高分辨率SAR影像提取冰川面积与冰面河

冰川面积变化是冰川积累与消融的直接体现,与气候变化密切相关。遥感的方法可以为冰川的轮廓及面积监测提供可靠手段,但常用的光学遥感容易受到冰川区多变气象条件的影响。合成孔径雷达（SAR）不受天气影响,尤其是高分辨率SAR影像能够提供冰川表面丰富的细节特征,更好地监测冰川变化。应用相位一致性方法和快速行进法相结合的方法提取冰川轮廓和表面纹理。依据提取的冰川轮廓计算的冰川面积误差在5%以下,表明该方法能够准确地提取冰川面积。同时,在高分辨率SAR图像上,利用提取的冰川表面纹理信息可以有效监测到光学图像上难以识别的冰面河,而冰面河与冰川中长期消融密切相关,提取的冰面河信息将为冰川监测提供一种新的视角。     

高分辨率SAR影像提取冰川面积与冰面河

冰川面积变化是冰川积累与消融的直接体现，与气候变化密切相关。遥感的方法可以为冰川的轮廓及面积监测提供可靠手段，但常用的光学遥感容易受到冰川区多变气象条件的影响。合成孔径雷达（SAR）不受天气影响，尤其是高分辨率SAR影像能够提供冰川表面丰富的细节特征，更好地监测冰川变化。应用相位一致性方法和快速行进法相结合的方法提取冰川轮廓和表面纹理。依据提取的冰川轮廓计算的冰川面积误差在5%以下，表明该方法能够准确地提取冰川面积。同时，在高分辨率SAR图像上，利用提取的冰川表面纹理信息可以有效监测到光学图像上难以识别的冰面河，而冰面河与冰川中长期消融密切相关，提取的冰面河信息将为冰川监测提供一种新的视角。     

SAR图像盐渍地分类研究

以渭干河——库车河三角洲绿洲为例,利用SAR数据,采用不同的分类方法来提取该研究区盐渍化土地覆盖信息。首先用Enhanced frost滤波算法对SAR图像进行去噪处理。然后基于灰度共生矩阵理论提取去噪后的SAR图像4种纹理特征,并在不同窗口大小下筛选出有效的纹理特征。最后结合纹理特征分别采用最大似然分类法和SVM分类法对SAR图像进行分类。研究结果表明:基于纹理特征的SVM分类方法,能够有效解决单源数据信息图像分类效果破碎问题;13×13窗口的总精度达到98.2456%,Kappa系数达到0.9763,更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径。     

综合灰度与纹理特征的高分辨率星载SAR图像建筑区提取方法研究

高分辨率SAR图像的纹理特性对于图像的解译及地物分类等具有重要的意义。根据高分辨率星载SAR图像上建筑区的纹理有别于其他地物的特点,提出了一种综合利用灰度和纹理特征的高分辨率星载SAR图像建筑区提取方法。首先对SAR图像进行斑点噪声的抑制,然后利用灰度共生矩阵计算出星载SAR图像上建筑区与非建筑区的8种纹理特征统计量,根据巴氏距离进行特征选择,并通过主成分分析去除纹理特征之间的相关性,得到了最佳纹理特征分量,将所选的特征影像与原始图像进行波段组合,利用K均值聚类算法对组合后的图像进行非监督分类;最后通过对分类图像进行后处理并提取外部轮廓,提取了建筑区。以COSMO-SkyMed SAR影像为数据源进行了实验。结果表明该方法能够有效提取高分辨率星载SAR图像中的建筑区,提取效果明显优于未利用纹理特征的方法。     

纹理与几何特征在道路提取中的应用

提出一种利用纹理与几何特征的高分辨率遥感影像道路提取方法。首先分析高分辨率遥感影像的纹理特征,提出基于纹理特征的聚类方法,将影像大致分为道路区域和非道路区域,然后选取适当的几何特征指数,剔除道路区域中含有的非道路像素,得到初步道路信息。最后通过数学形态学处理,去除初步道路信息中由于车道线、树木影响而产生的孔洞,最后得到完整的道路信息。实验结果表明,与传统方法相比,该方法能够有效地从高分辨率遥感影像中提取道路。     

