基于ETM+遥感影像的数据融合试验及分析评价

以泉州德化阳山-安溪潘田地区的ETM+遥感影像为基础数据,采用Brovey、HSV、Principal Component(PC)、Gram-Schmidt和Wavelet遥感影像融合算法对Landsat ETM+影像进行融合,并就融合图像的空间信息、清晰度和光谱保真能力进行评价.     

SPOT5遥感影像不同融合方法对地物识别精度的影响

以河南省开封市北部及郊区的SPOT5遥感影像为基础数据,对SPOT5全色波段影像与多光谱影像的几种融合方式进行了比较研究;基于各种融合结果影像进行实验区域的计算机监督和非监督分类,提取各类地物面积数据,比较影像融合前后各类地物面积变化率;分析不同融合影像对地物识别精度的影响,确定适宜不同地物判识的融合影像和方法,旨在为土地利用类型调查中的影像融合方法的选择提供参考.     

遥感影像分类方法的研究

该文基于ERDAS的KnowledgeEngineer分类方法原理,提出一种多信息源、智能化、程序化的阈值分类技术,利用空间模型语言SML（SpatialModelerLanguage）编程实现遥感影像的分类,进而克服了传统分类方法只能针对单一信息源的局限。研究工作以1999年ETM＋遥感影像临港新城为例,将该方法与传统的监督分类方法进行比较和精度评价。结果表明,阈值分类法比监督分类法分类精度高,指标Kappa系数由0.6109提高到0.8204。该方法可通过模块实现多信息源的调用,从已分类图像中提取确认的分类信息,达到一定的智能化,减少人为的重复性操作。     

基于ETM+遥感影像的森林植被信息提取方法研究

以南京市区的遥感影像图为研究对象,对基于ETM 遥感影像的森林覆盖面积提取的一般方法进行研究.笔者分析了ETM 影像波段的特征值和相关性,得出TM3、TM4、TM5之间的相关性小,包含信息量丰富;采用Brovey变换将TM3、TM4、TM5与PAN波段融合,并提出用融合后的波段TM4R和TM3R作归一化植被指数,得到NDVIR;然后利用最大似然法对融合图像和NDVIR的组合图像进行分类,根据分类结果计算出南京市森林覆盖率为38.63%.     

基于不同算法的遥感影像融合分析

遥感影像融合使影像具有高空间分辨率和丰富的光谱信息,遥感影像融合算法是近年来遥感领域内的研究热点,而针对不同的遥感影像,有关学者提出了很多融合算法,但是融合影像的光谱信息保真度和空间信息融入度却一直是遥感融合效果研究的焦点问题,因此有必要对融合方法进行评价.以ETM+影像为例,通过ENVI软件作为遥感影像处理平台,选择均值、标准差、偏差指数、相关系数等评价指标,进行PCA变换、Multiplicative变换、Brovey变换和Wavelet变换等4种全色与多光谱遥感影像融合算法试验,并对融合试验结果进行定量评价,探讨ETM+影像融合的最佳方法.结果表明,最佳的遥感影像融合算法是Wavelet变换融合,Multiplicative变换融合要优于Brovey变换融合和PCA变换融合.这一研究结果为充分利用全色高分辨率和多光谱特性,挖掘的数据潜力奠定了基础.     

遥感影像双线性插值小波融合方法

在进行同一地物的具有高空间分辨率的全色影像和多光谱遥感图像融合时，应用双线性插值的方法对多光谱图像进行插值，使之等于全色图像的空间分辨率．在此基础上，对两幅影像分别实施小波变换，提出了小波系数的融合运算公式．同时，为了说明本方法的可靠性，将其与近邻插值的小波变换、色彩变换(IHS)、Brovery变换等融合算法作了对比．仿真结果表明，该算法在提高影像空间分辨率的同时，图像的光谱信息损失最少．不失为一种较为理想的融合算法．     

基于多尺度特征融合的遥感影像场景分类方法

针对遥感场景影像存在类间相似性高、类内多样性大、且不同尺度下遥感影像差异大等问题,导致场景分类任务精确度受限,提出一种基于多尺度特征融合的遥感影像场景分类算法。首先利用轻量级网络MobileNetV2作为主干网络,以更少的网络参数实现更高的分类准确率。网络通过一维卷积提升输入通道,设计的多尺度特征融合模块能够捕获遥感影像的高级特征和低级特征,融合影像的多尺度特征,能够有效缓解不同尺度下遥感影像差异大的问题。通过在三个公开遥感数据集上进行实验对比,验证了所提方法的有效性。     

LiDAR与航空影像的融合分类与精度分析

为了弥补单一数据源在地物分类时的不足,提出将机载激光扫描(LiDAR)数据与航空影像融合进行地物分类的思想,实现基于面向对象和单像元的复杂城区多级地物分类.将真彩色航空影像与机载激光扫描距离影像融合,采用光谱特征和空间特征将影像分割成若干同质区域;利用多源数据产生的各种信息建立分类规则并实现基于面向对象的地物分类,将植被信息和高差信息与分类结果叠加,实现基于单像元的分类结果纠正,然后再以对象内包含的建筑物直线段数量为约束条件对分类结果中的建筑物进行三级精化分类.实验表明该方法能够有效地自动分离建筑物、树木、草地和道路,其中建筑物的制图精度和用户精度分别是92.53%和95.79%,整个区域的分类精度为89.62%,该方法在复杂城区可行有效.     

