时空推理分析引入到对遥感图像信息的智能化处理中，极大地提升了目标群体的识别精度和提取的一致性，为基于矢栅一体化数据模型的分析提供主要支撑技术。7.矢量数据显示、处理和分析技术除含有矢量数据的显示和基础操作外，系统还对矢量数据的xx功效进行了实现，包含: 特征点显示、点选、矩选、圆选、分裂、合并、增加控制点、删除控制点、移动控制点、增加对象、删除对象、移动对象等功效，并实现了对应的空间分析功效。作者介绍沈占锋: 博士，关键从事遥感影像信息提取、分布式地学计算、数字城市等方面的科研工作。曾获中国科学院院长优异奖学金、第38批中国博士后基金、王宽诚博士后奖励基金，前后发表论文30余篇。