基于广义变分和误差重估计高光谱AIRS通道亮温同化

高光谱大气红外探测器(Atmospheric Infrared Sounder,AIRS)主要覆盖CO_2和H_2O吸收带光谱区.区别于CO_2通道,H_2O通道亮温偏差非高斯性较强.为了充分有效地利用AIRS通道光谱信息,本文采用两种新算法开展应用研究,一是基于变分同化后验估计-观测误差重估计重新估算光谱通道误差,以更好地"符合"光谱亮温对变分同化目标泛函的权值分配;二是将M—估计法(L2—估计、Huber—估计、Fair—估计和Cauchy—估计)权重函数耦合到经典变分同化目标泛函中,得到广义变分同化目标泛函,使其具有非高斯性,其核心是在每次极小化迭代过程中重新估计观测项对目标泛函贡献率.在新算法研究基础上开展高光谱AIRS模拟亮温试验,结果表明观测误差重估计和Huber—估计广义变分同化AIRS资料效果优于经典变分同化.并基于信号自由度(Degrees of freedom for signal,DFS)开展观测资料对分析场影响诊断,得到该两种方法在同化过程中能够提高H_2O通道亮温使用的信息量.通过对文中算法(观测误差重估计和Huber—估计)得到的分析场与探空资料温度场对比分析,得到Huber-估计广义尺度设定为1. 345 K时效果最好,整体误差最小,2. 5K次之,且观测误差重估计也优于经典变分同化结果.200～750h Pa效果较为显著,基于Huber-估计广义同化在对流层顶表面和周围(80～200 h Pa)温度反演小于2 K.研究结果可为我国风云四号A星和风云三号D星高光谱资料变分同化提供新的方法思路和技术支撑.     

基于低秩表示和学习字典的高光谱图像异常探测

提出一种基于低秩表示和学习字典的高光谱遥感图像异常探测算法.相对于其它低秩矩阵分解方法如鲁棒主成分分析,低秩表示方法更为契合高光谱图像的线性混合模型.该算法将低秩表示模型应用到高光谱图像异常探测问题上来,引入表征背景信息的学习字典,大大增强了低秩表示模型对初始参数的鲁棒性.仿真和实际高光谱数据的实验结果表明,所提出的算法有效地提高了异常的探测率,同时对初始参数具有较好的鲁棒性,可以作为一种解决高光谱图像异常探测的有效手段.     

改进的信息散度法在蚀变矿物分类中的研究

为了有效获取待测光谱类型,采用信息散度匹配法对其进行分类处理。根据不同矿物具有不同的光谱特征曲线,建立不同矿物光谱曲线的标准光谱库,再采用信息散度法对待测矿物光谱与标准库中的光谱进行匹配,进而得出一种标准光谱库下的信息散度匹配法。采用该方法对实际光谱曲线进行分类处理,结果表明提出的方法能够有效对光谱曲线进行匹配,判别待测光谱所蕴含矿物类型,所得出的蚀变矿物类型与岩矿鉴定结果具有较高的吻合度,有利于提取蚀变矿物信息。     

基于高光谱图像的协同分层波谱识别--以兰州、榆林地区为例

提出协同分层波谱识别法,分别从兰州、榆林市Hyperion高光谱图像上识别9种目标地类,并与SVM监督分类对比。针对Hyperion图像波谱识别的4个难点:光谱信息高保真融合、敏感谱段提取、"椒盐效应"去除、消除"同物异谱"现象导致的误判,协同应用WP-GS融合、导数变换、4尺度面向对象分割和多谱段SAM解决上述难点,并基于Hyperion导数变换图像分析波谱变化特征、提取敏感谱段、从4个尺度层依次识别9种目标地类,然后根据目视评判和定量评价,与综合使用Gram-Schmidt光谱锐化融合/Savitzky-Golay卷积滤波/PCA变换的SVM监督分类结果比较识别精度。实验结果表明WP-GS融合的光谱保真效果优于Gram-Schmidt光谱锐化;4尺度面向对象分割抑制"椒盐效应"的效果优于Savitzky-Golay卷积滤波、移动均值滤波;多谱段SAM利用导数波谱特征能够消除因照度不同对同一类别地物的误判。采用协同分层波谱识别法,兰州市Hyperion图像波谱识别的总体精度、Kappa系数分别为89.52%、0.852,较SVM分类分别提高18.68%和17.52%;榆林市Hyperion图像识别地物的总体精度、Kappa系数分别为91.12%、0.873,较SVM分类分别提高17.80%和16.89%。协同分层波谱识别法应用多种技术一体化解决Hyperion图像应用难点,有效利用导数波谱变化特征提取目标敏感谱段,在复杂环境下识别目标地类的能力优于SVM监督分类。     

