不同融合算法对ETM+遥感影像分类精度的影响分析

以福州市南台岛的ETM+遥感影像为基础数据,利用ERDAS Imagine 8.7、ENVI4.0等遥感影像处理软件,运用主成分法(PCA)、乘积法(MLT)、Brovey变换和HIS变换融合算法对ETM+遥感影像全色波段(第8波段)与多光谱波段(第1-5、7波段)进行融合试验;从融合影像的光谱保真度、高频空间信息融入度等角度对融合后的影像进行比较分析;对各种融合后影像进行非监督分类,并评价各种分类结果进行精度,为用户进行影像分类前选择融合方法提供参考.     

不同卫星遥感数据镶嵌最优方法探讨——以ASTER和TM影像为例

以贵州省黔南州ASTER和TM影像为数据源,运用IMAGINE ERDAS V9.1软件为主要支撑,介绍不同影像的几何校正和拼接的基本原理和方法,使数据处理和应用达到优化,为影像收集困难地区开展遥感调查及应用提供新途径。     

高分辨率遥感影像在土地覆被变化监测中的应用

为了分析高分辨率遥感影像在土地覆被监测中的适用性,以SPOT5和"资源一号"02C卫星高分辨率遥感影像为数据源,对两种数据的波段组合和数据融合方法进行分析评价,并建立相应的土地覆被解译标志,提取研究区2005年和2012年两期土地覆被信息,基于RS和GIS软件平台,从面积变化、土地利用动态度和转移矩阵3方面研究了土地覆被信息的变化规律。研究结果表明,经过有效合成和融合处理的高分辨影像最大限度地保持了影像的纹理和光谱信息,可以正确识别并提取地物变化边界线,研究成果可为高分辨率遥感影像在土地覆被变化监测中的应用提供一定的参考和依据。     

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.     

基于小波变换的快鸟遥感影像数据融合

在给出小波变换基本模型的基础上 ,探讨了采用小波正交分解与重构来进行遥感信息融合的基本原理 .快鸟影像数据是目前新的高分辨率卫星遥感数据产品 ,在分析该数据特点的基础上 ,考虑采用小波变换应用于快鸟高分辨率卫星影像数据全色和多光谱数据的融合 ,并给出了具体的数学模型和实现流程 .作为实际应用 ,又详细给出了小波用于遥感数据融合的中间过程和最后结果 ,并通过分析影像融合的效果 ,提出了有效的成果调整方法 ,且说明了该方法是切实有效的     

遥感影像在土地利用变更调查中的应用

遥感影像在土地管理中有相当广泛的应用。选用SPOT 5遥感影像为基础数据源,通过对天水市郊区影像数据进行重采样、几何纠正和影像融合,使融合后影像同时具有多光谱特性和高分辨率,提高影像的解译度。对融合后的影像进行人机结合的解译,并对解译后的分类结果进行了精度分析。结果表明,通过以上方法和步骤可以使遥感影像应用于土地变更调查。     

高分辨率遥感影像单片定位及正射纠正方法

为了解决高分辨率遥感影像的定位和正射纠正问题,在对包括多项式模型、直接线性变换模型和有理函数模型在内的通用传感器模型进行简单介绍的基础上,对基于通用传感器模型的高分辨率遥感影像的单片定位和正射纠正方法进行了理论和实验研究,并对实验结果进行了比较和分析.实验表明,利用符合影像变形规律的通用传感器模型进行单片定位和正射纠正,可以得到理想的精度.     

高分辨率影像道路提取的整体矩形匹配方法

提出了一种整体矩形匹配方法,对高分辨率遥感影像中的城市直线道路进行提取.方法基于影像特征、道路知识和数学形态学的击中击不中思想,通过改变影像分割阈值、矩形宽度和矩形方向,从矩形的内部和外部进行整体匹配,使得矩形满足最佳匹配原则,从而提取出道路.利用提出的方法对高分辨率卫星影像进行了实验.结果表明:该方法能较好地消除树木、汽车等对道路提取的影响,有效地提取出直线道路的边缘.     

基于ERDAS IMAGINE的遥感影像裁切方法探讨

我们在MapGIS生产专题地图时,经常要用到遥感影像更新地图要素,由于MapGIS对大尺寸遥感影像裁切处理功能有限,在此我们借助第三方软件探讨基于ERDAS IMAGINE的遥感影像处理方法。ERDAS IMAGINE是ERDAS公司开发的面向企业级的遥感影像处理软件。以其先进的图像处理技术、友好的用户界面、灵活操作方式、以及面向广阔应用领域的产品模块和3S(遥感图像处理,地理信息系统和全球定位系统)集成功能,为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。     

