基于Bhattacharyya距离的典型地物波谱特征差异性分析

地物波谱数据主要应用于定量遥感与影像分类等相关基础研究,对各条光谱曲线之间进行定量化的光谱差异性分析具有重要意义。从USGS及JHU地物波谱库中挑选了在土地覆盖分类层次具有意义的植被(73条)、人工材料(100条)与土壤(30条)3种类型共203条地物波谱数据,以分层分类体系在4.2~2.5 μm的波长范围内分析比较各类典型地物材料的光谱特征,以B距离(Bhattacharyya Distance)作为指标定量计算不同类别地物波谱间的光谱差异性。结果表明:波谱库中金属、砖石和混凝土3类人工材料光谱对于植被、土壤等自然材料光谱具有较大的光谱差异性,而塑料与自然地物间的光谱差异度最小,在此基础上统计了最能反映这些地物光谱特征差异的最优波段。该方法能够量化多种光谱曲线间的差异性并得到最佳的区分波段,从而为地物材料光谱及高光谱数据分类提供参考。     

土地覆盖遥感专题信息的分层提取方法及其应用

重点讨论了土地覆盖遥感专题信息的分层提取方法,即根据各类目标的不同特征,采取相应的信息提取方法,分别建立专题信息层,最后把各专题层合并得到整体分类图;在此方案实施过程中,对各类目标开展了野外遥感调查和特征系统分析,并对样本区进行了ＧＰＳ定位,以获取空间辅助信息,提高提取精度;分层提取方法充分考虑到各类目标的不同特点,从而避免了通常分类方法中,单纯利用光谱特征所造成的地物混分现象     

基于光谱理论的遥感信息提取方法的研究

以东昌府区为例,根据区内各种地物不同的光谱特征,利用遥感光谱分析方法,基于ERDAS IMAGINE平台对东昌府区内各种地物分别用监督分类和非监督分类两种方法进行信息提取,对两种方法进行比较,选择效果比较好的一种对东昌府区遥感信息进行提取研究,并对提取结果进行分析。研究表明,基于光谱理论的遥感信息监督分类提取方法在对东昌府区进行信息提取时更为精确。     

结合自动分区与分层分析的多光谱遥感图像地物分类方法

结合分区与分层的思想,针对多光谱遥感图像,提出一种新的分类方法。在地物光谱分析基础上实现遥感影像的自动分区,然后运用多光谱图像主成份变换前后的地物光谱特征实现地物的分层提取。该分类方法在大庆部分地区地物分类中得到了应用,结果表明,该方法比常规的监督分类在分类精度上有了明显提高。     

ASTER遥感影像水体信息提取方法研究

以安徽省芜湖市为试验区,首先对试验区水体和其它各类地物的光谱特征进行分析,探讨水体在ASTER遥感影像各个波段与其它地物之间的可分性,然后经过反复实验和分析,构建了基于波段阈值和谱间关系的水体提取模型:B2>B3,B1+B6<127,B3+B4<54和B3<24,最后将该方法提取结果与非监督分类、监督分类和植被指数法提取结果进行评价和比较。实验结果表明该方法可较好地提取研究区各类水体,分类精度明显优于传统提取方法,且简单实用,但在对光谱特征分析过程中样本点选取要求较高。     

滨海湿地信息提取方法比较研究

以江苏省典型滨海湿地为研究对象,利用2005年5月26日的Landsat7 ETM+图像数据,在湿地特征及其遥感图像表征分析的基础上,逐步提高湿地信息的提取精度,通过对多光谱遥感图像特征向量的分析,总结出一些湿地信息提取的规则和方法。在滨海湿地光谱特征分析的基础上,对研究区的图像进行了非监督分类,利用湿地的光谱相应特征、纹理特征、主成分变换、归一化差异水体指数等特征和相应的知识规则,得到用于优化分类的知识规则,采用分层分类的方法对非监督分类的结果进行了优化,从而使提取结果的精度较原来有了很大程度的提高。还利用给予数据挖掘的分层分类法进行分类比较,通过建立误差矩阵和对比各种分类方法的分类精度,总结出一套分类精度较高的针对该研究区的湿地信息提取方法。     

