耀光水体、非耀光水体和云层的多光谱遥感识别模型

太阳耀光水体和水云的光谱相似性导致绝大部分多光谱遥感图像云检测算法的太阳耀光信号误识别.选取对耀光水体、非耀光水体、水云、冰云光谱信息差异性和敏感性最大的红光波段及中红外波段,结合上述4类分类对象的遥感统计数据,从黑体辐射理论和云粒子微观物理性质出发,分析二维特征空间中不同类型水体和云层的辐射分布差异,提出利用多光谱遥感数据AVHRR识别不同类型水体和云层的红光-中红外光谱普适性分类模型.该分类模型对于多光谱遥感数据具有广泛适用性,可作为发展多光谱识别分类自动化算法的基础.     

基于数据场模型的多光谱图像边缘检测

数据场模型模拟了物理世界中力的相互作用,具有较好地描述数据分布、反映数据关系的优势.基于这一优势,提出了一种新的多光谱图像边缘检测算法.在特征空间,将多光谱图像像元看成是具有辐射能力的质点,利用数据场理论计算不同像元之间的相互作用,从而将多光谱图像从特征空间映射到数据场的势空间.多光谱图像的结构能够通过势场图解释,从而可以通过势场图获得多光谱图像的边缘图像.实验结果表明,基于数据场的边缘检测算法对多光谱遥感图像的检测具有显著的效果,能够正确识别地物边缘,有利于遥感图像地学分析的进一步处理.     

一种改进的多光谱遥感图像超像素分割算法

针对简单线性迭代聚类算法在多光谱遥感图像超像素分割中存在的未充分利用图像特征信息及超像素尺寸、 数量固定导致分割精度较低的问题, 提出将流形 简单线性迭代聚类算法引入到遥感图像超像素分割任务中, 并对其进行改进. 首先, 给出一种基于彩色局部二进制模式改进的多光谱遥感图像纹理特征提取方法; 其次, 扩展流形 简单线性迭代聚类算法的光谱空间, 使算法可以适应高维图像数据; 最后, 改进流形 简单线性迭代聚类算法的聚类距离度量, 融合图像的多段光谱特征、 空间特征及纹理特征对像素进行迭代聚类, 实现内容敏感超像素分割. 实验结果表明, 与现有方法相比, 该算法对多光谱遥感图像的超像素分割结果更准确, 在边缘召回率、 欠分割误差、 可达细分精度指标上均有提升, 能改善多光谱遥感图像分割预处理方法中精度较低的问题.     

一种多源多光谱遥感图像特征点匹配技术

 在多源多光谱遥感图像中,针对匹配图像的像素之间非线性变化而导致正确匹配点对下降的情况,提出了一种基于主成分分析的多源多光谱遥感图像特征点提取算法。利用尺度不变特征变换(SIFT)算法的基本原理,首先对两幅多源的多光谱遥感图像进行主成分变换,再用变换后各自的第一主分量图像作为待匹配图像;其次,在构建尺度空间时提高尺度参数并且在进行特征匹配时,利用尺度限制条件进行匹配,这样既能提高匹配精度又能提高运算速度;最后,采用随机抽样一致性算法剔除误匹配点。这种算法能减少多源多光谱遥感图像之间像素灰度值的非线性变化对特征点匹配的影响,提取到一定数量的正确匹配点对。通过实验对比分析,所提算法比通用算法有更高的精度和更好的适用性。     

海岸带红树林范围与种类识别精度的荟萃分析

对2000年以来基于遥感数据的红树林范围与种类识别的研究结果进行荟萃分析,阐明红树林范围和种类识别精度的现状,分析遥感数据源、分类算法、地物类型和物种数对总体精度的影响.结果表明,红树林范围识别的总体精度范围为55.7％～99.7％;约66％的研究基于Landsat遥感数据开展,且总体精度最高(75％～99.7％);光...     

基于量子粒子群算法选择特征的遥感图像分类

针对目前遥感图像分类算法存在精度低、 速度慢等问题, 提出一种基于量子粒子群算法的遥感图像分类算法, 以提高遥感图像的分类效果. 首先分析目前遥感图像分类算法存在的不足及其原因; 然后提取多种类型的遥感图像原始特征, 采用量子粒子群算法对特征进行筛选, 以提取对遥感图像分类结果较重要的特征; 最后采用最小二乘支持向量机(LSSVM)建立遥感图像分类器, 实现遥感图像分类和识别, 并进行遥感图像分类的仿真对比实验. 实验结果表明, 该算法克服了当前遥感图像分类算 法存在的局限性, 大幅度提高了遥感图像的分类精度, 有效减少了图像分类误差, 提高了图像分类效率.     

