地物频谱在解译遥感图像中的应用研究

在大量地物频谱资料的基础上,阐述了地物的纹理特征在解译高分辨率卫星影像中的重要性,并对地物频谱的概念、图像纹理分析的方法、多频谱图像的生成和获取,以及利用地物频谱对遥感图像进行判读的方案进行了研究和总结.     

地物频谱在解译遥感图像中的应用研究

在大量地物频谱资料的基础上,阐述了地物的纹理特征在解译高分辨率卫星影像中的重要性,并对地物频谱的概念、图像纹理分析的方法、多频谱图像的生成和获取,以及利用地物频谱对遥感图像进行判读的方案进行了研究和总结.     

基于地物波谱形态参数化的高光谱图像分类方法研究

利用语素向量的形态描述方法实现地物波谱形态的参数化,以不同地物具有不同波谱曲线为地物分类准则,在MATLAB设计中,实现一种带通配符的地物波谱曲线形态差异遥感图像分类程序,应用此程序对高光谱遥感图像所得的分类结果与其他分类方法所得的分类结果进行对比.结果说明,此方法可以将地物波谱的波形信息最大限度地保留并利用,进一步解决遥感影像分类中"光谱值"相似及现有的光谱匹配方法受类内差异变化影响大的问题,运用Kappa系数的精度评价证明此方法对高光谱遥感图像的分类优于SVM分类方法.     

用航空航天影像更新地形图地物要素的栅格化方法

文章针对当前我国1:5和1:1万地形图更新的大规模生产的迫切需求,提出在原有地形图栅格式数字化的基础上,叠加经过精密纠正配准的航空或卫星遥感影像,以栅格方式更新地物要素的全过程方法。文中特别阐述了：1）地形图栅格数字化不同于矢量数字化的扫描采样分辨率问题;2）区别于传统的"针孔式"控制点概念的图像图形阵列控制点技术;3）由于DEM（数字高程模型）数据缺乏或精度不足引起的航空航天影像与地形图图形配准误差的局部纠正方法;4）定性指导定量的影像判读方法;5）从遥感影像提取地物结构信息的半自动化方法。文章最后列出     

基于TM遥感图像的预处理分析

TM遥感图像预处理的目的主要是对遥感图像进行噪声滤除,更好的利用预处理后的遥感图像所反映的地物目标波谱特性进行反演、统计和分析。文章用ENVI软件截取合适的TM遥感图像研究区域,井用直方图最小值法校正遥感图像,然后又介绍多结构元素形态滤波方法,与传统的中值滤波和均值滤波进行了对比,信噪比高。这些方法很适合试验区的分析,效果很好。     

基于波谱数据库先验信息的地表参数同化反演方法

我国典型地物波谱数据库的构建为地表参数反演提供了先验信息,而时间序列遥感观测数据则能够提供反演目标参数的动态变化信息．文中将描述植被冠层反射的遥感辐射传输模型与描述作物生长变化的过程模型结合,提出了综合利用时间序列遥感观测数据和波谱库所提供的参数先验信息对农作物生长过程中的关键结构参数叶面积指数（LAI）进行反演的方法．时间序列遥感观测数据能为目标参数LAI的反演提供更多信息,而作物生长模型的引入则能够对反演过程中LAI的变化趋势进行约束．实验结果表明,利用地物波谱库中提供的参数先验信息结合时间序列遥感观测数据,采用变分数据同化算法可以明显提高具有时间变化特征的地表目标参数反演精度．     

机载激光雷达数据辅助的航空高光谱影像几何精校正

严格的几何精校正可以提高遥感影像的实用价值。对于CASI(compact airborne spectrographic imager)推扫式单线阵航空高光谱传感器而言,由于每次飞行装机都要重新安装GPS(global positioning system)接收机、差分定位与惯性测量单元(inertial measurement unit,IMU),因此GPS、IMU和传感器之间的几何方位标定并不严格,从而导致外方位元素精度受到影响,几何校正结果不理想。为提高几何校正精度,需要依据共线方程,结合地面控制点,计算相应的辅助校正参数。然而实验区属于高海拔无人区,难以实施地面控制点测量,且无其他高精度正射影像可参考。为此实验以机载LiDAR(light detection and ranging)数据为辅助,一方面基于LiDAR高程信息生成数字高程模型;另一方面,通过对LiDAR回波强度信息进行校正,提高基于回波强度的地物判读性,并以回波强度图为参考选取控制点。然后,结合控制点和数字高程模型,完成了CASI高光谱影像的几何精校正。通过对航带间同名地物点坐标对比,证明其精度得到了很大提高。结果表明,利用LiDAR回波强度信息可以解决控制点缺少的问题,显著提高遥感图像几何校正精度,未来也可在地物分类等方面发挥更大作用。     