基于Idrisi的遥感图像监督分类中地物光谱特征文件生成新途径

生成光谱特征文件是基于Idrisi的遥感图像监督分类的基础,在Idrisi系统中,通常是在训练区图像上提取样本光谱特征值,然后用光谱生成模块生成光谱特征文件。如果无训练区图像,或没有获得训练区图像上的各类别属性,显然,此时不能用Idrisi提供的方法生成地物光谱特征文件。首先剖析了Idrisi中地物光谱特征文件的生成方法及文件格式,然后提出了一种基于样区样本光谱特征值的光谱特征文件生成方法,最后以某地区一帧TM多波段遥感图像的监督分类为例说明了该方法的可行性与有效性。     

基于ETM+遥感数据的滨海湿地信息提取研究

以江苏省典型滨海湿地为研究对象,利用2005年5月份的Landsat7 ETM+图像数据,在湿地特征及其遥感图像表征分析的基础上,逐步提高湿地信息的提取精度,通过对多光谱遥感图像特征向量的分析,总结出一些湿地信息提取的规则和方法。在滨海湿地光谱特征分析的基础上,首先对研究区的图像进行了非监督分类,进而利用湿地的光谱相应特征、纹理特征、主成分变换、归一化差异水体指数等特征和相应的知识规则,得到用于优化分类的知识规则,采用分层分类的方法对非监督分类的结果进行了优化,从而使提取结果的精度较原来有了很大程度的提高。     

植被指数在长江口潮滩湿地植被信息提取中的应用研究

以长江口崇明东滩湿地为研究区,分析了崇明东滩湿地实测反射光谱数据和Landsat TM地物反射波谱曲线,发现在近红外波段,植被的反射率差异最突出;在绿光波段,受水分影响较大的植被特征信息比较突出。在上述分析的基础上,选取9种典型的植被指数进行计算,提出了适合研究区植被信息提取的三波段比值植被指数TRVI。并且利用该指数,使用人工决策树分类方法,进行典型地物信息的提取,取得了满意的效果。     

基于影像认知和地学理解的面向对象分类研究

以遥感影像认知和地学理解为主要分析视角,在图像多尺度分割的基础上,充分挖掘目标地物的光谱特征、形状特征、纹理特征和语义特征信息,明确对象的特征信息与地物之间的对应关系。在此基础上,合理选择目标地物的分类特征,建立分类规则,实现研究区地物的逐级分层分类。结果表明:所选特征能够很好地实现目标地物的信息提取,并具有明确的地学意义,便于理解。与传统的基于像素的最大似然法分类相比较,该方法分类精度有明显提高。     

GIS支持下遥感图象中采矿塌陷地提取方法研究

采矿塌陷地动态监测是工矿区资源管理与环境保护的重要方面 ,遥感技术可在其中发挥重要作用 ,从遥感图象中提取采矿塌陷地是遥感应用于矿山资源环境监测的重要研究课题 .传统的提取方法主要基于光谱特征 ,精度与效率都难以满足应用要求 ,为了以较高的精度 ,从遥感图象中提取塌陷地 ,必须建立新的方法与模型 .将遥感技术与 GIS相结合进行专题信息提取是有效的途径之一 .本文根据研究区的特点 ,以具体应用为指导 ,遥感技术与 GIS相结合 ,提出了 GIS支持下的分层分类、基于 GIS变化区域识别的分类、基于 GIS和领域知识对遥感分类图象进行后处理、GIS支持下采矿塌陷地的直接提取等方法与模型 ,充分应用光谱特征、地学特征与信息、领域和专家知识及其他统计数据辅助进行遥感图象处理与专题信息提取 .这些方法在精度、效率等方面均较传统方法有较大提高 ,最大提取精度可达到 89% ,能够有效地对工矿区土地塌陷态势进行动态监测     

