基于多源遥感时空谱特征融合的滑坡灾害检测方法

针对多源遥感图像中滑坡时空谱特征融合利用模式单一、检测识别性能差等问题,提出了一种基于多源遥感时空谱特征融合的滑坡灾害检测方法,以滑坡发生地区灾前灾后多源遥感图像为基础,通过对多波段遥感图像进行光谱空间和尺度空间配准,构建融合时序变化特征、光谱特征和空间形状特征遥感影像数据集,将多维多谱变化信息转化为光谱表征模型.利用支持向量机模型对滑坡目标和背景地物进行识别,在此基础上根据滑坡基础形状模型的轴向长宽比、面积参数和不变矩等典型形状特征指标对滑坡区域进行目标精确分类与识别.实际实验表明,该方法能够达到95%的识别率,优于多种常见滑坡遥感检测方法.     

基于时序Landsat数据的三江平原植被地表类型变化遥感探测研究

Landsat 卫星遥感数据具有分辨率较高,数据积累时间长的特点,在探测地表覆盖变化和地物分类中得到广泛应用。首先,对获取的Landsat TM/ETM+时间序列数据进行了定量化处理,获取了三江平原七台河市1989~2012年时间序列Landsat地表反射率图像。其次,设计了林地指数和湿地指数,提取了三江平原七台河区域地物光谱和时序特征,同时设计构建了地表覆盖分类和植被地表类型变化探测的决策树算法,实现了1989~2012年七台河区域的植被地表覆盖变化的动态监测,提取了森林覆盖变化的空间分布与变化时间。最后,对七台河区域地表覆盖与植被地表类型变化进行了精度检验,分类总体精度达到90.04%,Kappa系数达0.88。研究结果表明:基于定量化的Landsat时间序列数据的分类算法能克服单时相影像分类的缺陷,实现区域地物自动分类和地表覆盖变化的动态监测。
     

基于小波变换的影像融合在动态监测中的应用

基于小波变换的遥感影像融合是一种重要的图像信息增强方法，提出了将其应用于土地利用遥感动态监测，以自动探测土地利用发生变化的区域。方法是将某时相的多光谱影像进行主成分变换，用其第一主成分与另一时相的多光谱影像进行数据融合，融合规则是对两时相影像的小波系数进行加权平均法计算。经室内资料检核和野外验证发现，得到的变化信息的噪声小图斑较少，结果精度能满足实际应用需要。     

基于光谱角和光谱距离评价指标的遥感影像融合方法比较研究——以QuickBird数据为例

遥感数据融合是一种得到具有较高空间分辨率和光谱分辨率数据的有效方法,而如何保持地物光谱特性是遥感数据融合的关键问题。QuickBird卫星数据是高空间分辨率遥感数据的典型代表,探讨QuickBird数据的融合方法对于促进该数据的广泛应用具有重要意义,同时也能为其他高分辨率数据的处理提供借鉴。以QuickBird高分辨遥感数据为例,比较研究了目前针对高分辨率遥感数据常用的高通滤波、小波变换、Gram\|Schmidt和Pan\|sharpening 4种融合方法,以反映光谱曲线变化程度的光谱角和光谱距离为指标,评价了4种融合方法对多光谱影像地物光谱信息的保持能力。结果表明:小波变换在显著提高空间分辨率的同时最大程度地保持了原始多光谱影像的光谱信息,是4种方法中最适合QuickBird遥感数据的融合方法。     

基于多尺度分割的遥感影像滨海湿地分类

基于多尺度的高分辨率遥感影像分类方法研究,可以为滨海湿地动态监测、规划保护提供更详尽的湿地分类信息和更快速的数据获取方法,对湿地保护具有重要意义。选取连云港青口河入海口处湿地为研究区,以高分辨率遥感影像WV\|Ⅱ和航空遥感影像为数据源,利用多尺度分割方法将影像分割成不同层次的实体对象;在不同层次,以实体对象为单元,结合光谱、形状、纹理等不同影像特征,进行滨海湿地分类研究,结果表明:利用该方法分类后,研究区各种湿地类型都达到较高精度。基于多尺度分割的影像分类方法能充分利用各种影像特征完成湿地分类,有效地减少了遥感影像中的“椒盐”现象,提高了分类精度;选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提。     

