土地利用动态遥感监测中变化信息提取方法的研究

本文讨论了土地利用动态遥感监测中变化信息提取的常用方法,探讨了不同数据源对方法选择的影响,本文最后结合具体的试验项目给出了变化信息提取的一般性结论。     

基于遥感影像的土地利用动态监测精度评价的方法

将土地利用动态监测的误差类型概括为几何误差与属性误差两种，并分别给出了它们的采样及精度评价方法。     

高分辨率遥感影像土地利用动态监测技术研究

近年来,利用高分辨率遥感影像进行土地利用的动态监测在我国已到关键技术和系统研制阶段。本文以某一示范区的土地利用动态监测系统的研究为例,详细阐述了其变化图斑获取子系统实现的关键技术和过程。论文首先简要介绍了系统的主要组成部分;接着详细阐述了变化图斑获取子系统的区域变化检测技术、分类技术、变化区域和属性信息的获取技术;最后对系统作业的工艺流程和主要功能作了介绍,并对系统的应用前景和进一步改进的问题进行了分析。     

基于小波系数差值法的变化信息自动发现

本文将二维小波变换应用于土地利用遥感动态监测，以自动探测土地利用变化信息。在对两时相多光谱影像主成分变换的基础上，选择前面三个主分量进行小波变换，对两时相对应主分量的小波系数求差，土地利用未发生变化区域的差值接近0，而发生变化区域的差值绝对值较大，能量高，因此，经小波逆变换得到的影像能够高亮度地显示出土地利用发生变化的区域。利用遥感数据进行仿真和野外验证发现。该方法得到的监测结果精度能满足实际应用的需要。     

利用遥感技术进行中山市土地覆盖变化监测的初步研究

利用遥感技术进行中山市土地覆盖变化监测的初步研究尚东（中国测绘科学研究院）中山市是广东省重点发展城市。城市经济建设发展很快。城市建设的蓬勃发展，必然对环境及土地利用产生影响，因此，了解土地利用的现状、城市化发展速度、搞好规划布局，成为当务之急。实现这...     

基于主成分变换的动态监测变化信息自动发现

主成分变换法在对多波段遥感影像处理过程中具有降维、压缩、影像增强的作用,也可利用其对多时相数据进行处理以自动发现精度不错的土地利用变化信息。结合主成分变换原理和不同的数据处理过程,可以用不同的方式实现土地利用变化信息的自动发现。在对已有方法进行总结分析的基础上,提出了两次主成分变换法进行变化信息自动监测,经验证,该方法在去除影像噪声对监测结果的影响方面具有很好的效果。     

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。     

土地沙漠化监测中TM影像的利用

沙漠化是干旱、半干旱和部分半湿润地区由于不合理的人类活动与脆弱的生态环境相互作用所造成的地表呈现类似沙漠景观的土地退化。利用TM影像开展沙漠化土地的动态监测是一种行之有效的方法。探讨了沙漠化土地的遥感监测方法、影响利用TM影像对沙漠化监测效果的因素、沙漠化土地的TM影像特征和TM影像监测的指标体系。建立了一般性的沙漠化指征及其程度分级系统,其中以地表形态的变化为主要指征,同时考虑土壤、植被及生态系统各方的变化,并使之具有普遍的代表意义和明确的易于判读的性质。在此基础上,通过对毛乌素地区的实际工作,揭示了该地区沙漠土地的动态变化的情况。毛乌素地区沙漠化土地面积从1987年的32586km^2（占监测区域总面积的67．5％）下降到1993年的30650km^2（占监测区域总面积的63．5％）,减少了1936km^2,在这一段时间里,沙漠化过程总体上是处于逆转中,平均每年均有277km^2的沙漠化土地得到了治理。     

基于多时相影像直接分类的土地利用变化监测方法研究

实时土地利用变化信息对当地部门区域规划、城市扩展和社会经济可持续发展的研究具有重要意义。本文借助于徐州市1987年和2000年TM影像数据,重点讨论了多时相影像直接分类在土地利用变化监测中的应用,并对结果进行了分析。结果显示,1987-2000这13年间,城市主要向东部和南部扩展。     

ETM＋影像用于土地利用自动分类的实验研究

基于陆地卫星影像,采用基本相的试验处理流程,分别从影像纠正、波段数量和组合及融合影像对分类结果的影响等方面进行分类处理,通过对相同分类要素在不同分类结果影像上所对应像元数量的变化比较,说明不同的卫星影像信息数据对分类结果的影响,旨在为采用陆地卫星影像进行自动提取土地利用覆盖的分类的生产提供参考。     

基于DBN与对象融合的遥感图像变化检测方法

在高分辨率光学遥感图像变化检测中,多数面向对象的方法只能利用简单的特征组合得到对象特征,难以进行高层特征的设计和提取。针对该问题,提出一种基于深度置信网络和对象融合的图像变化检测方法。将变化检测转化为二分类问题,并把图像像素作为分类单元,在特征学习和分类阶段设计多尺度的图像特征学习和分类方法,以充分利用图像目标的上下文信息。在此基础上设计基于对象的分类融合方法,对利用深度置信网络分类得到的结果进行融合,从而减小局部噪声的影响。在QucikBird影像数据集上的实验结果表明,该方法可有效提高图像变化检测的准确率。     

