Operational spectrum reconstruction of data from the Fourier transform hyperspectral imager onboard HJ-1A satellite

The HJ-1A satellite was successfully launched on September 6, 2008. The inclusion of a HyperSpectral Imager (HSI) as one of the payloads of the HJ-1A Satellite is a major milestone in the field of the remote sensing in China. It is also the first Fourier transform imaging spectrometer routinely used to acquire scientific data from a satellite orbiting Earth. This paper briefly introduces the basic imaging theories of the spatially modulated Fourier transform imaging spectrometer, and then discusses the theoretical analysis and algorithms of spectrum reconstruction. Results of the operational spectrum reconstruction for the raw data of the HJ-1A satellite Fourier transform HSI are presented. At present, the algorithms and processing flow have been used successfully in the Ground Data Processing System (GDPS) built by the China Center for Resource Satellite Data and Applications (CRESDA).     

用随机决策树群算法进行高光谱遥感影像分类

摘要： 高光谱影像具有丰富的光谱信息,与全色、多光谱影像相比能更好地进行地面目标的分类识别. 该文对决策树分类算法的优劣进行分析,引入随机决策树群算法,对青海省祁连县Hyperion高光谱影像和IRS-P6影像数据进行实验,使用子空间划分和光谱距离进行降维后,分别采用支持向量机、神经网络、最大似然法进行分类,并与随机决策树群算法分类结果进行比较. 结果表明,该算法表现最优且无需降维预处理,可广泛应用于高光谱遥感领域.     

面向GF-5卫星高光谱传感器的浑浊水体叶绿素a浓度反演算法研究——以鄱阳湖为例

为了分析即将发射的高分5号卫星(GF-5)的高光谱数据在内陆水体水色遥感中的应用潜力,以鄱阳湖为研究区域,利用2009年、2011年和2016年共134组现场实测光谱及其对应的叶绿素a、总悬浮物浓度数据,考虑高浑浊水体引起的叶绿素a浓度变化的光谱响应差异,在进行水体光学分区基础上通过光谱模拟与差分处理开展了叶绿素a浓度跨阶分高光谱反演研究.结果表明：1)进行光学分区有利于提高反演精度,非高浑浊水体(NDCI≥0.06)区域,反演模型判定系数R2达到0.82,均方根误差RMSE为1.12,平均相对误差MRE为0.32,而不进行光学分区的全湖区反演建模R2仅为0.37;2) 相较于鄱阳湖前期研究得到的最优多波段反演模型(R2＝0.76),利用495、591、675、679、684、688、692和696 nm等波长的原始光谱以及差分光谱(一阶差分、二阶差分)建立的跨阶分多波段组合模型可以更有效地反演非高浑浊水体叶绿素a浓度(R2＝0.82),但对于高浑浊水体(NDCI<0.06),叶绿素a浓度的高光谱反演能力还需要进一步挖掘.     

贪心聚类算法及其在遥感图像分类和压缩中的应用

根据样本间的近似程度，提出了相关系数聚类概念。对遥感象素光谱曲线突变特性的多分辨率描述，准确地刻画了遥感对象内容。还以小波特征相关系数衡量象素间距离，并通过贪心搜索实现了冗余度最低的聚类中心。在比较准确的初始分类的基础上，结合K-means聚类可实现较高的无损压缩。最后，由TM多光谱图像和AVIRIS超谱图像的实验分析，验证了该聚类算法的灵活性、分类的有效性和较高的无损压缩效果。     

高光谱图像快速Gram行列式端元提取优化方法

高光谱图像快速Gram行列式端元提取算法基于高光谱图像最大单形体体积标准,具有容易理解、算法复杂度低、无需降维处理等特点,但是其在进行端元提取时,采用的计算公式仍需进行矩阵求逆,随着端元的逐个求解,矩阵维数增多导致计算量增加。由于端元提取时获得的端元Gram矩阵满足对称特性,引入埃尔米特矩阵(Hermitian matrix)分块求逆引理,简化矩阵求逆处理,优化快速Gram行列式端元提取方法。采用美国Cuprite矿区的机载可见光/红外成像光谱仪(airborne visible/infrared imaging spectrometer,AVIRIS)机载高光谱图像进行实验验证,并对该方法在不同初始化条件下的求解结果进行分析,结果表明快速Gram行列式端元提取方法会受到初始条件的影响,在端元、像元数量增加时所提方法可提升计算效率。     

