喀斯特石漠化遥感信息增强与监测技术

应用遥感动态监测的基本理论和方法,从遥感数据选择、数据预处理、石漠化演变图像提取、石漠化变化信息的分类分级、石漠化变化信息自动提取等方面入手,总结了利用改进的EVI提取石漠化信息,二次图像分类遥感动态监测的技术路线与方法.野外调查验证表明,该技术方法实用、监测结果准确.     

基于知识分类法的TM遥感影像景观分类制图——以武汉市为例

遥感影像景观分类制图的关键是选择合适的遥感影像分类方法,以降低分类误差、提高分类精度。以武汉市Landsat TM遥感影像为例,利用基于知识的决策树分类法对遥感影像的景观分类制图方法进行了研究。结果表明:知识分类法在一定程度上避免"同物异谱"所造成的分类误差,实现较高的分类精度,是高效、可行的遥感影像景观分类方法之一。在实际操作中分类变量及阈值的确定是遥感影像知识分类的关键步骤。     

面向对象的高分辨率遥感影像城市地物信息提取研究

以沈阳东陵区IKONOS影像为实验数据,采用面向对象分类,构建包含光谱特征、几何特征、纹理特征、拓扑关系等规则的知识库,对城市地物信息进行提取,并将其与基于像素方法的分类结果进行对比分析。研究结果表明：基于多尺度分割的面向对象的分类方法可以有效地避免传统的基于像素分类时出现的＂椒盐＂现象,分类结果更加符合人类的思维方式,更接近真实值,总体分类精度达到92.5%,比基于像素分类方法更适合作为城市地物专题数据库更新的有效方法。     

高分辨率遥感影像结合LiDAR数据的面向对象分类方法

为了更准确地对遥感数据进行分类,结合Geo Eye高分辨率遥感影像和机载Li DAR数据,通过对分割参数、特征选择、分类规则等特征进行研究,提出采用面向对象的模糊分类方法——成员函数法选择实验区进行了分类研究。实验结果表明:该分类方法能够更有效地提取出建筑物、煤堆、灌木等矿区典型地物,总体分类精度达到93.92%,KIA为92.52%,分类精度相比单一遥感数据明显提高。     

遥感蚀变矿物填图与找矿方法

针对遥感蚀变矿物填图方法多样、影响因素复杂、效果参差不齐等问题,对TM或ETM+数据遥感蚀变 矿物填图方法进行剖析,采用比值法、主成分分析法、Crosta法以及基于已知矿点和光谱角法的监督分类等方 法,结合在新疆西天山等地的应用实例,认为植被、地形、土壤覆盖等是影响应用效果的主要因素;矿化目标大小 与遥感数据像元大小之间的关系很可能导致混合反射率起主导作用,加之矿化蚀变中常存在石英、长石等高反 射率矿物,会影响到含羟基与含碳酸根蚀变矿物之特征性诊断谱带的正常体现,从而大幅降低蚀变矿物填图效 果;一些数据处理层面上的方法,例如借助“纯净物质”反射率的子像元分类、混合光谱分析、模糊分类等,能够一 定程度地缓解问题,但对找矿来说也仅限于地表线索的二维定位。因此,在现有技术水平下,遥感还主要为战略 找矿手段,只有综合运用地质、物探、化探、遥感等多种方法,才能避免片面性并增大发现新矿产的可能。     

植被覆盖茂密区碳酸盐岩岩性的遥感识别——以灌江流域为例

由于茂密的植被覆盖,西南岩溶区在遥感图像上反映的大部分是植被覆盖层的光谱信息,而直接的岩性光谱信息很弱,因而利用遥感图像识别岩性,尤其是碳酸盐岩岩性的难度很大。以广西灌江流域为例,在植被茂密的南方岩溶区利用多源遥感数据,如ETM、SPOT、ASTER数据进行碳酸盐岩的计算机自动岩性识别。结果表明：多源遥感数据的岩性识别效果远大于单一类型的遥感数据;未进行融合的遥感数据的分类效果好于融合后的数据;利用高分辨率遥感数据的纹理图像参与分类,有助于提高分类的精度。最终,采用SPOT的4个多光谱波段、ASTER的14个波段、TM的6个波段3种遥感数据共24个波段加上4个SPOT纹理图像和3个ASTER可见光波段的纹理图像共31个波段组合进行岩性的自动识别分类,取得了82.01%的自动识别总精度。     