沙漠化遥感信息研究综述

在总结沙漠化土地遥感研究的基础上,对沙漠化土地遥感信息提取、沙漠化土地遥感评价指标等研究做了详细地论述,旨在探索一种有理有据而又满足当前和未来对沙漠化土地遥感信息分析的新思路。     

A probabilistic SVM approach for hyperspectral image classification using spectral and texture features

New hyperspectral sensors can collect a large number of spectral bands, which provide a capability to distinguish various objects and materials on the earth. However, the accurate classification of these images is still a big challenge. Previous studies demonstrate the effectiveness of combination of spectral data and spatial information for better classification of hyperspectral images. In this article, this approach is followed to propose a novel three-step spectral–spatial method for classification of hyperspectral images. In the first step, Gabor filters are applied for texture feature extraction. In the second step, spectral and texture features are separately classified by a probabilistic Support Vector Machine (SVM) pixel-wise classifier to estimate per-pixel probability. Therefore, two probabilities are obtained for each pixel of the image. In the third step, the total probability is calculated by a linear combination of the previous probabilities on which a control parameter determines the efficacy of each one. As a result, one pixel is assigned to one class which has the highest total probability. This method is performed in multivariate analysis framework (MAF) on which one pixel is represented by a d-dimensional vector, d is the number of spectral or texture features, and in functional data analysis (FDA) on which one pixel is considered as a continuous function. The proposed method is evaluated with different training samples on two hyperspectral data. The combination parameter is experimentally obtained for each hyperspectral data set as well as for each training samples. This parameter adjusts the efficacy of the spectral versus texture information in various areas such as forest, agricultural or urban area to get the best classification accuracy. Experimental results show high performance of the proposed method for hyperspectral image classification. In addition, these results confirm that the proposed method achieves better results in FDA than in MAF. Comparison with some state-of-the-art spectral–spatial classification methods demonstrates that the proposed method can significantly improve classification accuracies.     

基于高程分层方法的HJ-1B CCD2影像大气校正

大气校正是从环境一号B星(HJ\|1B)CCD2多光谱卫星数据中精确提取地面定量信息的关键一步。采用一种基于高程分层和改进的浓密植被算法,即将整个研究区按照高程间隔0.1 km划分为17个子区域,在不同高程带内利用红波段与短波红外波段(1.6 μm)的线性关系估计出红波段的反射率,然后利用估计的红波段反射率与其表观反射率差值的均值,结合6S辐射传输模型模拟计算得到0.55 μm处的气溶胶光学厚度,从而实现各个波段大气校正。比较分析校正前后成熟林地、水体和裸土的光谱反射率和标准反射率,结果表明:该方法对HJ-1B CCD2数据大气校正可取得较好的效果。     

改进的弯曲度算法在阶梯修剪检测中的应用

在羽毛球生产中,有缺陷的羽毛必须分拣出来,目前主要依靠人工完成。机器视觉可以被应用于羽毛自动分拣邻域以提高生产效率。文中针对羽毛缺陷的阶梯形状修剪问题,提出改进的弯曲度算法,对羽毛边缘曲线的拐点进行定位。在原有算法的基础上,增加了对拐点附近羽毛边缘形状的判断。考虑阶梯修剪的特有模式,通过模式识别的方式对羽毛阶梯修剪特征进行识别。提高了算法的稳定性,降低误判率。可区分阶梯修剪和分叉等其它缺陷。通过实际检验,该算法判断的结果是可靠的。     

计算机辅助虹膜诊断中特征提取方法研究

针对计算机辅助虹膜诊断中虹膜分区以及局部特征提取问题,提出了虹膜区域划分方法及具体分区中特征提取的方法.利用虹膜图像中瞳孔的灰度特征,实现虹膜的快速定位.在虹膜定位的基础上,利用虹膜图谱对左右虹膜图像分别进行特征区域划分,并且对划分后的虹膜图像进行规一化处理.在规一化后的虹膜图像中,针对肠区的病理特点,利用改进的Hough变换,提取了虹膜图像中肠道分区的局部病理特征.实验表明,虹膜图像区域划分方法的可行性.     