基于NDVI时间序列数据的湿地演变RSM

针对传统湿地演变遥感动态监测方法中存在的监测效率差，且精度低等问题，提出基于NDVI时间序列数据的湿地演变遥感动态监测方法。掌握NDVI曲线时序形状和数值的特征改变情况，运用兰氏距离与交叉相关光谱匹配，获取湿地演变值指数与形指数，建立湿地演变监测指标；借助Top-Hat算子剔除影像噪声，提升遥感目标与背景间的对比度；探究湿地动态变化动力机制，分析湿地变化源头及趋势，通过湿地动态改变向量，获得各时期湿地类型转移矩阵；建立分类树并区分节点中各类解释标记，将技术、精度、时间和成本作为指标，通过优化理论与多属性效用函数，构建分类优选模型，完成湿地演变遥感信息提取，获得演变趋势监测结果。仿真结果表明，采用所提方法进行湿地演变遥感动态监测的效率较快，且监测精度较高。     

结合简化PCNN和Zernike矩的遥感影像边缘检测方法

遥感影像边缘信息可以提高信息提取精度。但随着空间分辨率的提高,地物内部细节丰富,地物光谱异质性增强,导致边缘检测效果难以满足实际需求。针对现有传统方法对高空间遥感影像进行边缘检测易产生伪轮廓边缘的复杂问题,本文提出了一种简化脉冲耦合神经网络(Simplified Pulse Coupled NeuralNetwork,SPCNN)结合Zernike矩的边缘检测方法。该方法首先采用L0方法对遥感影像进行平滑滤波处理;然后采用SPCNN对滤波后的数据进行阈值分割;最后采用Zernike矩对分割后的影像进行边缘检测并对结果进行精度评价。为验证提出方法,选取两景遥感影像作为实验数据。实验结果表明,提出的方法与传统Canny算子相比有效提高了遥感影像边缘检测精度。     

无人机可见光遥感影像地物目标提取技术研究

无人机可见光遥感影像中地物目标边界清晰度较低,容易导致地物目标与背景之间的区分度降低,进而难以提取地物目标。为此,提出无人机可见光遥感影像地物目标提取方法。从光谱特征、纹理特征和边缘特征三个方面分析无人机可见光遥感影像特征。结合三种影像特征对无人机可见光遥感影像数据集实行增广处理。对完成增广后的数据集定义影像编码标签,以此确定地物目标增强权重,通过参量化处理地物目标光谱特征,计算光谱吸收指数,获取地物目标提取表达式,从而实现无人机可见光遥感影像地物目标提取。实验结果表明,所提方法能够保证地物目标边界的清晰度,具有较强的地物目标提取能力。     

STARFM算法生成湿地类型TM反射率数据的应用评价

当前数据获取条件下,很难直接获得兼具高时间与高空间分辨率的多光谱遥感数据,提出利用STARFM(Spatial and Temporal Adaptive Reflection Fusion Model)算法来合成高时间序列的高空间分辨率数据。该算法在我国地理区域的适用性与预测精度验证等工作尚未充分展开。为此,以内蒙古呼伦湖湿地自然保护区为研究样区,并借助于Landsat-5 TM(Thematic Mapper)与高时序MODIS反射率产品,利用STARFM算法生成具有高时序特征的TM数据,进而将其与真实TM数据进行对比验证分析。结果表明:STARFM算法能够在空间上保持一定预测精度的条件下,对湿地区域内不同地物类别随时相的变化特征具有较好的预测能力,尤其适用于对反射特征随时相变化较小的湿地区域进行时空拟合或数据预测研究。     

结合纹理分析的多光谱图像分类研究

为了有效抑制同谱异物和同物异谱对多光谱遥感图像分类的影响,提出了一种宏观与微观相结合的两级多光谱地物分类算法:首先,通过基于纹理特征的动态聚类形成地形地貌相同或相似的区域分块,降低地物复杂度对后续基于光谱特征鼢的地物分类的影响,然后,再根据每个区域分块中地物的光谱特征分层次进行再分类,从而得到对整幅图像的分类结果.最后,以大庆遥感数据为例,给出了实验结果和精度评价.     