基于WWSVDD多分类的遥感图像病害松树识别

针对支持向量数据描述多分类中模糊数据域的误判问题,提出了一种改进的加权小波支持向量数据描述（WWSVDD）多分类方法,并应用于遥感图像病害松树识别.利用无人机搭载双光谱相机获取高分辨率遥感图像,提取地物特征,构建特征向量.用WWSVDD模型描述每类样本,根据待测样本在特征空间中的不同分布,分别采用最小相对距离法和隶属度函数法进行决策分类,从而实现病害松树的识别.实验结果表明,与传统的K近邻和支持向量数据描述多分类方法相比,所提方法在识别病害松树方面准确性更高.     

高分辨率遥感影像建筑物震害信息提取方法比较研究

利用高分辨率遥感影像进行建筑物震害信息提取是地震灾害损失评估的重要手段,建筑物震害信息的提取技术是准确获取灾害信息的关键。利用青海玉树震后QuickBird影像,采用面向对象和像素的分类方法进行建筑物震害信息提取,通过精度评价和目视比较分析发现,面向对象的分类方法提取建筑物震害信息分类结果与实际震害情况具有较好的一致性,精度更高,能够避免基于像素的分类提取中出现的"椒盐现象"。     

层次型非线性子空间字典学习

为了提高遥感图像场景分类的准确率,提出层次型非线性子空间字典学习(HNSDL)方法. 用所提方法训练多层网络模型学习多层非线性变换. 将遥感图像投影到子空间中,构建稀疏编码和投影编码的局部信息保持项,在保持局部结构信息的同时最小化样本的类内差异,增强模型的分类识别能力. 在模型目标式求解中,使用交替学习算法求解子空间和字典的联合学习任务,使所有参数同时达到最优解. 在Ucmerced、Google和WHU-RS数据集上进行实验设计和测试,结果表明所提方法在遥感图像的多种场景分类上均表现出较高的分类准确率.     

遥感影像信息提取技术的研究与实现

随着遥感技术的发展和遥感应用的深入,遥感影像信息提取方法的研究成为关注的焦点.一般来说遥感影像信息提取包括分类、识别和特征提取.文中主要研究利用MATLAB实现影像中的光谱特征和纹理特征的提取和分类,并结合ERDAS软件对影像进行预处理和分类后处理以及精度评定,最终从精度评定结果来看,两种特征分类的总体精度较高,另外,图像的结构信息有助于提高遥感影像信息提取的精度.     

融合低秩和形态学的高光谱影像特征提取

高光谱遥感影像具有较高的光谱分辨率,能够精细刻画地物的反射光谱,具有很高的地物分类与识别能力. 但高维波段之间通常具有较高的相关性,冗余度高,为影像处理和分析带来负担. 针对高光谱影像特点的特征提取和选择为有效提取信息提供了保障. 提出一种融合低秩和形态学的特征提取方法(MSEMP),利用低秩来精简高光谱影像中的冗余信息,获取秩最小的光谱紧致表达,并在此基础上利用多形态多尺度结构元素提取形态学剖面,获取影像空间特征. 实验对AVIRIS和ROSIS传感器的两组数据进行测试,通过MSEMP提取特征后进行分类实验,可以获得较高的分类结果,证明了低秩和形态学相结合的特征提取方法的有效性.     

Research into a Feature Selection Method for Hyperspectral Imagery Using PSO and SVM

Classification and recognition of hyperspectral remote sensing images is not the same as that of conventional multi-spectral remote sensing images.We propose, a novel feature selection and classification method for hyperspectral images by combining the global optimization ability of particle swarm optimization (PSO) algorithm and the superior classification performance of a support vector machine (SVM).Global optimal search performance of PSO is improved by using a chaotic optimization search technique.Granularity based grid search strategy is used to optimize the SVM model parameters.Parameter optimization and classification of the SVM are addressed using the training date corresponding to the feature subset.A false classification rate is adopted as a fitness function.Tests of feature selection and classification are carried out on a hyperspectral data set.Classification performances are also compared among different feature extraction methods commonly used today.Results indicate that this hybrid method has a higher classification accuracy and can effectively extract optimal bands.A feasible approach is provided for feature selection and classification of hyperspectral image data.     

