QuickBird卫星图像在丹巴县城重点灾害区地质灾害详细调查中的应用研究

论述应用QuickBird卫星图像在丹巴县城重点灾害区开展1：1万地质灾害遥感调查的主要工作内容和工作方法、遥感数字图像处理及制作，总结了地质灾害遥感影像特征，查明了该区地质灾害类型、规模大小及危害程度，分析了该区地质灾害发育分布规律，并归纳了QuickBird卫星图像在地质灾害详细调查中的优势。     

用遥感图像景观指示的气候调查法要点介绍

用遥感图像景观指示的气候调查法要点介绍为在气候调查工作中充分运用遥感所提供的信息，联合国粮农组织的ＦｒａｎｋｅＶａｎｄｅｒＬａａｎ专门提出了一个应用遥感图像景观指示法的气候调查报告。本文则按报告中所述这一方法内容作一扼要介绍。目前气候资料唯一来源是点...     

农业生态环境遥感系列制图目视解译技术模式的建立

农业生态环境遥感系列制图目视解译技术模式的建立王文生，肖冬，王智（内蒙水利科学研究所）遥感调查制图，是遥感应用技术的重要环节，识别分类是遥感调查制图的基础，而对地物进行智能理解又是识别分类的关键。随着遥感应用技术研究的深入发展，对遥感图像信息的空间属...     

基于IDL的林业遥感图像可视化技术研究

随着空间科技的发展,借助遥感图像开展森林资源调查和监测逐渐成为了解森林资源现状及发展趋势的主要手段。结合林业遥感图像检测典型问题实例,通过对IMG遥感影像的数值模拟和计算结果的可视化,设计并实现了基于IDL的林业遥感图像分类与可视化系统。结果表明,IDL 面向矩阵的特性和强大的数据可视化能力是林业资源检测和林业遥感图像可视化的理想工具。     

岷江中上游流域生态环境的遥感动态监测分析

在国家863项目308课题“西部金晴行动”专题基础上，以岷江中上游生态环境遥感综合调查与评价为背景，结合林业、水资源等多学科的技术方法，探讨如何利用资源卫星遥感图像，结合GIS实施快速、准确、经济的大范围生态环境调查，尤其是土地利用／覆盖情况调查。并对岷江中上游生态环境10年来的变化情况进行了调查和分析，解释了森林、土地、草地等土地利用情况发生变化的原因。通过引入空间信息技术如遥感的监测与系统地分析等，其研究结果可以为岷江中上游生态环境建设提供科学的依据。     

遥感技术在我国滑坡研究中的应用综述

中国滑坡遥感研究与应用已有30多年的发展历史,作为滑坡调查的主要手段在大型工程建设中的滑坡灾害调查及危险性评价中发挥了重要作用。从4方面阐述了遥感技术在我国滑坡研究中的应用：① 区域滑坡灾害遥感调查;② 大型单体滑坡遥感调查;③ 滑坡灾害遥感监测;④ 遥感应用于滑坡风险评估。随着遥感技术理论的逐步完善和遥感图像空间分辨率、时间分辨率与波谱分辨率的不断提高,遥感技术已成为滑坡灾害调查、动态监测与预警、灾情实时调查与损失评估等工作中不可缺少的重要手段之一。     

基于可逆整数小波变换的遥感图像的无损压缩

针对遥感数据的特点，将可逆整数小波引入遥感图像压缩领域，与SPIHT编码相结合，试验选用了几种可逆整数小波对几幅遥感图像和标准测试图像进行图像无损压缩试验，结果与JPEG2000相比都所有提高。     

利用Photo Styler软件处理卫星遥感图像

介绍了Window环境下用图像处理软件PhotoStyler处理卫星遥感图像的方法和特色，Windows位图文件格式与遥感图像文件格式的转换，充分利用PhotoStyler的丰富功能能较好地完成遥感图像增强和加注汉字等前期和后期遥感图像处理工作。     

结构与光谱信息相结合的遥感图像分类方法

对结合纹理信息与光谱信息的遥感图像分类方法进行了研究。首先介绍了常规的遥感图像分类方法，监督分类法和非监督分类法，并结合ERDAS软件和试验数据进行分类实验；接着引出纹理信息的概念，并探讨其在遥感图像分类中的应用，提取原数据中的纹理信息参与分类；最后，比较分析分类的结果，论证了结构与光谱信息相结合的遥感图像分类方法可行性。     

一种有效的遥感图像无缝分割方法

遥感图像具有数据量大、模糊性较强、纹理细节丰富等特点，这就决定了遥感图像的分割与自然景色图像分割相比，在分割效率、分割效果上都提出了更高的要求。另外，无缝空间遥感影像数据库的建立为我们提出了在基于内容的影像检索中遥感图像无缝分割问题。在JSEG算法的基础上，通过图像增强技术，解决了遥感图像不同区域边界往往不明显的问题，大大改善了分割效果；为了解决分割的无缝性，提出了基于gabor纹理特征的区域边界合并算法。实践证明本方法很好地解决了遥感图像分割的无缝性问题。     

