遥感影像的云及其阴影覆盖区光谱重构

以往遥感影像的云及其阴影去除方法侧重于受遮盖地物的几何特征恢复,不利于基于光谱特征的信息提取。为此,提出一种基于地物类别特征的光谱重构方法,采用两期相邻年
份相近物候期的遥感数据,借助归一化差值和决策树分类的方法,检测厚云及其阴影,并提取相应区域地表覆盖类型信息,对两时相遥感影像各波段被遮挡区的每种地物类别做线性回归分析,获取被遮挡区的重构数据。实验结果表明,该方法在恢复受云影响地物几何信息的同时,较好地实现了遮盖区地物光谱信息模拟。     

MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

基于有点区域的K近邻搜索新算法

目的对不同的点云数据,根据有点区域占空间包围盒的比率的不同,对栅格划分最优边长进行估算。方法在分析已有栅格边长估算方法的基础上,提出基于有点区域的二次分割算法来估算最优边长。结果给出了算法的步骤,并将该算法应用于不同的点云数据进行邻域搜索。结论与单次划分的边长相比,新算法的边长估算更加合理、计算效率更高。     

基于HSV色彩空间的云模型车辆阴影检测

介绍和分析了云模型、运动目标初定位和HSV色彩空间等相关内容.提出了基于HSV色彩空间的云模型车辆阴影检测方法.在HSV空间下,于不同光照下在具有代表性的阴影区域采样,用正态云逆向发生器建立云模型,利用云模型进行阴影检测.和其他方法相比,实验结果证明了本文方法的有效性.     

基于GF-1影像的城市高大地物的阴影检测方法

对阴影信息的研究是高分辨率遥感影像研究的重要问题,但是,在高分辨率遥感影像中,水体、暗色植被和偏蓝色地物会影响阴影检测精度,基于HSV色彩空间与主成分变换法,文中提出了一种检测阴影的阴影指数PSI。选择两个试验区,采用主成分变换法与PSI进行阴影区域检测并对检测结果进行比较分析,结果表明,在没有深色地物的情况下,PSI能够有效的区分阴影区域与水体、暗色植被和偏蓝色地物。在有人工草坪的情况下,PSI能够有效的区分人工草坪与阴影区域。在有深色地物的情况下,对HSV色彩空间中的V分量利用直方图阈值法对阴影区域进行检测,分离后的阴影区域中不包含深色地物,对PSI指数检测阴影的结果与V分量检测的阴影结果进行逻辑与运算,得到目标阴影区域;最后对阴影提取结果进行小区域去除和形态学滤波等后处理。实验结果表明,该方法针对GF-1影像具有良好的适用性,能精确并且快速地检测出阴影区域。     

基于纹理和小波变换的阴影检测去除算法

在基于视频处理的室外场景运动物体检测系统中,对运动物体的阴影进行检测与去除是一个关键环节。文中提出了一种基于纹理自相关和整数小波变换相结合的运动物体阴影检测与去除算法,算法中首先使用纹理自相关对运动物体的阴影进行预提取,再对阴影预提取结果进行统计判别,对判别为阴影误检的区域再进行基于整数小波变换的阴影再检测,最后将两次检测结果相结合实现对运动物体阴影的检测与去除。实验结果表明：文中的方法不仅能够准确地检测出与背景灰度差别比较大的运动物体的阴影,而且能够较好地检测出与背景灰度相近的运动物体的阴影,较好地克服了使用单一方法进行阴影检测与去除时常见的阴影误检问题,获得了很好的阴影检测与去除效果。     

基于加权最大边缘间距准则MMC的特征选择问题

特征选择是模式识别经典而重要的课题．由于不同类别样本之间存在边缘样本点,其分布区域互相交叉重叠,经典的MMC（Maximize Marginal Criterion）方法简单地采用最大化类中心距离,不利于样本分类．针对此问题,给出了一种基于加权最大边缘间距准则（加权MMC）并改进了的特征选择算法,该方法考虑了不同类别数据边缘样本点在模式分类中的作用,建立了基于最大边缘间距的新型特征评分准则,提高了边缘样本点在衡量特征判别能力时的作用．在公开数据集PIE和MIT-CBCL3000标准人脸图像库上进行了实验,结果表明,该算法与经典的MMC特征选择算法相比较具有明显的优势．     

一种多高斯模型下的阴影检测方法

分析了混合高斯模型阴影检测算法的不足,提出了一种基于贝叶斯更新的多高斯模型阴影检测算法.基于Porikli提出的阴影流算法,根据实际情况改进了其中的阴影区域预分类算法,更新了贝叶斯参数,最后检测阴影.实验结果证明了该方法的有效性.     

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Landsat 8数据反演地表发射率的几种不同算法对比分析

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVI~(TEM)改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVI~(TEM)改进算法较为适合本研究区。     

基于改进距离的孤立点检测方法

局部切空间排列(LTSA)算法是一种有效的流形学习方法,但该算法对孤立点的存在非常敏感.为了增强LTSA算法对孤立点的鲁棒性,文中提出了一种基于改进距离的孤立点检测方法.该方法通过改进距离来度量样本点之间的距离,降低了样本点分布不均匀对孤立点检测算法的影响.实验结果表明,该数据预处理方法能有效地提高LTSA算法的鲁棒性,更好地挖掘数据集的本征特性,具有更好的数据可视化效果.     