基于Adaboost算法的K-means遥感影像分类算法

本文利用AdaBoost算法对K-means算法进行提升,提出了一种基于AdaBoost算法的K-means遥感影像分类方法.其中,针对数据集分布调整的具体实施问题,设计了一种有效的加权变值方法.实验结果表明,融合提升后的分类结果较基本K-means在孤立点的消除和细长目标的识别提取上效果更加显著.     

认知无线电网络中的最佳可信度频谱检测算法

由于认知无线电网络中的典型硬决策协作频谱检测在数据融合时未考虑各认知用户检测结果的差异性,不能很好地提高检测性能,因此,提出了一种基于检测可信度的协作频谱检测算法.首先,利用各认知用户的平均接收信噪比来获得它们的检测可信度;然后,综合各认知用户的检测结果以及检测可信度来判断授权用户是否使用频带,从而提高了检测性能.仿真结果表明,在低信噪比情况下,相比典型硬决策协作频谱检测,该算法具有较优的接收特性曲线,并在合理选取认知用户检测阈值的条件下,具有较低的检测错误概率.     

基于eCogniton的高分辨率遥感图像的自动识别分类技术

传统的遥感信息分类和提取,主要是利用数理统计与人工解译相结合的方法．这种方法不仅精度相对较低,效率不高,而且依赖参与解译分析的人,在很大程度上不具备重复性．专业高分辨率遥感影像分类软件eCogniton采用一种全新的面向对象图像的分类技术来进行影像的分类和信息提取．面向对象图像分类技术的关键技术在于：（1）用来解译图像的信息并不在单个像元中,而是在图像对象和其相互关系中;（2）eCogniton采用多分辨率对象分割方法生成图像对象,提高了分类信息的信噪比;（3）基于对象的分类技术不同于纯粹的光谱信息分类,图像对象还包含了许多的可用于分类的一些其他特征：形状、纹理、相互关系、上下关系等信息．eCogniton的分类结果与传统分类方法相比。其特征提取算子更加地适合于几何信息和结构信息丰富的高分辨率图像的自动识别分类．     

SAM权重法在端元提取中的应用

高光谱遥感的出现使得在宽波段遥感中不可探测的物质能被探测。获得的高光谱数据大都具有数据冗余度高、信噪比低等特点。文章通过idl编程实现高光谱数据的特征提取并利用其做了端元提取流程与光谱解混,及权重法SAM端元提取、混合光谱分解模型及实现。利用SAM权重法能够完成端元提取并最终得到的解混结果。     

基于MATLAB/GUI的无人机遥感图像分类系统设计

为了提高无人机遥感图像分类技术在复杂地形中的勘察效率,设计了一种基于MATLAB/GUI的无人机遥感图像分类系统,实现了图像分类的可视化操作。采用K-Means聚类与Otsu阈值分割相结合的方法对无人机遥感图像进行分割与分类处理,并对初分割结果进行边缘检测、噪声滤波和形态学优化等图像处理,精确提取各类地物边界,提高图像分类精度;对分类处理后的结果进行矢量化输出,提高了本系统与其他软件的交互性;根据航拍高度、镜头焦距和传感器尺寸等信息,可计算每一类地物的实际面积,实现区域面积大小的快速统计,促进了无人机遥感技术在公路地质选线中的应用。     

A Feasible Atmospheric Correction Method to TM Image

In this paper, an atmospheric correction method to TM image is presented, which can simulate the atmospheric correction parameters, such as optical depth, sky radiance and path radiance at the time the satellite passes,by using interpolation among local meteorological records, parameterization models and dark pixels. The TM image of the Nanjing area in China was corrected by this method. For analyzing the accuracy of this method, the calculated reflectance, apparent reflectance and ground measured reflectance were compared. NDVI before and after atmospheric correction were also compared. The results show that the method is applicable and efficient in the visible to near infrared band of TM image. In order to improve the accuracy of the method, the infrared spectrum measured data for the two other bands of TM image are required in future field investigations. The method is suitable to many other satellite optical remote sensing images with the same or similar spectral characteristics of TM images.