应用高分辨率遥感影像提取作物种植面积

利用中低分辨率遥感影像提取作物分类种植面积的精度,往往难以满足农业遥感估产的需要。随着新型传感器的不断出现,应用高分辨率遥感影像高精度地提取作物分类面积日益成为发展趋势。由于高分辨率遥感影像提供的地物纹理、色调与形状等信息更加丰富,当前基于对象的地物识别分类方法仍不成熟,处理操作中人为干预过多,而且较为复杂,因此尝试以地面调查信息为辅助参量,采用常规基于像元的最大似然法监督分类方法,依据多尺度遥感影像信息提取的原理,分阶段地逐步提取作物种植面积,以此为农业遥感估产服务。     

广义统计区域合并的SAR图像浮筏养殖信息提取

目的 海水浮筏养殖是海域使用动态监测中的重要类型,合成孔径雷达（SAR）卫星遥感影像可以克服海洋气象环境的影响,有效反映浮筏养殖区域。由于浮筏养殖信息受乘性相干斑噪声污染严重,为了降低噪声敏感性,改进得到广义局部二值模式（GLBP）,进而将其用于改进广义统计区域合并算法（GSRM）,构建以GLBP_GSRM为核心的多特征集成模型,得到更具纹理一致性的超像素,实现浮筏养殖信息精确提取。方法 根据SAR数据的乘性噪声特性改进局部二值模式算子得到GLBP算子,将其加入GSRM的合并准则中,结合纹理信息的超像素分割能得到更具纹理一致性的超像素,有效抑制相干斑噪声。进而利用非下采样轮廓波变换得到轮廓信息丰富数据特征,使用FCS（fuzzy compactness and separation）算法聚类实现浮筏养殖信息的无监督提取。结果 实验选取辽宁省长海县邻近海域作为研究区域,针对C波段的Radarsat-2 SAR和X波段的TerraSAR图像,分别比较同一图像不同区域和不同图像同一区域的提取结果,结合实地现场调查结果表明所提模型对不同类型SAR图像均能精确无监督地提取浮筏养殖信息,分类精度均高于85%,明显优于经典无监督算法,验证模型的有效性。结论 所提模型充分集成纹理特征、空间特征和轮廓特征,有效解决相干斑噪声干扰信息提取的问题,针对不同类型SAR遥感图像,均能在复杂的海洋背景中实现有效地无监督浮筏养殖信息提取,提高海水养殖自动监测准确度。     

面向对象的高分辨率影像采煤塌陷地提取

煤炭开采引起了塌陷等一系列的地质环境问题,与常规监测方法相比,遥感技术可以实现大范围、高效率、周期性的动态监测。在遥感影像分类方法中,面向对象的遥感影像分类方法能更好地利用高分辨率遥感影像中丰富的纹理和几何结构信息。针对煤炭开采导致的地表塌陷地的特点,在归纳整理遥感影像中塌陷地判识准则的基础上,重点探讨了面向对象的遥感影像分类方法中塌陷地的自动提取规则。综合利用ERDAS IMAGINE9.2、ENVI4.7和ENVI4.4 ZOOM进行数据处理,以安徽省淮南矿务集团潘三矿区为实验区,用该方法利用SPOT５影像进行了塌陷地信息提取实验,结果证明,面向对象分类方法能有效地从高分辨率遥感影像中自动提取塌陷地相关信息。     

基于AdaBoost的高分辨率遥感影像城市绿地提取算法

针对高分辨率遥感影像中城市绿地的光谱、纹理及NDVI等特征,提出了一种基于多特征、多检测器组合的高分辨率遥感影像绿地提取算法。该算法分别以城市绿地的光谱信息、纹理及NDVI来构造提取绿地的弱检测器,并通过AdaBoost算法进行训练,将弱检测器加权组合构成提取绿地的强检测器。对武汉地区Quick Bird影像进行了绿地提取实验,实验结果表明该方法可以高效并准确地提取出绿地信息,优于传统的单一采用光谱信息或纹理信息的绿地提取算法。     

