基于光谱归一化的变组分光谱混合分析(NMESMA)方法及其应用

混合像元问题在低、中分辨率遥感图像中尤为突出,混合像元的存在不仅会影响地物识别和图像分类精度,也是遥感科学向定量化发展的主要障碍之一。因此,遥感图像混合像元分解及其地表覆盖信息的定量提取是近年来研究的热点。针对城市土地覆盖信息的定量提取问题,利用中等分辨率遥感图像(Landsat TM),集成光谱归一化与变组分光谱混合分析(NMESMA)的方法,基于植被-非渗透表面-土壤(V\|I\|S)模型,定量提取研究区植被、土壤和非渗透表面3类土地覆盖的定量信息,并与固定组分的光谱混合分析(LSMA)分解结果进行对比分析。结果表明:基于光谱归一化的变组分光谱混合分析(NMESMA)方法获得的精度高于传统固定组分的光谱混合分析(LSMA)结果,可有效解决光谱异质性较高的城市区域的混合像元问题,为有效提取城市地表覆盖信息,研究城市生态环境变化和模拟分析,提供了有效的信息提取方法。     

地块级航空高光谱遥感土地覆盖制图及其精度评估

利用高光谱遥感影像可以开展精细化土地覆盖制图，相关技术已在农业生产、植被生态等领域中广泛应用。然而，现有的面向像元或对象的分析方法在制图单元的合理性、精细性尚有欠缺。鉴于此，提出了基于随机森林的地块级高光谱土地覆盖制图思路，并利用雄安新区马蹄湾村高光谱影像开展实验与精度评估，综合类型精度和形态精度指标，探析不同划分尺度的制图优劣。在类型精度方面，结果表明：地块级高光谱土地覆盖制图效果及类型精度最优；在形态精度方面，发现地块级土地划分优于对象级划分结果。综合对比两类精度后得出，面向地块的高光谱土地覆盖制图可生产更符合用户需求的信息成果，具有较高的潜在应用价值。     

基于多源数据的土地盐碱化遥感快速监测

通过分析干旱区土地盐碱化环境的地表景观特征和遥感信息特征，基于SPOT、ASTER多平台多波段遥感数据和DEM、土壤样品分析数据等多源数据，采用光谱角度制图（SAM）的遥感图像分类方法对实验区土地盐碱化程度进行了分级制图。该方法对常规数据的依赖性较小，适于西部干旱地区的土地盐碱化快速监测和评估。     

一种稳健的多时相遥感图像相对辐射校正方法

变化检测是通过分析多时相遥感图像实现土地利用动态监视的一种有效方法，但在变化检测 分析前，需要经过辐射校正消除光照等因素对地物光谱辐射的影响，使同一地物在不同时相 影像中具有相同的辐射量。根据地物在不同时相遥感图像中的光谱特性满足线性关系的 特点，提出一种自动实现多时遥感图像相对辐射校正的稳健方法，首先通过最小差分回归找 出非变化地物在多时相遥感图像中的辐射关系 |然后利用变化区域证实过程消除变化区域对 辐射校正处理的影响 |最后通过循环迭代实现图像间的辐射校正。提出的方法不仅可以自动 地实现多时相遥感图像的相对辐射校正，而且能够保证图像的辐射分辨率不会因为辐射校正而降低。     

基于多分类器的C5.0决策树植被分类方法

针对光谱角制图(SAM)和最大似然(MLC)分类器对AVIRIS高光谱遥感图像进行植被分类精度均不高的问题,提出了一种基于多分类器的C5.0决策树植被分类方法。首先,利用支持向量机(SVM),进行核函数以及核函数参数选择,提取出AVIRIS高光谱图像中的植被信息。其次,利用C5.0算法将光谱角制图和最大似然分类器组合,作为决策树的特征属性,学习样本训练并生成分类规则;根据C5.0算法计算植被样本中对应分类器的信息增益率,选择信息增益率最大的属性去分类样本;当叶样本的分类结果满足停止生长的阈值,输出样本分类的结果,否则,回到开始,递归调用以上方法继续分类叶样本,直到所有子集仅包含一个植被类别的样本完成决策。实验结果表明,与光谱角制图和最大似然分类器相比,本文提出的方法整体精度分别提高了6.04%、2.92%,不仅证实了多分类器组合的可行性和有效性,而且更加适用于AVIRIS高光谱图像中的植被调查。     

利用归一化光谱混合分析方法研究城市组成

随着城市的快速发展,明确城市生物物理组成和动态变化成为一个重要的研究课题。遥感技术在监测城市组成和时空变化中起到了非常重要的作用。光谱混合分析(SMA)方法为城市环境的描述、城市发展模拟和环境影响分析提供了基础。本文以南京城市为例,结合ETM 遥感影像,利用归一化光谱混合分析方法来监测城市地表类型组成。具体就是通过对反射率进行归一化处理来消除纯净地表覆盖类型的光谱变异,从而提高组分端元的选取精度。然后选取了植被、不透地表和阴影三种组分,对归一化反射率图像使用限制的线性光谱混合分析来研究城市组成。最后对归一化前后的光谱混合分析结果进行了比较,证实了本方法可有效提高光谱混合分析的精度。     