航空图像中人工建筑物的自动检测

提出了一种在航空图像中自动检测建筑物的方法。该方法对建筑物密度较高，且目标灰度大于背景灰度值的航空图像较有效。     

面向土地覆盖分类的MODIS影像融合研究

MODIS影像的多波段及其1、2波段的250 m中等分辨率为大区域中空间分辨率的土地覆盖制图提供了可能。为了有效利用MODIS影像的空间和光谱信息,使用SFIM、HPF和PCA变换等遥感影像融合方法,分别采用MODIS影像的波段1(b1)和波段2(b2)对3~7(b3~b7)波段进行融合,并就融合影像的光谱保真度和分类精度对6种不同融合结果进行评价。结果表明不同的融合结果得到的分类精度均有不同程度的提高;3种融合方法中使用b2的融合效果均优于b1;SFIM变换在光谱失真较小的情况下能够较大程度地提高分类精度。因此使用b2的SFIM变换可以用于提高MODIS土地覆盖图的空间分辨率和精度。     

基于多特征融合与PLSA-GMM的图像自动标注

为减少图像检索中图像信息的缺失与语义鸿沟的影响,提出了一种基于多特征融合与PLSA-GMM的图像自动标注方法.首先,提取图像的颜色特征、形状特征和纹理特征,三者融合作为图像的底层特征;然后,基于概率潜在语义分析(PLSA)与高斯混合模型(GMM)建立图像底层特征、视觉语义主题与标注关键词间的联系,并基于该模型实现对图像的自动标注.采用Corel 5k数据库进行验证,实验结果证明了本文方法的有效性.     

高分辨率影像配准误差对土地覆盖分类和变化检测的影响

近年来高分辨率影像技术发展迅速,土地专题信息的提取对高分辨率数据处理的质量提出了更高的要求,针对配准误差对影像处理和应用的影响研究,有助于专题信息提取过程中遥感数据处理质量控制指标的确定。选取北京市通州区不同时相的IKONOS影像作为实验数据进行模拟研究,在实验研究中通过产生具有不同配准误差的图像,从影像融合、土地覆盖分类和变化检测等角度,分析不同的配准误差对遥感应用的影响。结果表明:随着配准误差的增大,融合图像的可分辨性降低,配准误差增加到3个像元时,土地覆盖分类精度降低2~3%,土地覆盖变化检测中增加了5%的伪变化信息,虚检率增大。     

基于自动聚焦算法的多聚焦图像融合

在分析了多聚焦图像特点的基础上, 将镜头自动聚焦算法移植到多聚集图像融合问题的研究中, 并加以改进, 其主要思想是: 以高频分量作为图像清晰度的判据, 寻求多聚焦图像的聚焦区域, 将其直接移植到融合图像中; 而对于一个焦点到另一焦点的过渡区域, 对其用取最大特征的融合算子进行处理。实验表明, 该算法是原图像特征的最佳近似, 优于小波分解的融合算法。     

基于融合及数学形态学的遥感图像目标检测

提出了一种基于融合及数学形念学的遥感图像目标检测的新方法。在分析了steerable金字塔变换特性的基础上,采用合理的融合规则将两幅遥感图像进行融合,得到了目标更为清晰的增强图像,有利于进一步的目标检测。然后再利用数学形态学方法及目标的特征对融合后的目标进行检测,得到了满意的检测效果,实验结果表明了本文所提方法的有效性。     

基于多空间图像融合的白细胞自动分割

针对目前白细胞分割存在的准确率不高、粘连细胞不易分割等问题,提出基于多空间图像融合的白细胞自动分割算法。根据细胞显微图像饱和度分量S和蓝色分量B的分布特点,构造融合图像,减弱内部空洞对分割的影响,为细胞核和单细胞的初分割奠定基础。对于粘连细胞图像,利用轮廓相邻点的行列式检测细胞边缘轮廓凹点并根据凹点索引值关系式定位粘连区域,最后采用线性插值修补轮廓。实验结果表明,上述算法可精确分割白细胞,分割正确率达到96%。     

基于多尺度融合的对象级变化检测新方法

讨论了遥感图像变化检测中的多尺度融合问题. 首先分析了高分辨率遥感图像的城市变化检测的难点和传统的变化检测方法的局限性; 针对这些难点和局限性, 提出了基于多尺度融合的对象级的变化检测框架. 该框架利用对象级的变化检测方法, 提高了变化类和非变化类的可分性. 为了提高变化检测的精度, 该框架引入了两种不同的多尺度融合策略. 在 QuickBird 高分辨率遥感图像上的实验结果验证了该方法的有效性和鲁棒性.     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．