基于SAR数据的山地冰川表面运动速度分析

合成孔径雷达(SAR)因其可全天时、全天候工作且不受云、雨的影响而成为遥感应用的前沿领域。SAR干涉测量(Inteferometry)利用SAR数据的相位信息可获得大地表面厘米级的形变而成为冰川表面流速监测广泛使用的手段;SAR图像相关方法(SRFT)能克服干涉测量方法因失相干严重而难以产生清晰的干涉条纹以及可见光图像质量由于云遮、雪盖限制的不足而成为目前山地冰川表面流速遥感监测的首选方式。为深入探讨SAR图像相关方法的适用性,以天山科契卡尔巴西冰川为研究区域,分析使用不同时间基线的ALOS PALSAR数据与ENVISat ASAR C-band 的图像相关方法估计冰川的表面流速,并使用实地测杆的DGPS(Differential GPS)测量流速进行对比验证,发现在冰川表碛覆盖区域使用图像相关方法测量的值与实测值有很好的一致性,而在裸露冰区域或坡度较大区域,误差比较大。比较长时间基线的SAR数据对特征识别的结果发现：时间基线为1 a的冬季获取的数据对估计值与实测值在表碛覆盖区域比较一致,这可能是由于前后两次获取图像时天气或地面状况比较接近。比较ALOS PALSAR 数据与ENVISat ASAR数据发现：波长较长的L-band(23.5 cm) 比C-band (5.7 cm)SAR数据更适合山地冰川的表面流速估计;另外在运用SAR数据特征匹配方法时也可能是极化方式的差异使得ALOS PALSAR (HH极化)数据比ENVISat ASAR(VV极化)数据更适合冰川研究。     

基于SIDWT的遥感图像融合算法

合成孔径雷达(SAR)和全色遥感图像由于成像机理存在差异,对目标轮廓、纹理和色调等信息的表现各不相同,像素级融合后将更易于图像判读。基于此,将平移不变离散小波变换(SIDWT)算法用于SAR与全色遥感图像融合,该算法克服了传统小波变换不具有平移不变性的缺点。同时,提出一种新的增强互补信息的融合规则：图像的低频部分采用基于边缘提取的加权规则,高频部分采用绝对值最大原则。实验结果表明,该算法能够获得较好的融合效果。     

高分辨率SAR图像线状目标提取方法研究

本文针对高分辨率SAR影像进行城区河流、道路提取的算法研究,提出将纹理、面状和空间区域三种特征结合的方法。首先基于多尺度分析技术,结合面向对象的分割算法提取初始目标,之后使用灰度共生矩阵对目标及周边背景纹理进行差异对比分析去除误目标。与传统边缘检测方法相比,本文方法充分利用高分辨率SAR影像带来的纹理细节信息,并综合考虑目标的多种特征因素,增强了目标提取的可靠性,实用性强。     

面向土地利用类型识别的高分辨率SAR数据复合技术研究

2007年以来,相继发射了3颗1m/3m高分辨率SAR卫星,极大地丰富了土地利用动态遥感监测数据源。SAR图像增强是土地利用动态遥感监测必要的预处理步骤。本文针对直接基于SAR数据进行土地利用类型识别中存在的问题,提出了SAR与光学图像、多时相SAR图像、多极化SAR图像合成和单极化SAR图像彩色合成等4种影像复合方法,分析评价了SAR与光学图像融合的应用效果,研究结果可为高分辨率极化SAR数据业务化应用提供技术参考。     

基于模糊加权SVM的SAR图像水体自动检测

提出一种SAR图像水体自动检测方法。该方法采用树型小波对SAR图像进行分解,提取样本图像与待检测图像的中频信息,并进行纹理分析,利用模糊加权支持向量机对样本图像的纹理进行训练,从而获得判别水体的决策函数,通过该决策函数能够检测出图像的水体区域。该方法结合了图像的灰度与纹理信息,减少了SAR图像中的噪声影响,能够适用于大幅面范围的SAR图像水体自动检测。     

基于L型结构中心线的SAR图像建筑物提取方法

针对在高分辨率SAR图像上具有明显L型结构高亮特征的建筑物目标,提出了一种提取高分辨率SAR图像建筑物L型结构中心线,并进而提取建筑物几何信息的方法.运用基于Gabor纹理特征和模糊C均值的方法对SAR图像进行分割,再结合骨架提取、骨架跟踪、最小外接矩形提取、最小二乘准则等技术实现了L型结构中心线的提取,最后利用中心线获取了建筑物的长度、宽度和方位角信息.基于机载SAR图像的实验表明,利用提出的方法从SAR图像提取的建筑物几何结构和方位信息具有较高的精度.     