利用遥感数据反演长江三角洲瞬时地表反照率的研究

利用极轨气象卫星遥感影像处理软件挑选出无云的长江三角洲地区的NOAA-AVHRR影像数据,对该数据应用Liang（2000）算法进行瞬时地表反照率的反演,从中提取出不同下垫面的反照率,并与已有的研究结果进行对比.结果显示,各主要下垫面的卫星反演结果基本在地面观测和已有的结果范围之内,反演精度比较高,可为如何利用热红外遥感数据有效进行区域性或全球性的大范围地表反照率的反演提供科学依据.     

基于改进距离孤立点检测预处理的LTSA算法

局部切空间排列算法(LTSA)是一种有效的流形学习方法,但该算法对孤立点的存在非常敏感.本文提出了一种快速有效的数据预处理方法-基于改进距离的孤立点检测方法来降低孤立点对LTSA算法的影响.该方法通过改进距离来度量样本点之间的距离,降低了样本点分布不均给孤立点检测算法带来的影响.实验表明,该数据预处理方法能有效地提高LTSA算法的鲁棒性,可以更好的挖掘数据集的本征特性,具有更好的数据可视化效果.     

面向像素级的遥感图像云分割算法

云遮挡对于非气象类遥感卫星的效能发挥具有重要影响,会导致卫星拍摄的遥感图像中无法显示有价值的地面信息,同时,大量无价值的数据下传还会极大的浪费卫星有限的数传资源。针对上述情况,结合星上在轨应用的相关要求,提出了一种基于低秩及稀疏约束制图的图像分割算法,将局部云纹理分布特征与低秩稀疏关联制图约束相结合。最后,通过对不同算法、不同地区、不同云覆盖程度的遥感图像块中的云区域进行分割实验与对比分析,结果表明算法可以在纹理特征空间中,有效捕获不同厚度云纹理的局部及全局结构化差异分布,从而产生更理想的云分割结果。而且在云分布更复杂的遥感图像中,还能有效分辨出厚云、薄云、无云3类像元,可为后续进一步对图像中云的处理提供支撑。     

单幅室外自然场景中的阴影检测与消除

为了改进Retinex算法在阴影消除中的不足,该文提出了一种基于高斯分布与Retinex模型的阴影检测与消除算法,通过灰度分布将图像分割为阴影区域、半影区域和正常光照区域,采用Retinex算法分别对阴影区域和正常光照区域提取光照,并消除光照影响,然后对半影区域进行双线性插值,得到消除阴影后的图像.该算法对大面积阴影的检测与消除具有很好的效果,同时避免了Retinex算法在灰度变化剧烈区域产生的模糊问题,实验证实了该算法的有效性.     

基于低秩矩阵分解的遥感图像薄云去除方法

为了较好地去除遥感图像中的薄云遮挡,还原地表图像,提出了一种利用低秩矩阵分解的遥感图像薄云去除算法。该算法根据薄云图像的低秩特性,将图像进行低秩矩阵分解,得到背景、前景和薄云图像。然后将去除薄云信息后的前景和背景信息相融合,得到地物成分。将该算法与其他传统算法应用在卫星影像数据上,对薄云去除效果运用主客观指标进行比较。实验结果表明,该算法能够克服传统算法中细节丢失以及去除不完全的问题,不仅能够在不同地物场景下对薄云进行去除,而且能够较好地保留地物的细节信息。     

基于遥感影像变化检测的土地调查监测应用研究

遥感影像变化检测是遥感应用研究的热点之一。针对土地调查监测工作,运用遥感影像变化检测方法,基于不同源卫星数据(Worldview-2、天绘)和同源卫星数据(高分一号),分别对湖南省两区片地表覆盖物进行了不同时点地类变化的检测,完成了面积合计34km2范围内的遥感影像数据变化分析,并通过外业实地考察核准了变化检测结果,验证结果显示遥感影像变化检测方法实现的地类变化识别准确率可达80%以上,从而证明了该方法在土地监测调查工作中的可行性。     

基于高分辨率数据的云南土地调查监测研究

遥感影像变化检测是遥感应用研究的热点之一。针对土地调查监测工作,运用遥感影像变化检测方法,基于不同源卫星数据(Worldview-2、天绘)和同源卫星数据(高分一号),分别对云南省两区片地表覆盖物进行了不同时点地类变化的检测,完成了面积合计34km2范围内的遥感影像数据变化分析,并通过外业实地考察核准了变化检测结果,验证结果显示遥感影像变化检测方法实现的地类变化识别准确率可达80%以上,从而证明了该方法在土地监测调查工作中的可行性。     

吸引权重加权FCM的土壤图像阴影检测

【目的】自然环境下机器视觉采集的土壤图像存在阴影，而阴影检测是后续亮度归一化和土种识别的重要预处理工作，基于此提出算法对机器采集的土壤图像进行阴影检测。【方法】首先，对图像的L分量和I分量的密度峰值集进行优化截断对齐，通过高斯平滑获取主峰值点，得到基于L分量和I分量的2因素密度峰值，作为改进模糊C均值（FCM）的自适应初始聚类中心；然后，引入拉伸因子对数据进行拉伸，提升数据差异；最后，定义基于全局密度和类面积的吸引权重，重构FCM优化模型，实现基于FCM的土壤图像自适应阴影检测。【结果】提出的算法检测的阴影区域和非阴影区域的平均亮度标准差分别为25.988 0，27.981 4，比对比算法降低了1.04%~32.23%；提出的算法平均迭代次数和平均运行时间分别为3次和1.515 8 s。【结论】提出的算法可实现自然环境下土壤图像阴影检测，具有检测精度高、时间花销小的特点。研究结果为土壤图像阴影检测提供了参考。