羽绒图像阈值分割算法研究

羽绒与人们的生活息息相关,不同种类的羽绒在价格、性能方面存在很大差别,故对羽绒进行准确、快速地识别,显得尤为重要。针对传统的人工检测羽绒的种种弊端和不便,羽绒种类自动检测成为一个趋势。在自动检测过程中,一个重要环节就是图像分割,图像分割的效果将直接影响到自动检测的速度和准确率。所以,将遗传算法引入到羽绒识别中来,利用基于遗传算法的阈值分割算法提高了羽绒识别率。     

Spectral sensitivity design for maximum colour separation in artificial colour systems

Engineers have utilised spectral information and have steadily improved its applications in imaging systems for more than a century. The course of technological developments in colour imaging has been dictated by system improvements measured by their efficacy for direct human consumption. It seems reasonable to us to try to emulate nature and boost capabilities of machine vision systems by optimising the way in which they exploit spectral information. This is a two-step process: first step involves using a few spectrally broad detectors to compress the information content of the scene and the second step constructs spectral discriminants for image segmentation based on a small number of spectrally generated features assigned to each pixel. In animals the discriminant value is attributed to the object as what is called colour. Previous papers have concentrated on the final segmentation step. Here we show a straightforward way to design application-specific spectral sensitivity functions to improve image segmentation. The resulting functions can be used for reliable recognition of objects in a hyperspectral image in real time. These functions can also be used to design task-specific specialised cameras that can outperform current hyperspectral systems in terms of sensitivity, size, power consumption, robustness, price and complexity.     

Multi-scale superpixel spectral–spatial classification of hyperspectral images

A novel multi-scale superpixel-based spectral–spatial classification (MS-SSC) approach is proposed for hyperspectral images in this study. Superpixels are considered as the basic processing units for spectral–spatial-based classification. The use of multiple scales allows the capturing of local spatial structures of various sizes. The proposed technique consists of three steps. In the first step, hierarchical superpixel segmentations are performed from fine to coarse scales for the original hyperspectral image and the spectral information of each superpixel is used for classification at each scale. In the second step, each single scale superpixel-based classification is improved by combining with the segmentations at a higher level. Finally, the multi-scale classification is achieved via decision fusion. Experimental results are presented for two hyperspectral images and compared with recently advanced pixel-wise and pixel-based spectral–spatial classification approaches. The experiments demonstrate that the proposed method works effectively on the homogeneous regions and is also able to preserve the small local spatial structures in the image.     

基于决策树方法的云南省森林分类研究

森林分类对于理解森林生态系统结构和功能具有重要意义。由于云南省地形和森林类型复杂,首先按云南省的16个行政区划将全省Landsat TM影像分为对应的16个区域。以TM波段1~5和7,以及由植被指数、缨帽变换、主成分变换、DEM组成的18个变量组,统计训练样本光谱值均值变化和光谱值与频率间的关系。利用交点计算公式计算类间最佳分类界点进而建立决策树,逐一分离各区的所有森林类型,将分类结果合并得到云南省阔叶林、针叶林和针阔混交林类型分布图。最后将分类结果与监督分类中的最大似然比法的分类结果进行对比。结果表明:监督分类的总体分类精度为74.39%,Kappa系数为0.63,决策树方法的总体分类精度为86.61%,Kappa系数为0.80,说明决策树方法可以提取高精度的云南省森林类型,进而为该区域森林叶面积指数和生物量反演等研究提供基础数据支持。