基于多极化SAR图像的鄱阳湖湿地地表淹没状况动态变化分析

合成孔径雷达图像对于地表淹没状况的探测有一定的优势.以鄱阳湖湿地为例,基于多极化Envisat ASAR数据,将变化向量分析方法引入地表淹没状况的变化检测中,分析鄱阳湖湿地地表淹没状况的动态变化,然后利用决策树分类方法将变化区域提取出来,并探讨变化向量方法应用于SAR图像变化监测的潜力.     

面向对象技术用于多极化SAR图像地表淹没程度自动探测分析

合成孔径雷达(SAR)能全天时、全天候的获取数据,对地表淹没程度的探测分析发挥着重要的作用,有着得天独厚的优势。传统的基于像元的地表淹没程度探测分析方法存在着一定的局限性,文中引入面向对象的概念,探讨面向对象方法在多极化ENVISAT ASAR图像地表淹没程度自动探测分析中的应用潜力,为洪涝灾害淹没范围提取及监测、评估提供一种新的方法途径。     

基于多极化SAR图像的鄱阳湖湿地表淹没状况动态变化分析

合成孔径雷达图像对于地表淹没状况的探测有一定的优势。以鄱阳湖湿地为例,基于多极化Envisat ASAR数据,将变化向量分析方法引入地表淹没状况的变化检测中,分析鄱阳湖湿地地表淹没状况的动态变化,然后利用决策树分类方法将变化区域提取出来,并探讨变化向量方法应用于SAR图像变化监测的潜力。     

运用遥感数据挖掘解析城市地表温度的空间变异规律

以上海主城区为研究靶区,基于遥感影像（Landsat ETM+）数据,运用单窗算法反演地表温度,并运用地统计学方法分析其空间变异规律。结果表明,地表温度空间差异显著,东西分布不对称,浦东的地表温度明显低于浦西,低温区出现在浦东的南部,与南汇区的交界处;高温区出现在浦西,包括中心城区的黄浦江沿岸、宝山区南部和普陀区北部,其它地区介于高温区和低温区之间。从地表温度的空间变异规律来看,在较小的空间尺度下,随机因素引起的空间异质性占总空间异质性的比重较大,空间自相关性的比重较小;随着空间尺度的增大,随机因素引起的空间异质性所占比重减小,空间自相关性的比重增大。当粒度为180 m和540 m时,地表温度表现为较强的空间自相关性,而当粒度增大到1 080 m时,地表温度具有明显的空间自相关性。     

基于聚类分析的SAR图像变化检测

针对传统变化检测方法用于合成孔径雷达(SAR)图像时不能有效地降低背景变化导致的检测虚警,提出了基于聚类分析的SAR图像变化检测方法。该方法对聚类后SAR图像像素类间变化引入Mahal-anobis距离(M距离),结合变化阈值的选择来分析图像中变化像素的M图,进而实现SAR图像变化检测。仿真结果说明:该方法不仅能克服自然和背景变化给检测带来的困难,而且,不受传感器位置的影响,能有效地对不同时刻的SAR图像进行变化检测。     

单波段单极化SAR图像水体和居民地信息提取方法研究

SAR图像上水体和居民地信息的提取在实际应用中具有重要的意义。为了更好地提取SAR图像上水体和居民地,以单波段单极化Radarsat-1 SAR图像为研究对象,首先利用半变异函数分析样本图像的结构特性来确定纹理信息提取的最佳参数;然后,在此基础上基于灰度共生矩阵计算SAR图像均值、角二阶矩和熵3种纹理测度,建立了适于图像分类的多维特征空间,从而有效地增强了水体和居民地信息;最后通过样本采集,使用支持向量机分类器进行水体和居民地信息提取,并采用近期归一化植被指数(NDVI)数据和分类结果进行目标层融合来消除山体因素的影响,信息提取的结果显示,分类总体精度为82.57%,Kappa系数为0.58,较准确地提取了水体和居民地信息。     

基于多极化星载SAR数据的水稻/旱田识别-以江苏省海安县为例 

合成孔径雷达(SAR)数据对于南方多云多雨天气的地表农作物类型的探测具有独特的优势。以江苏省海安县为例,基于多极化SAR数据,包括双极化ALOS PALSAR以及全极化Radarsat\|2数据,采用面向对象的方法,针对当地水稻/旱田进行识别。针对双极化SAR数据,利用了其强度信息进行分类识别;而基于全极化数据,除强度信息外,还利用了其SAR信号统计分布概率进行分类规则建立。结果表明:L波段的ALOS PALSAR在识别旱地的桑树方面具有很大的优势,而基于两种分类方法的C波段Radarsat\|2数据识别水稻的精度分别为85%和75%,略低于ALOS PALSAR的识别结果(87.5%)。     

基于数学形态学的SAR图像分割方法

图像分割是遥感图像处理中很重要的一步。因SAP图像通常带有较强的嗓声，用传统的边缘检测方法效果不理想。作者利用数学形态学开闭运算和混合滤波，可据目标的形状选用算法中的探针，取得了较好的滤波去噪和目标分割的效果。     

基于时空变异函数的Kriging插值及实现

Kriging（克里金）算法通常用于对空间变量进行插值,但不能直接应用于时空变量,它需要进行时空扩展。以月平均气温数据为例,运用时空Kriging方法结合R统计语言进行时空插值研究及其实现。通过时序分解去除气温数据中季节变化项,在分别得到空间变异函数和时间变异函数的基础上构建一类积和式时空变异函数来描述变量的时空相关结构,并给出基于R语言的具体实现步骤。将普通Kriging方法进行时空扩展,应用于气温数据的时空插值中。验证结果表明,基于时空变异函数的Kriging方法能提供较高精度的插值效果,这为时空变量的插值预测提供了有效的途径。     

基于自适应编码的SAR浮点模图像数据压缩

提出了一种基于DCT系数分布特征的自适应区域编码方法.从统计分析的角度出发,将8＊8图像块按照对角、垂直、水平和一般特征进行分类,再对照相应的量化表进行定值压缩.通过实验,证明了该方法可取得比较满意的结果.     