基于VB和SQL Server的典型地物光谱数据库系统的设计与创建

不同的地物具有不同的波谱特征,这已成为人们利用高光谱遥感数据认识和识别地物、提取地表信息的主要思想和手段。收集和积累各种典型地物的光谱数据信息历来是遥感基础研究和应用中不可缺少的一个重要环节。本文简单介绍了当前国际上常见的波谱数据库并根据建立的一个光谱数据库管理系统探讨了该系统的组成与功能、光谱数据库建立的数据要求、创建数据库的过程及接口设计等关键问题,为之后的光谱匹配研究奠定了基础。     

基于RGB融合与主分量分析法融合比较

随着遥感技术的发展,获取遥感数据的手段越来越丰富,各种不同的传感器所获取的影像数据类型也各式各样。不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率,如果能将它们各自的优势综合起来,可以弥补单一图像上信息的不足,因此遥感图像信息融合则成     

遥感图像拼接算法的研究

针对高分辨率遥感图像的特点，在充分考虑图像的空间几何特征和图像像元间相关性的基础上，提出了一种融合的图像拼接处理算法。经该算法处理后的拼接图像很好地保留了地物的几何特征和波谱信息，且重叠区域过渡自然，更有利于遥感图像的后期处理、分析和应用。     

基于高光谱线性混合光谱分解识别人工地物

城市下垫面包含多种不同年代、材料和成分的人工建筑物,其光谱多样性远远超过自然环境.利用高光谱遥感数据的丰富光谱信息,可以弥补传统遥感数据源(如航片、多光谱遥感数据等)在区分城市地物所需光谱分辨率等相关信息上的不足.从光谱分析与光谱匹配技术出发对城市地物和人工目标进行精细分类,可提供城市规划、环境监测、城市变迁乃至相关社会经济等方面的信息.本研究基于Hyperion高光谱遥感数据,以广州市区为试验区,尝试用手动提取终端像元,首先对水体与植被做分层掩膜,尽可能消除其在求取参考波谱与影像波谱角度过程中的影响;继而参考约翰-霍普金斯大学提供的标准光谱库的人工建筑物波谱,对光谱角度制图方法所产生的规则影像进行密度分割,获取与参考光谱夹角最小的端元准确位置,再通过高空间分辨率影像Quick Bird数据对其进行准实地验证,尽可能提"纯"并获取相应地物影像端元;最后,应用线性光谱分解模型提取出广州市区地表物质的丰度,由丰度图设定阈值生成地物分类图.结果表明:星载高光谱数据可识别出都市人工地物中的水泥混凝土、铺路混凝土、粘土瓦屋顶、较老建筑屋顶、裸土、高反射率未知物(玻璃、金属等)、低反射率未知物(阴影)、林地、草地与水体等,其总体精度为76.2099%,Kappa系数为0.7258.     

LU/LC样本影像数据库管理系统的构建及其应用

针对遥感解译及土地核查中传统的人机交互方法人为影响较大、精度不稳定、判读标准不一等现象,综合地总结了土地利用/土地覆盖(LU/LC)常见典型地物样本及影像特征信息,通过建设数据库的总体流程、基本示例影像以及关键技术,从而构建具有一定通用性的LU/LC样本影像数据库管理系统,解决了遥感解译及土地核查过程中主要涉及的大量遥感图像和繁杂的属性文本信息等问题,实现对样本影像数据统一存储、有序管理以及实时更新,更好地为生产决策服务。同时,结合该样本影像数据库,将LU/LC样本库知识学习应用于福州市地区1994年、2000年、2009年、2013年的遥感影像解译,获得影像的分类精度分别为87.89%、91.46%、88.35%、88.62%。结果表明,建立LU/LC样本影像数据库辅助解译减少了判读误差,并且精度较稳定及符合生产要求。     

基于最小体积约束的非负矩阵分解模型的高光谱解混算法探究

高光谱遥感图像中,遥感影像的分类精度和地物识别会因混合像元的存在而受到影响,从而限制了遥感科学向定量化发展.基于最小体积约束的非负矩阵分解方法,不仅不需要假定纯像元的存在,而且在自动提取端元的同时获取对应的丰度图,这种非监督的光谱解混技术克服了传统方法的限制条件,为高光谱图像中混合像元问题的解决提供了新的思路和方法.     