基于SSMFA与kNNS算法的高光谱遥感影像分类

 为了研究高光谱影像数据的维数约简和分类问题,提出了一种基于半监督边际费希尔分析(SSMFA)和kNNS的高光谱遥感影像数据分类算法.该方法利用有标记数据和无标记数据的信息获得数据的内在流形结构,通过SSMFA将高光谱数据从高维观测空间投影到低维流形空间,然后利用邻域内多个近邻点的信息通过kNNS分类器对低维空间中的数据进行分类.在Urban、Washington和Indian Pine数据集上的分类识别实验表明,该方法能够较为有效地发现高维空间中数据的内蕴结构,在每类随机选取4,6,8个有类别标记的样本10个无类别标记的样本的情况下,该方法的总体分类精度能够比MFA+kNNS提高0.8%~2.5%,比MFA+kNN提高2.8%~4.5%,比其他算法提高4.0%~7.0%,分类精度有了明显的提高.     

热红外多光谱遥感技术金矿调查应用研究

根据航空遥感实验获取的TIMS图象,利用计算机图象处理主成分分析和去相关等方法,并依据TIMS成象机制,提取出花岗岩、斜长片麻岩以及粘土化、硅化等蚀变岩岩性和丰富的断层信息,结合金矿化带光谱特征,圈出金矿化异常区,同时TIMS图象也显示了该地区北北东向金矿成矿主断层控制金矿化的规律,现有分析成果表明热红外多光谱扫描仪所获得的图象数据在岩性和金矿化带的识别上,以及增强断层信息方面有较好效果.     

利用Hyperion星载高光谱传感器监测太湖水质的研究

通过分析Hyperion星载高光谱传感器的数据特征和水质参数监测精度,确定并详细讨论了波段比值、差值和NDVI算法与叶绿素、悬浮物浓度的相关性差异和敏感波段分布,建立并验证了水质参数高光谱遥感反演模型,初步评价了太湖水体富营养化状况.利用模拟环境小卫星的波段设置和反射率光谱,对比分析了Hyperion和环境小卫星高光谱监测太湖水质参数的反演精度,展示了星载高光谱监测内陆水体水质的应用潜力,有力地促进了我国环境小卫星高光谱数据在水体生态遥感监测中的预研工作.     

高光谱空谱一体化图像分类研究

高光谱图像分类是遥感图像处理技术中的一个热点,提高分类精度是目前一个重要研究方向。常规的高光谱图像分类技术主要关注于如何更好地利用光谱空间的分类信息,往往忽视图像空间域信息。本文提出了一种基于空谱一体化处理的高光谱图像分类方法,在利用数据进行自身光谱特征分类的同时采用区域生长法和二值形态学法相结合的空间域有效信息对光谱分类结果进行补充。实验证明本方法能提高高光谱图像分类精度。     

基于字典优化的联合稀疏表示高光谱图像分类

针对训练样本量少导致高光谱图像分类精度低的问题,本文提出了一种基于字典优化的联合稀疏表示高光谱图像分类方法.首先,采取基于层次聚类的波段选择方法降低高光谱图像数据维度;其次,结合空间信息将高光谱数据划分为多个子集,利用已知标签信息的训练样本标记各个子集中可能成为训练样本的像元,组成训练样本备选集,根据光谱相似度准则筛选...     

一种基于归一化光谱向量的高光谱图像实时性非监督分类方法

在保证分类结果清晰、准确的前提下,为了提高分类执行效率,本文基于图形处理器(graphic processing unit,GPU)及并行优化,提出一种基于归一化光谱向量的高光谱图像实时性非监督分类方法。利用高光谱图像的空间一致性有效提高分类精度,同时,利用归一化光谱向量简化了像元间相似性的计算公式,统一了图像内像元处理方式,并利用GPU并行技术有效提高计算速度。首先,利用GPU并行处理方法计算空间相邻像元间光谱向量相似性,根据高斯拟合取得安全阈值;然后利用光谱角作为像元光谱相似测度,将相似像元划为同质区;最后以同质区内各像元平均光谱向量表述同质区光谱特征,根据安全阈值合并相似的同质区完成分类。用AVIRIS数据评估了该方法性能。本文的理论分析和实验结果显示,与现有非监督分类方法相比,该方法分类精度更高,同时,算法本身运行速度更快。