渭河定量遥感水质反演中的大气校正作用研究

以渭河陕西段为研究对象,在获取了渭河陕西段实地监测数据和相应时间段的SPOT-5遥感影像数据基础上采用黑暗像元法(DOS)、大气辐射传输模型法等7种大气校正方法对SPOT-5遥感影像进行大气校正。结合校正后的遥感数据,使用多元线性回归、支持向量机(SVM)、及BP神经网络3种方法对渭河进行定量遥感水质反演。实验结果表明,通过遥感影像对渭河进行定量水质反演是可行的,大气校正在一定程度上提高了定量遥感水质的精度。对于SPOT-5遥感影像的大气校正,采取对遥感数据辐射定标后消除各波段最暗像元的方法可以达到较好的效果。     

一种高空间分辨率遥感影像信噪比测定方法

信噪比是用来评价遥感影像质量一个重要的辐射特性参数。通过合适的方法精确地测定出遥感影像对应的信噪比参数,可以帮助数据提供者或用户更好地预测和提高遥感影像的信息提取能力。现有的信噪比测定方法大多基于中低空间分辨率遥感影像进行,并不能很好地适用于高空间分辨率遥感影像。针对现有信噪比测定方法的这一局限性,从高空间分辨率遥感影像本身特点出发,通过自适应地划分DN值子区间,以一定百分比最小局部标准差的平均值估算每一DN值子区间对应的噪声大小,进而估算每一DN值子区间对应的信噪比。该方法充分考虑了高分遥感影像内空间细节信息、边缘信息以及纹理信息较强而使得均值区域很难获取的特点。研究表明:改进的方法对于估算高分遥感影像信噪比具有较好的适用性。     

被动微波遥感数据超分辨率增强与混合像元分解研究综述

星载被动微波遥感数据以其全天候、穿透性以及不受云干扰等特点,在全球变化研究领域取得了广泛的应用,然而其较低的空间分辨率,限制了后期地物参数的反演精度。对国内外被动微波遥感数据空间分辨率提高方法进行介绍,重点介绍了基于图像处理技术的超分辨率增强和混合像元分解方法。通过对两类方法的介绍和评价,展望被动微波遥感数据混合像元分解方法的研究前景。被动微波遥感数据空间分辨率的有效提高,可以为更多的研究和应用领域服务。     

基于TM影像的几种常用水体提取方法的比较和分析

随着遥感技术的飞速发展,利用遥感数据来进行水资源的监测、调查和分析已成为一种必然的趋势。从遥感影像中快速、准确地提取水体信息,是进行水资源调查和监测的一种重要的方法和手段。目前进行水体提取的方法有很多,本文选取了常用的3种水体提取方法,即单波段阈值法、基于阈值的多波段谱间关系法、基于阈值的水体指数法,然后分别选取典型的武汉平原地区和宜昌山地地区为研究区,以Landsat5TM影像为数据源,通过实验来比较和分析这3种水体提取方法分别在平原地区和山地地区的优势和不足。     

分布式光纤振动传感系统大传感数据流时间周期压缩与传送技术

针对分布式光纤振动传感系统的大传感数据流,提出一种时间周期压缩与传送技术,采用扰动脉冲特征值提取模块对扰动脉冲特征值进行同步提取,并将无关数据剔除,大大压缩了数据量;同时为了便于数据区分,采用复用的方法对特征值进行编码与成帧.实验结果表明,本文提出的数据压缩与传送方法能够有效的获取外界扰动事件的位置和强度信息,且当同一时间仅有一处扰动事件发生的情况下,本文的数据压缩率仅为0.96‰.相比于传统的数据传送方法,本文大大减少了传输的数据量,减轻了通信接口和上位机软件的负担,系统的传感灵敏度和响应速度都得到显著提高.     

RS在矿山动态监测中的应用——以新疆稀有金属矿集区为例

研究了利用遥感技术开展矿山动态监测的方法与技术路线,即通过遥感图像的信息提取、解译,结合实地调查,对矿山开发状况和矿山生态环境进行客观的反映。通过对比分析不同时相遥感数据的解译结果,指出工作区存在部分违规采矿行为,很好地实现了对本区采矿行为及影像的动态监测。     

群智感知激励机制研究综述

近年来,作为一种新的感知环境、收集数据和提供信息服务的模式,群智感知逐渐成为当前的研究热点之一.激励机制是群智感知研究中的一个重要问题,即通过设计合理的激励方式来激励足够多的参与者参与感知任务,并提供高质可靠的感知数据.对近年来在群智感知激励机制方面的研究工作进行综述,首先概述群智感知和群智感知激励机制;然后从关键技术入手,介绍4类主要激励方式和6类核心研究问题;最后,对现有工作进行对比分析,总结研究挑战,并指出未来发展方向,为相关研究人员提供有价值的参考.     

