利用阴影在色调亮度饱和度颜色空间中低亮度、高色调和高饱和度的特性, 对高分辨率遥感影像做过分割处理, 并将影像从红、绿、蓝颜色空间转换到色调、亮度、饱和度颜色空间, 利用色调、亮度、饱和度三个分量构造一组能够更好区分阴影和其他地物的新型阴影探测指标.对阴影指标做面向对象处理, 得到一种保持空间几何形状的阴影指标结果；根据最大类间方差法计算得到最佳阈值, 并做直方图阈值分割, 最终得到阴影探测结果.实验结果表明, 该方法可以有效地将阴影与其他地物分离开来.

高空间分辨率遥感影像蕴涵丰富的地物细节信息, 针对高分辨率多时相遥感影像的变化检测可以更清楚认识到地理单元的变化情况, 传统的遥感变化检测算法面对高分辨率遥感影像时, 会出现明显的"椒盐现象"。 本文借鉴面向对象图像分析的思想, 以高分辨率遥感影像对象的光谱特征为分析对象, 在多变量变化检测算法(multivariate alternative detection, MAD)的基础上, 提出一种半自动阈值选取的OB-HMAD(object based-hybrid MAD)算法, 并利用该算法进行变化检测实验对比分析。 首先对高分辨率多时相遥感影像进行多尺度分割, 形成多通道的影像对象; 其次利用MAD变换, 形成差异影像对象, 并对其进行MNF变换, 提高影像对象的信噪比; 然后采用直方图曲率分析(histogram curvature analysis, HCA)进行半自动阈值选取, 提取变化区域; 最后结合实地样本数据对变化检测结果进行混淆矩阵的精度验证。 结合2012年和2013年北京地区Worldview-2影像的实验可知, OB-HMAD算法融合多通道的光谱信息, 可以有效的实现多时相高分影像的变化检测, 基本消除了基于像元变化检测中"椒盐"现象的干扰, 并在一定程度上降低建筑物阴影和几何配准误差的影响, 总体精度和kappa系数也较优于其他变化检测算法, 但存在较大的漏检误差。 MNF变换可以有效的提高影像的信噪比, 使差异信息更集中, 直方图曲率分析的阈值分割算法相对其他阈值算法, 自动化程度更高。

日益增多的城市固体废弃物不断威胁着城市的生态环境。 应用遥感技术的城市固体废弃物监测与管理比实地调查的方法省时省力。 然而, 分布不规律的城市固体废弃物成分复杂, 在高分辨率遥感影像上表现出极强的异质性, 无论是针对像素, 还是针对运用对象的影像分析方法都难以实现计算机自动提取。 针对城市固废堆在重采样低分辨率影像上异质性得到减弱、 同质性增强, 而在高分辨率上细节丰富、 位置准确的特点, 提出了一种融合多分辨率对象的城市固废提取方法。 以北京市海淀区的QuickBird影像进行实验, 结果表明, 露天城市固废堆的识别精度可达75%, 表明这种多分辨率信息提取策略对于监测露天的城市固废堆十分有效。

为更全面有效地解译城市遥感图像,提出了一种新的基于多特征融合的自动解译方法.该方法定义对象网络来表达图像结构并获取更为准确的处理单元.在此基础上,综合分析颜色、纹理、形状和位置等众多特征,通过自适应的概率学习训练最优分类器并标记目标类别.方法中还结合上下文信息进行空间平滑,大大消除了噪音、遮挡等影响,矢量标绘后得到最终解译结果.实验表明,该方法准确率高、鲁棒性好,适用于多种遥感图像城市场景的自动解译.

针对基于对象的图像检索问题,利用模糊支持向量机(FSVM)提出了一种新的多示例学习算法—FSVM-MIL算法。在标准的多示例学习问题中,一个包被标为正包,则它至少包含一个示例是正的,否则被标为负包。FSVM-MIL 算法将图像当作包,分割后的区域当作包中的示例,若图像包含有感兴趣对象,则对应的包标为正,否则标为负,因为正包中的示例不全是正的,概念标号存在模糊性,本文利用多样性密度方法寻找概念点,根据noisy-or 概率模型定义了模糊隶属度函数,为正包中的示例赋予不同的模糊因子,用FSVM 求解多示例学习问题。在SIVAL 图像集进行对比实验,结果表明FSVM-MIL 算法是有效的且性能不亚于其它同类方法。

基于目标的图像压缩技术(OBC),在兼顾失真率的前提下能够得到更高的压缩比,是一种全新的压缩技术.OBC的算法包括对源图像中各个区域的分割,以及对这些区域的内容和边界的高效编码.本文将简要介绍OBC的基本理论,着重讲述区域的分割和表示技术,并深入讨论对这个算法实际效果的度量标准.