基于双角度AATSR遥感数据的组分温度反演

以甘肃省张掖绿洲为研究区域,基于双角度、多光谱AATSR数据,利用土壤-植被线性混合辐射传输模型反演了张掖绿洲整个生长季的植被和土壤组分温度,并对AATSR不同观测角度间配准前后反演的组分温度结果进行了比较。结果表明:在利用双角度数据进行组分温度反演时,不同观测角度间的配准对反演结果的影响不容忽视。 进一步利用机载WIDAS观测数据反演的盈科附近植被与土壤组分温度及盈科站实测的地表辐射温度对AATSR数据反演得到的组分温度进行了验证,结果表明基于AATSR双角度数据和土壤-植被线性混合模型的结合反演得到的组分温度具有合理的时间和空间变化趋势,也能够较好地反映张掖绿洲植被生长以及组分温度的变化趋势。     

基于改进SAM的高光谱影像混合像元分解算法研究

将传统遥感图像分类方法中的光谱角度制图法(Spectral Angle Mapping-SAM)加以变换,改进为一种符合全约束条件下的高光谱遥感图像的混合像元分解模型.新算法在端元丰度比例满足全约束的条件下,通过逼近的方法寻找一种端元丰度的比例组合,使测试光谱与目标光谱的广义夹角最小,从而认为该比例组合就是混合像元分解...     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力，提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法，该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性，对遥感图像像素进行聚类后划分为不同的组，然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后，对空间相似的块进行平均处理，实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪，峰值信噪比相比band-wise K-SVD算法提高了7.6%左右，同时具有更好的视觉效果。     

光谱角制图技术在资源勘查应用中的误区分析——以ETM数据为例

光谱角填图技术是一种从已知光谱向量对遥感图像进行分类的一种方法。在矿产资源勘查中,我们可以利用已知矿床的光谱向量从遥感图像上选择和已知矿床光谱角度相似的光谱值,其物理意义基于同种地物光谱相似。然而,在实际认识中,存在着光谱谱线平行和光谱向量平行混淆的误区。本文首次提出“光谱束”和“光谱束滤光”的概念,并与传统的光谱角制图进行了对比,并利用遥感图像进行矿床信息的提取,最后从实际的找矿效果上进行综合分析和研究,指出光谱角制图在实际效果更优。     

基于宽波段遥感光谱混合分解的干旱区土地退化监测评价理论和技术方法探讨

土地退化遥感监测可以服务于政策制定、修复优化、效果评价以及安全预警,亟需建立和完善土地退化理论知识和遥感方法技术体系相结合的框架体系。在借鉴国内外干旱区土地退化(荒漠化)相关理论的基础上,以生态系统服务为连接,以植被-生境互动为核心,构建了生物-物理-社会经济系统耦合的干旱区土地退化监测理论框架。其次,围绕提出的理论框架,基于光谱混合分解端元空间的一致性、稳定性、包容性优势,以宽波段遥感为例建立干旱区遥感监测评价技术方法体系,主要包括当地环境知识挖掘、旱地生态系统景观要素提取、地表(生物物理)参数遥感反演与定标、旱地生态系统结构分析与制图、旱地生态系统功能量化与评价和旱地生态系统与社会经济综合模型七个部分。所建立的理论框架和技术体系可以为干旱区不同区域和尺度间土地退化遥感监测评价和对比分析提供参考。     

辽东地区矿化蚀变遥感信息提取的研究和应用

针对工作区(辽东-吉南)植被覆盖率高,河流水体及冲积物等干扰信息多的特点,本文采用比值法、主成分分析法和光谱角制图法相结合,进行大面积遥感矿化蚀变异常信息的提取;在矿化信息分割过程中,引入面向对象的思想,基于实地考察的蚀变信息提取模型,结合矿点、地质构造和遥感图像光谱特征和色彩等多种信息,对图像波段和像元统一进行因子分析和处理,确立切割阈值,克服了主成分变换后主成分分量物理意义不明确的缺点。本次工作建立起植被覆盖地区的遥感矿化蚀变异常提取的一套有效的技术体系,在遥感应用于找矿具有很强的现实意义。     

高光谱遥感图像的单形体分析方法

将n个波段的高光谱图像像元与n维空间里的散点联系起来，结合凸体几何中单形体概念研究高光谱遥感图像纯净像元提取方法，实现图像的地物精确分类识别及像元波谱分解。寻找高光谱遥感图像n维空间里的单形体并认知分析单形体是该研究方法的重要环节。通过MNF(minimum noise fraction)变换和PPI(pixel purity index)计算技术寻找到单形体，基于单形体进行像元分解分析单形体，并结合应用实例和SAM(spectral angle mapper)分类技术完成高光谱图像地物精确分类制图，验证了该研究方法的可操作性。该研究方法的优点在于不需要用户提供地物波谱信息，用于制图和波谱分解的终端单元可由图像本身得到，并由用户控制分类制图和波谱分解的详细程度。     