盲小波算法在遥感图像去噪中的应用

根据盲信号分离原理和小波分析,提出了一种遥感图像去噪的盲小波算法,首先将遥感图像的个信号进行同深度小波分解,得到不同信号相应深度的小波系数和尺度系数,然后将小波系数进行软阈值法处理,并进一步对不同信号的同深度的小波系数和尺度系数进行盲分离,并提取与源信号相关的信号,最后通过信号重构估计源信号。这种将小波分析和盲信号分离技术有机结合的方法能够有效的消除遥感图像的噪声。通过对实际遥感图像的处理,并与其他去噪技术相比较,利用盲小波算法得到的结果更为理想。     

成像光谱技术在土地利用动态遥感监测中的应用研究

随着数字化调查技术的发展，国土资源管理对土地利用动态遥感监测提出了更高的要求，目前主要采用的多光谱数据由于受光谱分辨率限制以及“同谱异物，同物异谱”现象的影响，难以满足管理需要。成像光谱数据具有较高光谱分辨率。在类别细分方面具有一定的优势，在当前土地利用动态遥感监测中具有一定的应用潜质。该文针对成像光谱数据特点，探索了与成像光谱数据相适应的土地利用动态遥感监测方法，提出了异常光谱检测法，该方法在试验区应用中取得了良好效果。     

基于参数化流形学习的压缩传感重构方法

压缩传感是一种新的信息获取理论,它突破了传统的采样理论,将数据采集和压缩合二为一,再利用重构算法将原始数据恢复。为了能够得到更好的压缩传感重构效果,把流形学习的思想和方法与压缩传感相结合,提出了一种基于参数化流形学习的压缩传感重构方法。实验结果表明,提出的方法对自然图像进行重构取得了很好的效果,充分验证了基于参数化流形学习的压缩传感重构方法的有效性。     

基于面向对象方法的白天雾检测

通过遥感技术进行雾检测的难点在于云和雾的分离,传统的基于像素的雾检测方法只考虑到云和雾的光谱信息,但是云和雾的光谱信息极为相似,不易区分。本文提出一种基于面向对象的白天雾检测方法,首先从遥感影像中提取云雾目标,然后对云雾目标进行分割,最后选取云雾分离的特征参数,完成对雾区的检测。试验结果显示,相对于传统的基于像素光谱信息的多层次阈值法,本文提出的基于对象的雾检测方法相对于传统方法在检测效果上有较大的提高。     

无线传感器网络中基于模型拟合的可信近似查询处理算法

无线传感器网络的一个重要应用是可信地查询网络中所有节点的监测数据.目前,多数研究主要集中在如何利用节点之间的时空相关性,节省能量地查询感知数据.但是这些方法的查询结果不能满足某些应用对数据的高可信要求,也不能适用于节点之间不存在空间相关性或空间相关性不稳定的情况.针对这一问题,提出了基于模型拟合的可信近似查询处理方法.该方法在感知数据集合上寻找具有最小数据传输比的拟合模型,通过传输模型及其参数来代替传输实际的监测数据.理论分析和实验结果证明,基于模型拟合的可信近似查询处理方法不仅能够节省大量能源而且能够返回满足用户精度要求的可信查询结果.     

认知无线电中基于特征值检测的频谱感知算法

频谱感知的任务在于利用感知节点(无线传感器或者认知用户)采集的数据判断频谱空洞是否存在。基于最大特征值检测(MED)和最小特征值检测(SED)的方法最近被应用到频谱感知当中。这两种算法在检测实际应用当中普遍存在的相关信号时表现出良好的检测性能。然而,MED和SED算法对应的判决门限求解非常复杂,从而限制了它们在实际的认知无线电频谱感知中的应用。该文利用取样协方差矩阵的所有特征值,提出了一种新的基于特征值检测(ESD)的算法。利用多元统计理论获得了相应的判决门限。ESD算法无需主信号和无线信道信息参与感知过程。与此同时,它保留了与MED和SED相同的计算复杂度。更重要的是ESD算法对应的判决门限可以通过一个简单的闭合表达式进行求解,其计算复杂度低。仿真结果验证了新算法的有效性。     

SVM在多源遥感图像分类中的应用研究

在利用遥感图像进行土地利用/覆盖分类过程中,可采用以下两种途径来提高分类精度:一是通过增加有利于分类的数据源,引入地理辅助数据和归一化植被指数(NDVI)来进行多源信息融合;二是选择更好的分类方法,例如支持向量机(SVM)学习方法,由于该方法克服了最大似然法和神经网络的弱点,非常适合高维、复杂的小样本多源数据的分类。为了提高多源遥感图像分类的精度,还研究了支持向量机在遥感图像分类中模型的选择,包括多类模型和核函数的选择。分类结果表明,支持向量机比传统的分类方法具有更高的精度,尤其是基于径向基核函数和一对一多类方法的支持向量机模型更适合多源遥感图像分类,因此,基于支持向量机的多源土地利用/覆盖分类能大大提高分类精度。     