高光谱成像仪在字迹检测方面的探索研究

近年来光谱成像技术在公安、司法鉴定中已经成为了必不可少的基础装备,在文件检验工作中发挥着不可替代的作用。高光谱成像相对于多光谱成像具有更丰富的图像和光谱信息。尝试研究高光谱成像技术在文件检验工作方面的应用,使用V10E-PS高光谱文检仪简易系统,在可见光波段范围内,实时地采集到光谱分辨率较高、通道数量多,且成像清晰的文字样本数据。用ENVI数据分析软件经过主成分分析、最小噪声分离、主成分分析和独立主成分分析等分析方法后,能够清晰准确的分辨部分数字的修改部位。     

高光谱遥感信息智能处理的若干理论与技术问题

高光谱遥感信息处理自动化与智能化具有重要的理论意义和实用价值。作为有效的机器学习算法,支持向量机具有适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法,但需要解决多类问题分类策略、核函数选择与优化、不确定性控制等问题。对高光谱遥感数据挖掘的若干基本问题进行了分析,在构建其框架体系与处理流程的基础上,探讨了可以发现的知识类型、典型的挖掘模式,并分析了一些主要挖掘算法和关键技术。     

基于改进的最小二乘支持向量机的高光谱遥感图像分类

支持向量机因其适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法.核函数是支持向量机的核心,核函数分为局部核函数与全局核函数两大类,不同的核函数将产生不同的分类效果.核函数也是支持向量机理论中比较难理解的一部分.在基本核函数中引入光谱匹配识别中的典型方法--光谱角度匹配法(SAM法),兼顾到光谱亮度与光谱向量方向的距离测度,结合最小二乘支持向量机,通过与传统SVM分类方法的比较,证明这种方法的有效性.     

一种基于时序遥感影像混合像元分解的耕地种植强度估算方法——以湖北省为例

在耕地总量减少、质量下降与人口持续增长、对粮食需求增加的背景下,耕地集约化利用成为保障国家粮食安全的重要手段.现有耕地集约化利用指标定义主要有种植频率和复种指数等.种植频率是对种植模式的硬划分(如单季或双季),会损失部分信息.复种指数是以统计数据为基础计算得到,忽略了行政区内作物分布状况的空间异质性.该文引入“种植强度”这一概念,实现对耕地集约化利用状况的精细表达.通过分析不同土地覆盖及不同复种状况的耕地在时间序列植被指数上的差异,构建特征空间,利用线性光谱分解的方法在时间维度上进行混合像元分解.以湖北省为研究区估算耕地种植强度,基于湖北省县级尺度和样区像素尺度验证,相关系数达到0.9.该研究为复杂地形、复杂种植结构下的种植强度估算提供了新的方法,可用于区域尺度耕地集约利用状况的精细制图.     

基于穷举法的鄱阳湖叶绿素a浓度高光谱反演模型与应用研究——以GF-5卫星AHSI数据为例

光学特性复杂的浑浊水体叶绿素a浓度反演一直是水环境遥感研究的难点,高光谱以其波宽窄、谱段多、获取地物信息近似连续等优势,有望成为解决该难题的有效手段.该文以鄱阳湖为研究水域,利用2009年10月、2011年7月及2016年10月获取的实测高光谱及叶绿素a浓度数据,基于穷举法建立了针对高分五号(Gaofen-5, GF-5)卫星可见短波红外高光谱相机(Advanced HyperSpectral Imager, AHSI)的叶绿素a浓度三波段反演模型(决定系数R2＝0.82;均方根误差RMSE＝1.468 μg·L－1).通过与2018年10月7日Sentinel-2A卫星多光谱成像仪(MultiSpectral Instrument, MSI)的叶绿素a浓度反演结果对比分析,两者的空间分布具有较高的一致性,超过80%的研究水域相对偏差小于8%,在一定程度上证明了GF-5卫星高光谱数据在浑浊水体叶绿素a浓度反演中的潜力.