ETM+遥感影像最佳波段融合质量评价

利用最佳指数(OIF)法得出泉州市2001年ETM+遥感数据的最佳波段组合为波段5、4、2;采用乘积变换、Brovey变换、HIS变换、小波变换等4种典型的融合方法,分别进行ETM+最佳波段组合影像与ETM+全色波段影像的融合;计算融合后影像与原始影像之间的相关系数,从空间相关系数、光谱相关系数2个方面进行定量和定性评价.结果表明,Brovey融合后的影像信息损失最小、对于光谱保真性最好,小波变换融合方法次之;而小波变换融合后影像对于空间分辨率的改善效果最好,Brovey融合方法次之.针对本研究区,在4种融合方法中,Brovey变换和小波变换融合方法是最佳的选择.     

无人机遥感图像融合方法研究

针对待拼接的无人机遥感图像重叠区域不规则、焦距不固定、含噪声较多等问题, 在加权平均融合算法的基础上引入基于折线化思想的不规则重叠区域生成法, 减小算法误差, 并运用基于距离比的自适应算法实现权值自动匹配, 使算法在不受重叠区域形状限制的同时得到更精确的计算结果, 解决了图像拼接后融合区域分辨率低、拼接线明显的问题。仿真表明, 改进的加权平均融合算法在保持原算法快速性的同时, 达到了去除拼接缝隙、使图像融合区域过渡平滑的目的, 并获得了融合质量较好的大视野无缝拼接图像。     

基于卫星遥感图像的农作物分类算法

为提高遥感图像对农作物的预估精度和农业种植效率, 设计了基于卫星遥感图像的农作物分类算法。 以2018 年 7 月 30 日哨兵二号(Sentinel-2)卫星拍摄的高分辨率哈尔滨市农业示范基地卫星影像为实验数据, 在不同光谱波段内(含红边波段), 通过使用最大似然法、 支持向量机法、 神经网络法分别对影像中水稻、 大豆、玉米、 高粱等农作物特征进行提取、 分类, 获得到农作物分类图;将统计结果与真实的参数进行比较, 分析了相同算法下使用不同数据源, 不同算法使用相同数据源, 这两种情况下的分类精度与可靠性。 实验结果表明,通过神经网络法得到的分类结果精度最高, 可靠性最强, 适合于全国范围内推广。     

遥感图像分类的多核SVDD算法

将K型核函数和指数径向基核函数分别与径向基核函数组合成多核函数,并利用其构造出性能更加优越的支持向量域描述(SVDD)算法.将提取的遥感图像各波段光谱特征组成特征向量,分别用基于径向基核函数和多核函数的SVDD算法进行遥感图像分类.仿真实验结果表明:改进核函数的SVDD分类算法提高了分类精度,缩短了训练时间.     

基于ETM影像的水体信息自动提取与分类研究

在综合分析各种水体信息提取方法的基础上,以烟台市为例,利用ETM遥感影像数据,通过光谱特征分析和NDVI识别水体信息,并在各种专业软件的支持下,将水体与其它地物类型区分开来,实现水体信息的自动提取,最后利用形状指数、面积以及其它特征对水体进行分类,并对分类结果做出精度评价.     

利用ETM+和MODIS数据反演陆地表面温度

Landsat 7 ETM +数据是一种常用的中分辨率卫星遥感数据,它的热红外波段的空间分辨率为60 m,是目前星载遥感数据中分辨率最高的.然而由于Landsat 7 ETM +只有一个热红外波段,给ETM +陆地表面温度反演造成了困难.在前人研究的基础上开展ETM +数据陆地表面温度反演研究,首先利用MODIS数据反演总大气水蒸汽含量,然后利用普适性单通道算法从ETM +数据得到陆地表面温度,试验结果表明该方法能够取得较好的反演结果.     

基于改进IHS变换的遥感图像融合新算法

为改善IHS变换对图像细节信息的丢失,提出了一种基于改进IHS变换的遥感图像融合新算法.针对IHS变换方法对多光谱图像和全色图像进行融合会丢失较多的光谱信息,利用基于变异量子行为的粒子群优化算法（MQPSO）改进IHS变换过程,通过MQPSO算法来求解IHS变换中光谱强度分量,将图像融合问题归结为最优化问题.仿真实验结...     

基于边缘检测和小波变换的遥感图像融合算法

针对多光谱图像和全色图像的特点,提出一种边缘检测和小波变换相结合的遥感图像融合方法。该方法在传统图像小波变换的基础上,选择Canny算子对图像进行边缘检测。在小波域中,在各个尺度层对高频子带采用边缘检测,将边缘点完整保留,低频子带利用加权法,再进行小波逆变换重构融合图像。实验结果显示,该方法在保证光谱信息的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。与传统小波变换法遥感图像融合相比,信息熵提高了6.63%,清晰度提高了32%,相关系数提高了0.36%。     

基于松鼠搜索算法与IHS变换的遥感图像融合

图像融合的目标是将低空间分辨率的多光谱(multispectral, MS)图像与高分辨率的全色(panchromatic, PAN)图像进行融合,得到具有高光谱和空间分辨率的图像。针对基于强度-色调-饱和度(intensity-hue-saturation, IHS)变换的融合后图像会出现光谱扭曲的问题,提出了一种结合改进的松鼠搜索算法和IHS变换的图像融合方法。首先,通过考虑融合后图像与原全色和多光谱图像之间的关系建立光谱保真和空间保真项,并引入边缘信息保持项,建立了优化目标。其次,为了克服松鼠搜索算法(squirrel search algorithm, SSA)的探索能力不足、可能导致过早收敛于局部最优的缺点,引入了自适应的捕食者存在概率策略和根据个体间距离自适应调整搜索步长的策略来平衡算法的探索和利用能力,并且引入了高斯算子和柯西算子来提高算法的局部搜索能力。最后,根据优化的控制参数,通过参数化自适应IHS变换重建目标图像。将该方法在QuickBird和IKONOS数据集上进行对比实验,结果表明方法是实用的,在保留空间信息的同时能减少光谱失真。