多光谱图像与全色图像的像素级融合研究

以高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级双源融合为例，详细地总结了卫星多源遥感图像融合领域像素级融合的步骤、基本融合模型和优缺点，重点分析了各种常见像素级融合方法的原理和特点，并归纳了像素级融合结果的主客观评价标准和评价方法，以及像素级融合的主要应用领域，最后讨论了像素级融合目前存在的问题和今后的发展方向。     

基于Landsat 8卫星影像的北京地区土地覆盖分类

目的 土地覆盖分类能为生态系统模型、水资源模型和气候模型等提供重要信息,遥感技术运用于土地覆盖分类具有诸多优势。作为区域性土地覆盖分类应用的重要数据源,Landsat 5/7的TM和ETM+等数据已逐渐失效,Landsat 8陆地成像仪(OLI)较TM和ETM+增加了新的特性,利用Landsat 8数据进行北京地区土地覆盖分类研究,探讨处理方法的适用性。方法 首先,确定研究区域内土地覆盖分类系统,并对Landsat 8多光谱数据进行预处理,包括大气校正、地形校正、影像拼接及裁剪;然后,利用灰度共生矩阵提取全色波段纹理信息,与多光谱数据进行融合;最后,使用支持向量机(SVM)进行分类,获得土地覆盖分类结果。结果 经过精度评价和分析发现,6S模型大气校正和C模型地形校正预处理提高了不同类别之间的可分性,多光谱数据结合全色波段纹理特征能有效提高部分地物的土地覆盖分类精度,总体精度提高2.8%。结论 相对于Landsat TM/ETM+数据,Landsat 8 OLI数据新增特性有利于土地覆盖分类精度的提高。本文方法适用于Landsat 8 OLI数据土地覆盖分类研究与应用,能够满足大区域土地覆盖分类应用需求。     

Wetland mapping by fusion of airborne laser scanning and multi-temporal multispectral satellite imagery

Wetlands play a major role in Europe’s biodiversity. Despite their importance, wetlands are suffering from constant degradation and loss, therefore, they require constant monitoring. This article presents an automatic method for the mapping and monitoring of wetlands based on the fused processing of laser scans and multispectral satellite imagery, with validations and evaluations performed over an area of Lake Balaton in Hungary. Markov Random Field models have already been shown to successfully integrate various image properties in several remote sensing applications. In this article, we propose the multi-layer fusion Markov Random Field model for classifying wetland areas, built into an automatic classification process that combines multi-temporal multispectral images with a wetland classification reference map derived from airborne laser scanning (ALS) data acquired in an earlier year. Using an ALS-based wetland classification map that relied on a limited amount of ground truthing proved to improve the discrimination of land-cover classes with similar spectral characteristics. Based on the produced classifications, we also present an unsupervised method to track temporal changes of wetland areas by comparing the class labellings of different time layers. During the evaluations, the classification model is validated against manually interpreted independent aerial orthoimages. The results show that the proposed fusion model performs better than solely image-based processing, producing a non-supervised/semi-supervised wetland classification accuracy of 81–93% observed over different years.     

Assessments of Fusion Methods Using WorldView-2 SatelliteImages for Coastal Oyster Culture Observation

Image fusion is one of the most important steps in remote sensing information extraction.To select the appropriate fusion method is the crucial link.In this paper,Xiangshan Port in Zhejiang Province is the study area,and the oyster culture is the observation target.The satellite of WorldView-2 multispectral and panchromatic images were used to detect the distribution of the coastal oyster farming.The different five fusion methods,such as Principal Component Analysis (PCA),Gram-Schmidt(GS),NNDiffuse Pan Sharpening,Brovey Transform and Wavelet Transform,were evaluated by two of subjective qualitative and objective quantitative aspects.We compared the fused images with the original image using six kinds of statistical parameters including mean,standard deviation,entropy,average grads,correlation coefficient and spectral distortion to evaluate the images’ fusion performance.The results indicate that,for the characteristics of coastal oyster farming,the fusion image by principal component analysis method not only preserves detail spatial texture information but also maintains the spectral character well.The method of PCA is the most suitable fusion method for remote sensing applications in coastal oyster culture with WorldView-2 images.The fusion effect of GS is second to PCA,which can be used as an alternate method for fusion applications.NNDiffuse Pan Sharpening,Wavelet transform and Brovey transform are inappropriate for the identification and extraction of oyster culture floating raft.     