不同融合方法在区域地质调查中的应用

随着遥感技术不断发展，获取遥感数据的方式各不相同，如何充分发挥遥感多时相、高分辨率等优势成了遥感应用的瓶颈问题。遥感影像融合则是行之有效的方法，不同应用领域采取的融合方法一般不同。以青海巴隆地区为例，介绍了不同影像数据融合方法在区域地质调查中的应用，并最终确定了用于区域地质调查的影像数据融合方式。     

基于局部均值和标准差的Curvelet变换遥感图像融合算法

为充分利用各种遥感图像的有用信息,在Curvelet变换的基础上,提出一种基于局部均值和标准差限定的遥感图像融合算法.通过Curvelet变换将同一场景下的高空间分辨率全色图像和低分辨率多光谱图像分解到不同尺度、不同方向的频带范围内,然后对低、高频系数分别采用最大值法和局部均值及标准差限定法的融合规则进行融合,最后进行Curvelet反变换得到融合图像.实验表明,基于该融合规则的Curvelet算法优于传统的遥感图像融合算法.     

基于小波变换的卫星遥感影像数据融合

遥感信息融合(Fusion)是遥感数据处理的重要内容之一。通过把高分辨率的全色影像与多光谱彩色低分辨率的数据叠加,可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。首先概括了已有的遥感平台与数据,在给出小波分解基本模型的基础上,探讨了采用小波变换进行遥感信息融合的基本方法和实现流程。同时利用该方法,用于SPOT全色卫星影像数据和Landsat TM多光谱数据的融合处理。作为实际应用,给出了详细的小波信息融合结果,并证明了该方法是切实可行的。     

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．     

基于卫星遥感影像的土地分类实验方法研究

为了让本科生充分理解和掌握遥感影像处理技术,结合吉林大学大学生创新创业训练计划,设计了基于高分辨率卫星遥感影像的校园土地分类实验项目。以2015 年9 月20 日高分二号( GF-2) 卫星拍摄的吉林大学中心校区卫星影像为实验数据,通过使用不同的光谱指数以及支持向量机( SVM: Support Vector Machine) 分别对影像中的建筑物、植被、水体、平地和操场等地物进行提取,进而得到基于高分辨率遥感影像的校园地物分类图,并对分类结果中各种地物信息进行统计分析,将统计结果与真实的地物参数进行对比,近而改善该方法的分类精度与可靠性。实践结果表明,该实验可以有效的帮助学生对知识的理解和掌握,达到了预期的教学效果。     

一种基于模糊积分的图像最优融合方法

为极大保留多光谱、高分辨率遥感影像融合时的光谱信息和空间分辨率信息,提出一种基于模糊积分的图像最优融合方法。综合光谱信息和空间分辨率2个单因素指标,在IHS（Intensity Hue Saturation）空间,对强度分量,的高频部分利用多分辨率小波融合方法进行影像的高频细节特征融合,低频部分选取光谱信息和空间分辨率评价指标作为融合权系数求优指标,进行像素级最优融合,实验结果证明本方法是有效的。     

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。     

多尺度生成对抗网络的图像超分辨率算法

基于神经网络的图像超分辨率方法往往存在重建图像纹理结构模糊、缺失高频信息的问题。为了解决该问题,在SRGAN的基础上提出一种多尺度并联学习的生成对抗网络结构,其中生成模型由两个不同尺度的残差网络块组成,首先对提取的低分辨率图像通过两个子网络的多尺度特征学习,然后使用融合网络进行残差融合,融合不同尺度高频信息,最终生成高分辨图像。在Set5、Set14、BSD100基准数据集以及SpaceNet卫星图像数据集上的实验结果证明了该算法在恢复低分辨率图像的细节纹理信息具有良好效果。     

基于Contourlet和IHS的遥感图像融合

针对目前最新发展的Contourlet变换较小波变换能提供更丰富的方向和形状,有助于捕捉图像中的几何结构,提出了一种新的基于Contourlet变换和IHS(Intensity-Hue-Saturation)变换的遥感图像融合方法,首先对多频谱图像进行IHS变换,然后对所得的亮度分量和全色图像分别进行Contourlet变换,再对得到的低频近似系数和高频细节系数采用一定的融合规则得到一个新的亮度分量,并对其做逆向的IHS变换得到融合图像.实验结果表明,该方法在保留多频谱图像的频谱信息的同时增强了融合图像的空间细节表现能力,提高了融合图像的信息量,并且优于同等条件下的小波变换方法,该方法是有效可行的.     

环境减灾卫星遥感宏观监测应用评价研究

文章介绍了环境减灾卫星的基本情况,结合环境减灾卫星遥感数据(HJ-1)在黑龙江省土地利用宏观监测中的实际应用,针对HJ-1数据的生产流程及生产方法进行了详述,对土地利用遥感宏观监测技术路线进行了研究,并通过高分辨率卫星遥感影像数据对宏观监测成果及其质量进行精度评价与验证,建立一套基于HJ-1数据的土地资源调查监测技术方法与流程,为在全国范围内广泛应用环境减灾卫星数据积累经验和技术方法。