摘要：实现复杂场景下地块级苹果园的精准制图,是中国苹果产业精细化管理面临的迫切需求。然而,传统的地块级分类制图框架在处理小农经营区内的大量细碎地块时,可靠性大幅度降低。本文提出一种适用于复杂场景下小农经营区的地块级苹果园模块化制图方法框架。①基于模拟人类对目标场景视觉感知的分层策略,从深秋季的单幅超高空间分辨率(Very High Resolution,VHR)影像中提取冗余的候选地块;②利用非对称瓶颈网络(Depth-wise Asymmetric Bottleneck Network,DABNet)模型与长短期记忆(Long Short-Term Memory,LSTM)模型,分别从VHR影像与时间序列影像中提取苹果园的空间特征像素与时序特征像素。然后,构建元特征描述特征像素在候选地块中的分布情况,与地块的内在特征共同组成苹果园地块的分类特征;③使用随机森林(Random Forest,RF)将候选地块分类为苹果园地块和非苹果园地块。以山东省栖霞市西城镇为研究区,从43238个候选地块中提取出30292个苹果园地块,分类总体精度达到92.7%。利用RF算法自带的平均精度减少指标(Mean Decrease in Accuracy,MDA)对17种分类子特征进行特征重要性分析,证明本文提出的元特征比传统人工设计特征具有更强的信息抽象与特征表达能力。该框架成功实现场景复杂的小农经营区地块级苹果园制图,可推进精准果园农业的发展。

摘要：在海量遥感数据背景下,传统的基于关键字/元数据数据服务模式,无法满足不同应用领域用户对多样化遥感变化信息数据的获取需求。将基于内容的图像检索技术应用到遥感图像变化信息数据获取中,提出了一种全新的基于内容的遥感图像变化信息检索概念模型。通过深入分析当前基于内容的图像检索的先进理论方法,构建基于内容的遥感图像变化信息检索模型框架,并对变化信息数据管理模型构建、多维特征提取和智能反馈模型创建等关键问题进行研究和算法实现,以中低分辨率遥感图像变化信息数据获取为例来进行模型验证与分析,建立原型系统。该方法作为一种新的遥感图像变化信息获取与服务方式,能有效利用遥感图像中底层特征,更准确地刻画了不同用户的遥感图像变化信息检索需求。同时,对影像的预处理要求较低,不受变化检测产品生产种类限制,具有较好普适性和自动化性,提高了遥感信息服务水平和效率。