一种基于HT系数预测的遥感图像多分辨融合方法

信息融合的概念自70年代形成后,由于其强调应用对象结果的信息优化,在许多方面比传统的信息处理方法有更大的优势,在遥感领域得到了广泛的应用。本文在分析前人算法的基础上,揭示了高斯拉普拉斯金字塔（GLP）结构融合方法与传统的哈达玛变换（HT）之间的内在联系,提出了一种基于HT系数预测的多分辨融合方法。通过实验表明,这一算法对于光谱差异较大的遥感图像的融合,在几何分辨率改善的同时可获得较好的光谱保真度。     

利用FIHS和BT的遥感影像融合改进算法

影像融合可以显著提高影像的空间分辨率,但融合时高频信息的注入势必会造成融合影像的光谱失真。在对FIHS（Fast Intensity-Hue-Saturation）算法和BT（Brovey Transformation）算法光谱失真原理研究的基础上,提出一种能有效减弱光谱失真和提高影像空间分辨率的FIHS-BT算法。该算法通过利用全色影像的低频信息和多光谱影像生成模拟全色影像,减弱全色影像低频信息对融合影像光谱信息的影响,削弱多光谱影像高频信息对融合影像高频信息的干扰;然后,采用FIHS和BT乘积的平方根生成融合影像,以减小饱和度在变换中被拉伸或压缩的程度。选取IKONOS影像为数据源,采用BT等九种融合算法与FIHS-BT算法进行融合比较实验,并对融合结果从光谱保真度和高频信息融入度两个方面进行定性和定量评价。实验结果表明,FIHS-BT算法在光谱保真度和高频信息融入度方面较FIHS算法和BT算法均有显著改善。     

基于影像融合和面向对象技术的植被信息提取研究

高分辨率影像具有丰富的光谱信息和空间信息。采用不同的图像融合技术融合GeoEye影像全色波段和多光谱波段,用建立的参考多边形和对应多边形残差法评价分割质量,以确定研究区各地物类型的最优分割参数组合,选择目标地物分类特征,建立分类规则,在此基础上实现研究区内不同地物类型的面向对象信息提取。结果表明:Gram-Schmidt(GS)融合法具有最优的融合效果,所选特征能够很好地实现目标地物信息提取,并且具有明确的地学意义,面向对象信息提取总体精度达到90.3%,Kappa系数为0.86,该研究为高精度植被信息的提取提供了有效的方法。     

基于CBERS-02B和SPOT-5全色波段的图像融合纹理信息评价研究

CBERS-02B是我国第一代传输型陆地资源遥感卫星,搭载的传感器可以获得2.36 m分辨率的全色波段数据。通过遥感影像融合技术,将CBERS-02B全色数据和SPOT-5全色数据与SPOT-5多光谱数据10 m分辨率的图像进行了多方法的融合处理,通过对融合后图像的空间纹理信息进行比较和评价,获得了纹理信息的特征参数值。通过目视评价和定量分析,认为用CBERS-02B全色数据融合的影像在空间纹理上比SOPT-5融合的影像有优势。因此,CBERS-02B的全色波段是一种较高质量的高分辨率数据,应用前景广阔。     

结合Contourlet和HSI变换的组合优化遥感图像融合方法

针对遥感图像中全色图像与多光谱图像融合问题,提出一种组合优化图像融合方法——COFM.通过HIS变换获取多光谱图像的亮度分量后,采用Contourlet变换对全色图像和多光谱图像的亮度分量进行分解,分别获取其高频和低频子图;对高频子图提取分形特征,采用取最大的融合规则进行融合;对低频子图提取能量特征后采用第二代非支配排序遗传算法选择融合权值;然后使用加权模型对其进行融合.实验结果表明,COFM的融合效果优于传统图像融合方法,能够在提升图像空间分辨率的同时较好地保留光谱信息.     

基于2代Curvelet改进IHS变换的遥感图像融合

Curvelet变换是继小波变换之后,能更适合于图像处理的一种新的多尺度变换分析方法,它比小波变换更加适合分析2维图像中的曲线或直线状的边缘特征,同时也具有很强的方向性。为了将该变换应用于图像融合,首先对第2代Curvelet变换理论进行了综述,然后在对基于第2代Curvelet变换的遥感图像融合方法进行研究的基础上,提出了一种与IHS变换结合的融合方法。最后用高分辨率全色图像与低分辨率多谱图像进行了融合实验,实验结果表明,将Curvelet变换引入图像融合,能够更好地提取原始遥感图像的特征,不仅可为融合图像提供更多的信息,而且融合图像能在较好地保留光谱信息的同时,使空间细节信息也得到增强。