全波形激光雷达和航空影像联合的地物分类

针对机载激光雷达与航空光学影像的互补特性,提出了一种基于多源遥感数据的高精度地物信息提取和分类方法。首先从激光雷达的全波形数据获得数字高程模型(DEM)、地物的正规化数字表面模型(nDSM)和激光雷达回波相对强度信息,从航空数码相机影像获得植被指数信息;然后利用决策树方法进行地物识别。选取“黑河综合遥感联合试验”中的3种典型区域(城市、农田和水体)进行分类,结果表明：该方法能够有效地分离建筑物、高大植被、低矮植被、裸土地以及水泥地等基本地物。     

机载成像光谱图象边缘辐射畸变校正

由于受大气效应、地物反射非朗伯特性、仪器－太阳－目标相对几何关系以及仪器系统本身特性等多种因素的影响,机载成像光谱数据中不可避免地将引入系统或非系统的辐射畸变,严重地影响了数据表达信息的可靠性和有效性。目前虽然已有一些机载遥感图像辐射畸变校正方法,但由于受各种应用条件的限制,所发展的这些方法普遍缺乏实用性和通用性。该文在对机载成像光谱图象边缘辐射畸变形机制进行理论分析和探讨的基础上,针对机载成像光     

基于轻量级光谱-空间注意力交互网络的高光谱地物分类研究

通过引入基于卷积神经网络(convolutional neural network, CNN)的分类算法,高光谱图像(hyperspectral image, HSI)分类任务的精度取得显著的提升,但目前主流CNN算法往往较为复杂且参数量大,从而导致网络难以训练以及容易产生过拟合问题。为在保证网络分类性能的前提下实现轻量化,本文提出一个轻量级架构的基于光谱-空间注意力交互机制的CNN网络用于HSI分类。为实现HSI的光谱-空间特征提取,构建了一个轻量化的双路径骨干网络用于两种特征的提取和融合。其次,为提高特征的表征能力,设计了两个注意力模块分别用于光谱和空间特征的权重再调整。同时,为加强双路径特征之间的关联以实现特征的更好融合,注意力交互机制被引入到网络中以进一步提升网络性能。在3个真实HSI数据集上的分类结果表明,本文所提网络可达到99.5%的分类准确度,并相比于其他网络至少减少50%的参数量。     

基于MFA与kNNS算法的高光谱遥感影像分类

为了研究高光谱影像数据的维数约简和分类问题,提出了一种基于边际费希尔分析(MFA)和kNNS的高光谱遥感影像数据分类算法。该方法利用数据的类别信息,通过MFA将高光谱数据从高维观测空间投影到低维流形空间,然后利用邻域内多个近邻点的信息通过kNNS分类器对低维空间中的数据进行分类。在Urban、Washington和Indian Pine数据集上的分类识别实验表明,该方法能够较为有效地发现高维空间中数据的内蕴结构,在每类随机选取4,6,8个训练样本的情况下,该方法的总体分类精度能够比其他算法提高3.7%～8.5%,分类精度有了明显的提高。     

多线性局部与全局保持嵌入在高光谱遥感影像分类中的应用

针对一般流形学习算法在学习高光谱数据的多流形结构时存在的不足,提出一种基于线性局部与全局保持嵌入(LLGPE)的多流形学习算法.对于分布在不同流形上的高维观测数据,利用LLGPE算法学习每类分组数据的内蕴特征;然后通过遗传算法搜索每类数据的本质维数;最后根据重构误差最小化准则确定样本所属的类别.在HYDICE高光谱数据集上的分类识别实验结果表明,文中算法能够有效地揭示高维空间中数据的内蕴几何结构;在每类随机选取2,4,6个训练样本的情况下,该算法的总体分类精度比其他流形学习算法分别提高了约3.5%,6.9%和7.2%,且分类精度也有明显的提高.     

多门限二进制编码方法在TM 图像处理中的应用

不同类型的地物具有不同的反射光谱, 在多维光谱空间中构成不同的特征向量, 这便是遥感多光谱图像分析与识别的物理依据。传统方法中有基于单个像元波段亮度的、空间纹理的、变换空间的多光谱图像特征提取与分析方法, 但这些方法并没有直接描述地物的最本质特征-反射光谱曲线。从20 世纪80 年代开始, 当二进制编码的方法提出并在多光谱匹配识别中获得成功应用后,多光谱图像分析处理便可以在这种特征提取的基础上, 研究新的方法。提出一种基于多门限二进制编码的光谱形状描述方法, 这种方法的核心就是将多光谱的亮度范围细分成若干个灰度区间, 也称为多门限, 分别将各波段光谱亮度与多门限进行比较, 从而建立一列能够较详细描述光谱形状的二进制编码, 我们将这种新的特征描述方法应用于多光谱图像的分类、信息提取和变化检测。遥感图像处理实验的结果表明, 这种方法是有效的。     

裸土表层含水量高光谱遥感的最佳波段选择

在自然状况下，对裸土进行人为干湿处理，利用ASD PRO FR2500地物光谱仪测得土壤在350nm～2500nm反射光谱并适时采取表层土，利用烘干法测得土壤体积含水量。依据土壤湿度与土壤光谱反射率之间的相关关系，得出土壤含水量与土壤光谱反射率的非线性方程。利用该方程和光谱反射率值进行土壤水分反演，通过对反演结果的误差分析，结合光谱反射率与体积含水量的指数回归分析，笔认为采用1950nm～2250nm波段的光谱反射率估测土壤含水量效果较好。     

基于最小距离原理的自适性分类方法

在遥感图像的分类中,面对自然界所固有的随机性,时间和空间的变化以及遥感设备本身的误差和噪声等的影响,如何准确地把一个像素区分为某一地物类别,一直是遥感图像分类中的难点.首先介绍了最小距离原理,基此以比较的方式详细阐述了自适性最小距离分类方法的基本思路、步骤、特点以及可能存在的不足.     

基于Voronoi图提取线状地物骨架的一种方法

骨架是线状对象的一个重要特征,如何快速地提取骨架线是研究图像图形学的一个重要方向.为了快速地提取线状地物的骨架线,通过分析其与Voronoi图之间的异同点,提出了一种基于Voronoi图快速提取线状地物骨架的方法,并针对不同的边缘采取了不同的方案以保证提取的骨架线的准确性,最后以福州市区内闽江部分河段的骨架提取为实例检验了该方法的有效性,并分析了存在的问题,提出了改进的方向.     

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。