基于光谱主次吸收谱带组合特征相似性测度的高光谱遥感矿物信息提取

吸收谱带组合特征是识别和区分具体矿物类型的重要参量。研究表明,地物单一光谱特征不稳定性无法全面反映地物光谱间的相似性,直接影响识别效果。提出一种基于矿物光谱的主次吸收谱带组合特征的相似性测度方法;该方法基于光谱主次吸收特征的最小二乘相似性拟合法,对光谱特征较稳定的主、次吸收特征参量赋以不同的权重系数,将图像光谱与标准光谱库中各个参考光谱分别在主吸收特征与次级吸收特征波段进行加权比较,从而得到识别结果。基于CAIS/SASI机载高光谱数据,IDL编程实现光谱主次吸收特征最小二乘相似性拟合算法对实验区的绢云母、绿泥石蚀变矿物信息提取,并与常规光谱角制图处理结果的比较分析,发现新算法能更细致地进行高光谱遥感地物信息提取,有较强的实用性。     

联合空谱信息和Gabor特征的高光谱人脸识别算法

提出一种采用高光谱图像的人脸识别算法.根据人脸肤色在可见光范围内的光谱特征进行波段选择并依据人脸结构特征,对选定波段的灰度图像进行Gabor特征提取.最后分别进行特征层上的融合识别和决策层上的融合识别.特征层融合的权重系数由反射率和正确识别率共同决定,决策层融合算法采用"最高票当选制"原则.利用香港理工大学的高光谱人脸数据库对进行验证.结果证明,本文算法在识别速度和正确识别率方面都得到了显著改善,在3幅训练样本情况下,正确识别率达到96.5%.相对于全波段参与识别,识别速度提高了约3倍.      

TM遥感图像中居民点的自动提取

介绍了一种TM遥感图像中居民点目标自动提取的方法.针对TM遥感图像的光谱特征,提出一种基于多波段信息的图像分割模型,提取出居民点、道路及河滩地等光谱相近的地物.然后依据居民点的形态特征分离道路,并利用空间关系知识分离出河滩地.试验结果表明该方法能快速准确地识别提取TM遥感图像中的大部分居民点.     

遥感影像的分类与识别技术在土地资源调查中的应用

遥感图像记录了地物在空间域、时间域、光谱的域的变化信息,利用图像的分类技术,能够识别土地利用类型,计算机遥感分类识别原理,是利用地物的光谱能量特征差异性和结构特征差异性来识别地物信息,根据北京某地遥感图像实例资料,将土地利用类型分为监督分类、非监督分类、最大似然法分类、神经网络分类等,不同的分类方法有各自的特点且分类结果也有一定的差别,其中神经网络分类与真实情况最为接近。     

基于改进SURF的遥感图像目标识别

针对目前遥感图像背景复杂信息量大,导致目标识别过程中特征检测准确率低,特征匹配识别时间长等问题,提出一种基于改进SURF(speeded-up robust features)算法的目标识别方法.该方法采用Grab Cut算法对目标模板进行分割,通过高斯混合模型(Gaussian mixture model,GMM)进行初始化以达到能量最小化分割,并通过快速Hessian矩阵进行特征检测,采用欧式距离完成匹配识别.实验结果表明:使用改进算法进行遥感图像目标识别,能有效去除冗余特征点,提高算法的识别精度和运算速度.     

高光谱遥感图像异常检测研究进展

高光谱遥感图像异常检测即是对遥感图像中与背景存在显著光谱差异的像元进行识别,它在灾害预测和环境监测等领域具有很大应用价值.异常检测受到遥感学界的普遍重视,这些年来对异常检测开展的研究取得了不少成果.高光谱图像异常检测研究最初基于传统数据处理和信号分析方法,随着高光谱图像数据处理研究的深入及数据挖掘技术和智能学习方法等相关技术的发展,现在呈现智能和联合处理的新方向.文章对异常检测算法近来的研究进展进行的介绍以期为异常检测的相关研究提供一定参考.     

复杂背景下的遥感图像特征识别算法

摘要：针对复杂背景和可变光照下的静态彩色图像人脸检测,提出一种基于多目标优化和蚁群算法的遥感图像特征识别方法。首先将遥感图像特征选择转化成多目标优化问题,然后利用特征子集维数和识别率加权构造了目标函数,最后利用蚁群算法的全局寻优和正负反馈投机实现特征子集搜索,从而找到遥感图像中的最优特征子集,实现准确识别。仿真实验结果表明,算法能够很快的找到最优特征子集,消除无用和冗余特征,降低了特征维数,识别率高。     

