基于"簡譯"圖像處理軟件,利用北京二號衛(wèi)星遙感數(shù)據(jù),采用"面向?qū)ο?深度學習"的方式,在河南省信陽市浉河區(qū)約200 km²試驗區(qū)對林地、水稻田、茶園、水體、建設用地等進行了智能化信息提取和準確的自動化分類。林地、茶園和水稻田采用比值植被指數(shù),結合邊界指數(shù)閾值特征值實時篩選等方法進行智能化分類,水體采用綠光波段與近紅外波段的歸一化比值指數(shù)進行智能化提取,建設用地利用第1波段的標準差作為特征值進行提取。試驗區(qū)各地類信息智能化提取結果經(jīng)實地調(diào)查驗證準確率達90%以上,相較傳統(tǒng)人工方法工作效率提高了19倍。實驗研究表明,"簡譯"圖像處理軟件技術方法可靠,解譯精度高,效果事半功倍,社會經(jīng)濟效益顯著,在自然資源及環(huán)境智能化遙感解譯中有比較好的推廣應用價值。 

【文章來源】：國土資源遙感. 2020,32(04)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

浉河區(qū)北京二號B3(R),B2(G),B1(B)合成影像及試驗區(qū)位置

本次工作采用2015年7月11日在印度成功發(fā)射的北京二號衛(wèi)星數(shù)據(jù)，由3個可見光和1個近紅外波段組成，全色波段空間分辨率為0.8 m，多光譜波段空間分辨率為3.2 m。影像波段組合為B3(R),B2(G),B1(B)，時相為2016年7月。試驗區(qū)地表主要地物類型有林地、水稻田、茶園、水體和建設用地等，在北京二號B3(R),B2(G),B1(B)合成影像上呈現(xiàn)不同的特征(圖2)。林地分布廣泛，主要在山地發(fā)育，平原呈不規(guī)則片狀分布，色調(diào)呈深綠色，顆粒感明顯(圖2(a));水稻田主要分布于董家河鎮(zhèn)西北部河口村以北的平原地區(qū)，顏色為淺綠、黃綠色調(diào)，呈不規(guī)則的方格狀，周圍坑塘發(fā)育(圖2(b));茶園主要位于董家河鎮(zhèn)以南地區(qū)，分布于丘陵、低山道路兩旁或坡地，呈綠色調(diào)，塊狀梯田特征明顯(圖2(c));水體分布廣泛，除較大水庫外，一般以呈各種藍、黑色調(diào)的坑塘形式出現(xiàn)(圖2(d))。建設用地主要是村鎮(zhèn)居民區(qū)建筑物和道路，色調(diào)總體較淺，一般呈灰色、灰白色，有時因屋頂顏色不同而呈藍色、紅色等，分布在低洼區(qū)，呈條、塊狀，前后有道路相連。

“簡譯”軟件采用面向?qū)ο?深度學習的方式，通過將2種方法的優(yōu)勢進行結合，從而更加準確地自動化分類。主要技術流程如圖3所示。1)加載原始數(shù)據(jù)，按照默認分割尺度對影像進行多尺度分割。

【參考文獻】：
期刊論文
[1]基于GF-1 WFV數(shù)據(jù)森林葉面積指數(shù)估算[J]. 李曉彤,覃先林,劉樹超,孫桂芬,劉倩.  國土資源遙感. 2019(03)
[2]中國高分辨率對地觀測系統(tǒng)重大專項建設進展[J]. 童旭東.  遙感學報. 2016(05)
[3]高分辨率對地觀測的若干前沿科學問題[J]. 李德仁,童慶禧,李榮興,龔健雅,張良培.  中國科學:地球科學. 2012(06)
[4]基于歸一化指數(shù)分析的居民地遙感信息提取[J]. 陳潔麗,劉永學,李滿春,申成磊,張棟,蔡文婷.  測繪科學. 2010(02)
[5]高分辨率遙感影像特征分割及算法評價分析[J]. 明冬萍,駱劍承,周成虎,王晶.  地球信息科學. 2006(01)
[6]高分辨率影像解譯理論與應用方法中的一些研究問題[J]. 宮鵬,黎夏,徐冰.  遙感學報. 2006(01)
[7]高分辨率遙感影像信息提取與目標識別技術研究[J]. 明冬萍,駱劍承,沈占鋒,汪閩,盛昊.  測繪科學. 2005(03)
[8]一種利用TM圖像自動提取城鎮(zhèn)用地信息的有效方法[J]. 查勇,倪紹祥,楊山.  遙感學報. 2003(01)

博士論文
[1]高分辨率遙感影像面向?qū)ο蠓诸惙椒ㄑ芯縖D]. 陳杰.中南大學 2010
[2]高分辨率遙感圖像分類技術研究[D]. 陳忠.中國科學院研究生院（遙感應用研究所） 2006



本文編號：3525519