基于GA的SAR图像中主干道路提取

从高分辨率合成孔径雷达(SAR)图像中提取道路及其他线性特征已成为目前遥感图像信息提取研究的热点。由于高分辨率SAR图像中，目标背景复杂，同时由于受相干斑噪声的影响，因此很难直接从原始图像数据中提取道路特征。为了能够从背景复杂，受斑点噪声干扰的高分辨率SAR图像中准确提取道路，提出了一种利用遗传算法提取主干道路的方法。该方法利用模糊C均值聚类法对滤波后的SAR图像进行无监督聚类，首先将图像分为林地、建筑物、道路等基本类，并将道路类像素从图像中分离出来，使问题得到简化；然后根据道路类像素的隶属度和道路像素灰度值的均匀特性来建立具体的道路模型；最后利用遗传算法搜索全局最优道路。实验结果表明，该方法可以很好地从SAR图像中提取各种主干道路。     

光学和SAR遥感数据在赵村水库水体监测中的应用

为了解决传统水库监测管理手段效率低下的问题，采用光学影像和SAR影像数据对水库水体进行提取，实现对水库水域面积的动态监测。对比分析了多种水体提取方法在赵村水库的适用性，并结合现场调研的实际情况，分析了降雨量、水域面积和水位之间的关系。此外，利用数字高程模型对水库淹没区进行了模拟计算，得出了不同坝高设计下的淹没区域面积，并结合遥感影像进行了可视化展示。研究结果表明，光学影像和SAR影像数据相结合的方法可以准确提取水库水体信息，结果与实地调研数据相符，可为后续的水库监测预警工作提供有效的数据支持。     

ENVI SARscape高级雷达数据处理工具

合成孔径雷达（SAR）拥有独特的技术魅力和优势,逐渐成为国际上的研究热点之一,其应用领域越来越广泛。SAR数据可以全天候对研究区域进行量测、分析以及获取目标信息。InSAR技术可提取地形信息和地表形变信息,SAR及其干涉测量技术主要应用于地形数据（DEM）提取、地表沉降监测、滑坡／冰川移动监测、目标识别与跟踪、原油泄漏...     

基于周边抑制机理的遥感图像背景纹理抑制方法

针对遥感图像中主要目标周围的纹理信息对目标识别造成的干扰,提出了基于周边抑制机理的背景纹理抑制方法。通过在边缘提取的基础上增加周边抑制模块,实现了对纹理边缘和轮廓边缘的分别处理,有效地抑制了纹理、保留了轮廓。以周边抑制机理为基础,结合多尺度处理技术,进一步提高了背景纹理抑制的效果。实验结果表明,本方法可以有效抑制背景纹理,为识别有较多背景纹理的遥感图像地物目标创造良好条件。     

基于机载LiDAR和高分辨率遥感影像的城市道路网提取

利用单个数据源的数学形态学道路提取方法不能充分利用道路的特征,提取的道路信息不完整。针对这一缺陷,并考虑到机载LiDAR数据可以提供高程信息,提出了将机载LiDAR数据和高分辨率遥感影像数据结合起来的城市道路网的提取方法。以徐州市的机载LiDAR数据和高分辨率遥感影像数据作为实验数据,首先将两者进行精确配准,然后利用伪道路信息去除的方法分别将植被信息和建筑物信息等去除,得到基本的道路轮廓,再利用形态细化算法提取道路的中心线,最后,在ArcGIS和Matlab编程环境下实现了改进的道路修剪算法(IRT),利用该算法进行道路修剪,得到了平滑和连贯的城市道路网。经过精度评价可以看出:利用该方法可以较好地避免建筑物阴影、低矮植被群等对道路提取的影响,道路的识别精度达到84%以上。