基于支持向量机的高光谱遥感影像道路提取

为了从高光谱遥感影像中高精度提取各种线形道路,提出了基于支持向量机（SVM）的道路特征快速提取算法,首先利用PCA对高光谱影像进行合理压缩,由SVM模式识别理论推导出该算法具有快速精确提取道路网信息的能力,针对高光谱遥感影像高信息量和道路网复杂度高的特点,提出基于1Vm（一对多算法）的多种道路SVM一次性高精度提取的多分类策略,在提高精度的同时,兼顾了道路特征识别的效率。研究结果表明：SVM对线状道路模式判别能力比常规方法有更强的优势,对小样本的道路识别效果更加明显,从遥感影像中不仅能准确地辨别出道路的线形特征,还能识别出其材质和类型;该算法能同时识别出多种道路,执行效率更高。     

用于高光谱遥感图像分类的空间约束高斯过程方法

高光谱遥感图像分类是遥感图像处理的一项重要内容.高光谱遥感图像具有非线性属性.图像中不同方位光谱特征的变化将使得仅从标记训练样本得到的分类器分类精度不会太高.为了提高分类的精度,一方面应对光谱信息的合理利用;另一方面,对空间信息的利用也非常重要.高斯过程(Gaussion process,GP)是一种贝叶斯统计学习方法,能够建立概率模型,并且使得分类结果更易于解释.传统GP分类方法中核函数的构造仅利用光谱信息.本文提出了一种加入空间关系的新分类方法.利用遥感图像空间相关性,在GP分类方法中通过构造新的核函数(spatial Gauss kernel,SGK)来实现空间约束,部分消除了同物异谱和同谱异物造成的分类错误.实验结果表明,该方法对于提高高光谱遥感图像的分类精度具有积极意义.     

红树林卫星遥感监测技术研究进展

遥感技术是红树林生态监测中的关键技术。详细介绍了目前应用于红树林监测的遥感信息源及各种数据源识别方法和方法的精度比较,叙述了基于光谱特征、叶面积指数LAI、植被指数以及纹理特征的红树林遥感监测理论基础,给出了应用这些理论及方法在探测红树林的生态学指标包括面积、分布范围、类内区分和类外区分以及动态变化等的应用和精度对比情况。此外,阐述了红树林遥感技术的发展前景。     

基于高分五号卫星数据的红树林群落光谱特征分析

为解决高分五号(GF-5)高光谱数据空间分辨率较低的问题，本研究采用葛拉姆-施密特(Gram-Schmidt, GS)正交变换融合算法对GF-5高光谱数据与高分二号(GF-2)数据进行空谱融合，利用1 m分辨率的GF-5高光谱数据结合实地样本数据提取不同红树林群落与互花米草群落的平均反射率，通过包络线去除与一阶微分计算的方法分析不同红树林群落与互花米草群落的复合光谱特征，从光谱特征探讨红树林群落的可分性。结果表明，在原始光谱曲线680-900、980-1 320、1 530-1 750 nm区间4种群落的光谱差异最大；经过包络线去除与一阶微分计算后的4种群落的光谱反射率分别在1 170-1 400 nm与1 330-1 470 nm波长范围处表现出明显差异。综上可知，不同红树林群落与互花米草的光谱反射率在近红外波段范围内的差异性最大，近红外波段可作为识别不同红树林群落与互花米草的优势波段。     

Landsat影像土地利用/土地覆盖信息快速提取技术研究

遥感图像快速识别是遥感数据应用于土地利用/土地覆盖动态监测的难点问题。根据海拔高差大地区地表覆盖的垂直性特点,利用数字高程模型分割影像,分析各区域的光谱特征和纹理特征,采用植被指数和纹理组合对不同区域地表信息进行提取,并根据野外实测数据进行精度验证。结果表明,该方法能有效提高地物识别精度,有一定实用价值。     

基于二元树复数小波变换的特征融合算法

提出了一种利用二元树复数小波变换(DT-CWT)提取遥感图像纹理特征的方法，不仅使得纹理分析具备小波分析的多尺度特性，而且具备了6个方向的选择性、良好的重构性和近似的平移不变性．利用DT—CWT变换提取目标图像的纹理特征，构造目标概率密度函数，并采用基于D-S证据理论的特征层融合算法对目标进行识别处理，实验结果表明，采用基于DT-CWT纹理特征的特征层融合算法对多源低分辨率可见光遥感图像中小目标的识别是有效的．     

基于Landsat数据的铁山港区红树林变迁及其驱动力分析研究

红树林湿地是广西北部湾沿海地区重要的生态环境系统,具有御风消浪、促淤固滩、调节气候、保护生物多样性等重要作用。以Landsat MSS/TM/ETM+多时相遥感图像为数据源,将归一化植被指数(NDVI)作为特征波段融入红树林遥感图像的合成,运用最大似然法提取了1977~2010年8个时相的红树林信息;并在此基础上分析了30多年间7个时期的红树林变迁动态特征及主要驱动因子。结果表明,在1977~2010年期间,红树林面积呈先增加后减少再增加,总体呈波动增长的趋势;引起这种波动变化的主要原因是围海造田、围海养殖和城市建设与发展以及建立红树林自然保护区。