基于Matlab的遥感与化探信息集成系统开发与应用

遥感获取的地物波谱信息表征着地表地质体的物理特性,化探信息表征着地质体的化学性质,而物质的化学成分及其在微观上的组合一定程度上决定了它所表征的物理特性。因此二者存在着内在的联系。根据遥感与化探信息集成原理,基于Matlab平台开发了"遥感与化探信息综合分析系统";并且应用该系统对内蒙苏尼特左旗地区进行遥感与化探信息集成试验。试验结果表明,通过该系统能够实现两种信息的集成,达到辅助探矿的目的。     

提高城市TM图像分类精度的两种方法比较

城市遥感图像分类是获取城市绿地空间分布状况的基础,然而混合像元的存在导致分类精度不高.因此,提出了混合像元分解模型结合神经网络法(MPD-NN法),利用其对北京市TM图像进行地物分类,并与较常用的决策树法分类结果比较,研究在图像现有空间分辨率的条件下提高城市分类精度.结果表明,MPD-NN法分类可较为有效地处理城市遥感图像存在的混合像元问题,可以提高城市分类精度,分类精度高于决策树法,其总体精度和Kappa精度均将近90%,水体、草地、农田、裸地、林地的分类精度在85%以上,高密度建筑区、低密度建筑区、水泥地的分类精度接近80%,也均高于决策树法,是遥感分类较精确识别城市下垫面地物的一种可行方法.     

基于遥感影像的重要地物的变化检测和标注

破坏性灾害会造成巨大危害和损失,灾后一定时间内由于信息匮乏,使得对了解灾情和救灾都极为不利。为了及时获取灾区建筑物、道路、桥梁、水库等重要地物的倒塌和毁坏信息,给出了一种可自动识别和标注灾害前后遥感图像差异区域的方法。首先对时序遥感影像通过三维块匹配(block matching 3D,BM3D)方法去除高斯噪声,然后利用尺度不变特征变换(scale-invariant feature transform, SIFT)方法进行图像配准,通过对差分图像采用Wv＿Canny边缘检测方法获得差异区域重要地物的边缘信息,最后识别并标注出发生变化的重要地物,真实遥感图像实验结果按建筑物变化面积比较,正确率78%～79%,误检率21%～22%,无漏检率。仿真试验和实际遥感影像处理表明：所研究方法可有效识别和标注建筑物等重要地物的差异区,有利于灾后破坏性地物的及时了解和救助工作。     

一种结合数学形态学和LOG算子的遥感图像边缘检测方法

提出了一种结合数学形态学和LOG算子的遥感图像边缘检测算法,该算法可有效地解决在混合噪声及复杂细节环境下的遥感图像地物边缘信息的检测．该算法首先利用中值滤波消除原始图像的非高斯噪声,并采用数学形态学进一步消噪及增强地物间的对比度;然后采用LOG（LaplacianofGassian）算子对处理后遥感图像进行边缘信息检测．实验结果表明,提出的方法能有效地提取遥感图像地物边缘信息．     

基于K-means聚类的遥感影像条状地物半自动提取方法

遥感图像地物目标提取是遥感图像分析的关键步骤,通过分析遥感图像的频谱特性,提出一种基于K-means聚类的地物目标提取方法。首先通过时域和频域相结合的方法对原始图像进行增强,再利用K-means聚类算法对图像各个分量进行聚类,聚类结果分为目标类和背景类,然后分别计算每一类的特征值均值和方差,迭代两类像素的灰度值,同时结合数学形态学和阈值方法进行地物目标提取,得到最终的目标提取结果。实验对多幅遥感图像进行不同地物目标的提取,实验结果表明:该算法具有很好的抗噪能力,目标提取结果精确,有一定的现实意义。     

干旱区遥感图像目视解译的常见问题

遥感图像的解译标志反映着地物信息遥感图像的特征,这些特征能够帮助解译者识别影像上的目标地物,不同种类、不同地区的遥感像片所建立的解译标志虽然可以借鉴其经验,但由于地域、季节等差异并不能生搬硬套,文章针对我国干旱区遥感图像目视解译中应注意的问题作初步的探讨。     

基于空间形态特征遥感边缘信息的提取方法

边缘信息是地物间波谱差异的反映.仅仅考虑灰度差异并不能满足专题信息-地物边缘提取的需要.加入地物的空间形态特征依据,可以使边缘信息提取更准确.在灰值形态学梯度算法和多方位形态结构元素形态学理论分析基础上,提出了提取遥感图像边缘信息的新方法.叙述了结构元素的设计和边缘提取过程,给出了应用实例并得到良好的视觉效果.