黑河综合遥感联合试验研究进展:水文与生态参量遥感反演与估算

介绍了“黑河综合遥感联合试验”在水文和生态变量与参数反演、估算和模型应用方面取得的进展。在水文变量遥感方面,利用车载双偏振多普勒雷达在黑河上游和中游分别开展了高精度降水观测,获取了后向散射系数和极化信息与降水强度之间的定量关系。在综合利用多源观测信息,改进和发展蒸散发估算模型方面取得了实质性的进展。发展了利用K和Ka波段机载微波辐射计数据反演山区积雪深度的方法。针对SAR观测数据反演土壤水分中地表粗糙度的显著干扰,发展了消除粗糙度影响的反演方法。在生态过程遥感参量估算方面,提出了一种基于机载激光雷达和高分辨率光学影像的高精度地物信息分类方法。发展了从高光谱航空遥感提取植被自然光照下的荧光,并与NDVI结合的C3/C4植被分类方法。发展和改进了使用多角度、多光谱观测反演叶面积指数的方法,挖掘了激光雷达在植被垂直结构探测上的潜力,探索了叶面积指数遥感中的尺度转换规律。发展了利用高光谱数据中的荧光信息反演光能利用率的新方法;建立了考虑土壤反射率、冠层结构等因素的光合作用有效辐射比率反演模型;改进了利用遥感估计生态系统生产力的模型。发展了利用高光谱遥感数据提取叶绿素含量和叶绿素荧光强度的方法。     

Feature extraction for multisource data classification with artificial neural networks

Classification of multisource remote sensing and geographic data by neural networks is discussed with respect to feature extraction. Several feature extraction methods are reviewed, including principal component analysis, discriminant analysis, and the recently proposed decision boundary feature extraction method. The feature extraction methods are then applied in experiments in conjunction with classification by multilayer neural networks. The decision boundary feature extraction method shows excellent performance in the experiments.     

Feature clustering and ranking for selecting stable features from high dimensional remotely sensed data

ABSTRACT

High dimensional remote sensing data sets typically contain redundancy amongst the features. Traditional approaches to feature selection are prone to instability and selection of sub-optimal features in these circumstances. They can also be computationally expensive, especially when dealing with very large remote sensing data sets. This article presents an efficient, deterministic feature ranking method that is robust to redundancy. Affinity propagation is used to group correlated features into clusters. A relevance criterion is evaluated for each feature. Clusters are then ranked based on the median of the relevance values of their constituent features. The most relevant individual features can then be selected automatically from the best clusters. Other criteria, such as computation time or measurement cost, can optionally be considered interactively when making this selection. The proposed feature selection method is compared to competing filter approach methods on a number of remote sensing data sets containing feature redundancy. Mutual information and naive Bayes relevance criteria were evaluated in conjunction with the feature selection methods. Using the proposed method it was shown that the stability of selected features improved under different data samplings, while similar or better classification accuracies were achieved compared to competing methods.     

联合知识与CNN的遥感影像目标检测研究综述

目标检测是遥感影像智能解译的重要内容,是将影像转换为信息的关键环节。基于知识的方法是遥感影像目标检测的传统经典方法,而基于卷积神经网络的深度学习方法则是近年来逐步兴起并迅速大范围应用的主流方法。介绍了基于几何知识、上下文知识、辅助知识、综合知识的方法,以及一阶段、两阶段的卷积神经网络方法,重点论述了联合知识与卷积神经网络的新方法,并对改进遥感影像数据集、调整算法网络框架、实现目标上下文推理等三种具体应用形式进行了详细介绍。对联合知识与卷积神经网络方法的遥感影像目标检测方法进行了展望。     

遥感技术在现代冰川变化研究中的应用

传统的现代冰川变化研究主要以实地观测和经验公式来获得冰川的面积变化、体积变化和冰川表面运动速度,从20世纪80年代以来随着航空遥感光学图像、数字高程模型、雷达等新技术数据的不断出现和发展,借助遥感手段研究冰川的性质和特征、监测冰川的动态变化成为冰川学研究发展的重要趋势,也有效解决了现代冰川研究中高山区资料受限等问题。冰川面积变化的计算机自动解译方法主要有阈值法和雪盖指数阈值法、监督分类非监督分类法、比值阈值法等。阈值法和雪盖指数阈值法操作简单,但是在阈值选取方面不好把握;非监督分类法操作简单但限制因素较多;如果训练区选择准确,监督分类法分类结果比较精确;波段比值阈值法操作相对简单,精度准确,是目前运用最多的计算机自动分类方法。数字高程模型和雷达数据在冰川体积变化研究中的应用,较好地提高了传统方法的精度和适用性; 而且雷达数据具有不受大气传播和气候影响的特点,很好地弥补了遥感光学影像数据极易受云雪等影响的不足。高精度GPS和雷达数据的不断发展和应用在冰川表面运动速度的研究中起着不可替代的作用。      

基于随机子空间核极端学习机集成的高光谱遥感图像分类

结合随机子空间和核极端学习机集成提出了一种新的高光谱遥感图像分类方法。首先利用随机子空间方法从高光谱遥感图像数据的整体特征中随机生成多个大小相同的特征子集;然后利用核极端学习机在这些特征子集上进行训练从而获得基分类器;最后将所有基分类器的输出集成起来,通过投票机制得到分类结果。在高光谱遥感图像数据集上的实验结果表明:所提方法能够提高分类效果,且其分类总精度要高于核极端学习机和随机森林方法。