结合EEMD和比值导数的岩石-植物混合波谱分解

由于混合像元的影响，野外实测波谱或从遥感影像提取的像元波谱多为混合波谱。针对高光谱遥感应用中混合像元导致的混合波谱问题，提出了一种改进的比值导数混合波谱分解方法。首先，对野外实测的岩石与植被的混合波谱预处理，消除水汽噪声；其次，使用总体平均经验模态分解法（Ensemble Empirical Mode Decomposition，EEMD）进行IMF分解，获取r分量波谱；然后，利用比值导数方法对r分量波谱进行解混；最后，选取岩石面积比为自变量，近红外波谱的特征波段反射率值为因变量，利用回归分析定量反演野外混合波谱中岩石面积比。结果表明：①基于EEMD分解获取r分量波谱消除了环境干扰，反映了混合波谱总体趋势，体现了混合波谱中的主要地物波谱特征；②对EEMD分解获取的r分量波谱进行比值导数处理，抑制植被端元组分的同时，突出岩石组分对于混合光谱的影响；③结合EEMD和比值导数法处理后的特征波谱，提高了岩石—植物混合波谱反演精度。     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力,提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法,该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性,对遥感图像像素进行聚类后划分为不同的组,然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后,对空间相似的块进行平均处理,实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪,峰值信噪比相比band-wise K-SVD算法提高了7.6%左右,同时具有更好的视觉效果。     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力,提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法,该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性,对遥感图像像素进行聚类后划分为不同的组,然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后,对空间相似的块进行平均处理,实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪,峰值信噪比相比band-wise K-SVD算法提高了7.6%左右,同时具有更好的视觉效果。     

多维空间角度方法提取植被覆盖区蚀变信息

基于光谱角制图法，提出运用多维空间角度方法来提取植被覆盖较好区域的遥感图像蚀变信息。采用目视解译方法得到的样本向量代替从波谱库中得到的端元组分矢量来计算多维向量间的空间角，并且加入合适的约束条件，来改进多维空间角度方法。给出了植被覆盖区蚀变信息提取的实施方法与步骤。最后运用改进的多维空间角度方法提取实际区域的蚀变信息，并将它与用比值法和主成分分析法得到的结果作比较。表明改进的多维空间角度方法提取蚀变信息的效果比较理想，与该地区的地质图件更为一致，从而证实了该方法的有效性。     

基于航空高光谱影像的额济纳绿洲土地覆被提取

土地覆被分类是生态环境评价、植被变化分析以及区域生态水文过程研究的基础。航空高光谱遥感具有高机动、高空间分辨率和高光谱分辨率等特点,在土地覆被提取方面极具优势。以黑河下游机载高光谱遥感数据为基础,针对额济纳旗胡杨林国家级自然保护区植被单一、景观破碎和异质性强的景观特点,以及高光谱数据量大、冗余度高等数据特点,对比分析最小噪声变换与主成分分析两种降维方法,最大似然法、支持向量机与面向对象3种监督分类方法。依据研究结果,首先利用NDVI区分高光谱遥感数据中的植被与非植被类别,然后采用最小噪声变换分别进行降维处理,最后利用最大似然法对研究区内土地覆被类型进行分类提取,提取结果聚类处理。依据随机验证点结合地面调查数据和正射影像,对土地覆被分类结果进行精度验证,总体精度和Kappa系数分别为87.95%和0.855,表明分类结果精度高,能够为生态研究等提供有效数据。     

沙化土地光谱特征初步分析

分析地物光谱特征与土地沙化间的数量关系,找出地物光谱特征变异的规律,从地物光谱的角度为遥感影像中沙化土地提取和定量分析提供依据.沙化土地光谱数据源分为单一地物类型级和复合地物类型级两种,野外测量时分别采取不同的采样方法.沙化土地光谱数据表现出随植被覆盖、植被类型、土壤、地类等的变化规律.     

基于单亲遗传算法和子像元/像元空间吸引模型的亚像元制图研究

混合像元普遍存在于遥感图像数据中。与传统的硬分类(Hard Classification)方法相比,在处理混合像元时,软分类(Soft Classification)技术可以避免信息丢失;但是,通过软分类技术获得的结果,仍然无法确定各分类在像元中的具体位置。子像元制图(或超分辨率制图、亚像元制图)技术能将软分类技术得到的结果转化为更高分辨率的图像,它能兼得软分类和硬分类两者的优势。将遗传算法的一个变种-单亲遗传算法应用于子像元制图,结合子像元/像元空间吸引模型,单亲遗传算法能直接获得子像元制图结果。以合成的图像和实际的土地覆盖图像为实验对象,通过目视比较和定量精度评价,与硬分类的结果相比,该方法能取得更高的制图精度和更好的结果。