黄浦江上游水源保护区面污染源遥感调查

上海市70％以上的饮用水取自黄浦江上游水源保护区，黄浦江上游水源地的水质直接关系到上海市人民的健康和经济快速稳定发展。采用SPOT-4卫星和Landsat-TM的信息融合图像为数据源，建立黄浦江上游土地利用遥感解译标志，采用计算机自动解译和目视解译相结合的方法，得到了黄浦江上游水源保护区1：25000土地利用分类图，开展了大型饲养场、养鱼塘分布特征的遥感研究，遥感调查与地面调查、模型计算相结合，分析了黄浦江上游地区土地利用类型／方式对污染的影响。     

一种基于对抗学习的仿真遥感图像生成方法

遥感图像数据标注耗时、成本高且需要专家知识，使得有标签的遥感数据难于获得，因此亟需生成有标签遥感数据的有效方法。由计算机视觉领域用于风格迁移的循环一致生成对抗网络出发，提出了一种基于深度学习，利用循环一致生成对抗网络生成新数据集的仿真遥感图像转换方法。将源数据与生成数据视为源域与目标域，遥感图像转换可视为仿真遥感数据集的风格迁移。生成的数据集可进一步用于分类、语义分割和域适应等适用于遥感图像的常见任务。实验结果表明该方法可有效生成风格迁移的仿真遥感数据。     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力，提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法，该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性，对遥感图像像素进行聚类后划分为不同的组，然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后，对空间相似的块进行平均处理，实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪，峰值信噪比相比band-wise K-SVD算法提高了7.6%左右，同时具有更好的视觉效果。     

高性能遥感图像处理与空间信息网格建模

将空间信息网格技术（SIG）应用于遥感图像处理中，就是利用网格计算的特点，来解决遥感图像数据以及处理算法资源的共享、海量遥感图像数据的实时快速处理等问题。文章以此为主线，在分析高性能遥感图像处理问题的基础上，探讨了在网格环境下构造高性能遥感图像处理系统的可行性及相关关键技术的实现，提出了基于开放网格服务体系结构的系统模型，并实现了原型系统。实验表明，SIG用于遥感图像处理是可行的，并取得了一定的成果。     

多源遥感图像区域提取分析研究

多源遥感图像区域提取分析主要依赖于图像区域的特征，本文提出了两种多源遥感图像区域分析的方法：基于形状轮廓的多源遥感图像区域分析和基于纹理的多源遥感图像区域分析，并对两种方法的分析结果进行了比较。     

川藏公路海子山—竹巴笼段遥感工程地质调查方法

在川藏公路海子山－竹巴笼段遥感工程地质调查项目实施过程中,通过理论研究和实际检验,确定了这一典型工程地质区工作的基本技术路线与工作程序,总结了各主要工作环节即图像制作与处理、遥感解译与野外验证及工程地质综合分析与评价的技术工作方法。目前,该套技术方法已用于我院多个公路遥感调查项目中。     

海量遥感图像数据实时预处理系统结构设计

随着遥感技术的发展，遥感图像的分辨率和采样率越来越高，实时完成海量遥感图像数据的预处理已成为急需解决的关键问题。本文分析了遥感图像预处理算法的可并行性，提取了算法要素。提出了适用于大数据量遥感图像实时预处理的分布并行处理系统的结构设计方案。     

遥感图像和地形图信息融合系统的研究和实现

以不同格式、不同比例尺的地形图与遥感图像为对象,重点研究这两种图像的融合问题,包括配准、几何校正、信息表示等等,并基于Matiab6．5与Visual C＋＋开发了遥感图像和地形图的信息融合系统。借助该软件系统可进行同一区域不同比例尺的地形图和遥感图的信息融合,并最终给出符合资源与环境调查与应用要求的既有遥感信息又有地形图信息的融合图像,融合图像获得了比任意单一图像更加综合、丰富的信息。     

基于卫星遥感图像的城市扩展研究--以东营市为例

利用卫星遥感图像作城市扩展研究是当今遥感应用研究的热点问题，是对城市化进程进行跟踪检测的有效手段。也是解决城市化进程中出现的各种问题、提高城市管理水平的一项新技术。本文提出了一种基于图像差值和分类专题图的城市扩展变化提取方案。该方案首先对不同时相的TM图像进行非监督的变化检测，得到二值化变化专题图，然后利用原始资料和调查数据对第二个时相的图像作监督分类。最后利用变化专题图与分类专题图叠加分析获取城市扩展情况。     

改进的基于深度学习的遥感图像分类算法

针对传统的基于深度学习的遥感图像分类算法未能有效融合多种深度学习特征，且分类器性能欠佳的问题，提出一种改进的基于深度学习的高分辨率遥感图像分类算法。首先，设计并搭建一个七层卷积神经网络；其次，将高分辨率遥感图像样本输入到该网络中进行网络训练，得到最后两个全连接层输出作为遥感图像两种不同的高层特征；再次，针对该网络第五层池化层输出，采用主成分分析（PCA）进行降维，作为遥感图像的第三种高层特征；然后，将上述三种高层特征通过串联的形式进行融合，得到一种有效的基于深度学习的遥感图像特征；最后，设计了一种基于逻辑回归的遥感图像分类器，可以对遥感图像进行有效分类。与传统基于深度学习的遥感图像分类算法相比，所提算法分类准确率有较高提升。实验结果表明，该算法在分类准确率、误分类率和Kappa系数上表现优异，能实现良好的分类效果。