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。     

基于智能CASE库的多时相SAR影像分类方法-土地利用及变化监测

针对SAR影像分类,提出了一种基于智能案例(CASE)库多时相SAR影像分类方法。该方法主要分为4部分:SAR影像预处理;智能CASE的建构;基于CASE相似度匹配的SAR影像分类;分类后处理。在智能CASE建构期间,引入时空分析技术去除“伪”CASE,从而保证了CASE库中CASE信息的可靠性。接着,在基于CASE匹配的SAR影像分类过程中,采用分层相似度评价的方法,消除CASE特征相互之间的混叠效应。最后,采用面向对象的方法进行影像分类后处理。该方法有效地考虑了分类地块的形状因子,使分类结果更精确、更符合逻辑性。以2000年(4景,包含4个季度)和2004年(3景,包含3个季度)的多时相SAR影像作为实验数据,结果表明,使用我们提出的方法能达到较好的SAR影像分类结果,分类总体精度达到85%～90%,这为利用多时相SAR影像实施土地利用和变化监测(Land Use and Land Cover Change,LULC)奠定了良好基础。     

高分辨率SAR图像建筑物三维成像几何结构分析

随着SAR分辨率的不断提高,建筑物在SAR图像上表现出越来越明显的几何结构特征,这些特征为重建建筑物三维模型提供了重要的信息。主要论述了建筑物在SAR图像上的成像几何结构,并给出了利用SAR图像上建筑物L型的叠掩结构反演建筑物三维结构的理论基础和方法,最后通过实验证明了该方法的可行性。     

鄱阳湖地区洪涝灾情及其遥感分析

简要介绍了鄱阳湖洪涝灾情的基本情况,分析了灾害成因。简述了机载侧视雷达(SAR)在1995年鄱阳湖洪涝灾情调查中的应用,并对SAR图像的目视解译作了粗浅的分析。     

对星载SAR地理编码图像若干评估指标的分析与研究

对SAR图像地理编码过程和描述地理编码图像特性若干评估指标进行了初步的讨论和探究,通过分析一幅Radarsat-1卫星地理编码图像定位精度、指向误差精度、比例误差、扭曲误差等指标,为星载SAR地理编码图像判读解译和应用提供参考。     

基于Mult-TWDTW算法的时序SAR图像土地覆盖分类

合成孔径雷达(SAR)图像为土地覆盖分类提供了重要的时序数据源. 现有的时间序列匹配算法可以充分挖掘时序特征的相似性信息, 从而获得较好的分类效果. 本文引入了综合考虑形状相似性和物候差异的经典时序匹配算法TWDTW (time weighted dynamic time warping)指导SAR土地覆盖分类, 并针对传统TWDTW仅考虑单一特征时间序列上的相似性匹配问题, 提出了一种基于多特征联合的时间加权动态时间规整算法(Mult-TWDTW). 该方法首先提取后向散射系数、干涉相干性以及双极化雷达植被指数(dual polarization radar vegetation Index, DpRVI) 这3种特征, 然后在TWDTW算法基础上联合多个特征设计了Mult-TWDTW模型. 为验证所提方法的有效性, 使用Sentinel-1A时序数据在丹江口区域完成土地覆盖分类, 并将Mult-TWDTW与MLP、1D-CNN、K-means、SVM和使用单特征的TWDTW算法进行对比. 实验结果显示, Mult-TWDTW算法得到了最好的分类效果, 总体精度和Kappa系数可以达到95.09%和91.76, 表明Mult-TWDTW算法有效联合了多个特征信息, 能够提升时序匹配算法在多种土地覆盖类别分类中的潜力.     

SAR影像建筑物提取与高度反演研究综述

基于SAR影像进行建筑物提取与高度反演,可行的技术方法种类繁多。以使用的影像数量和分辨率为序,以使用的灰度、相位、极化信息为核心,分别从二维提取、三维高度反演两个方面总结了这一技术主题的研究发展现状;并结合当前SAR影像高分辨率、全极化的数据特点和国际最新研究动向,对这一研究方向进行了展望。     

一种SAR图像机动目标检测与分析方法

从SAR(合成孔径雷达)图像中检测和分析目标是进行SAR自动目标识别的关键步骤,提出了一种SAR图像中地面机动目标检测与分析的方法,该方法在对图像进行预处理后首先利用背景杂波强度分布为指数分布假设的恒虚警率算法以及形态学运算对原始的SAR场景数据进行快速检测获得感兴趣的目标区域,然后提取目标区域8个特征构成特征矢量以详细描述目标。实验结果表明,该方法计算速度快,能够从获得的目标区域得到大量有用的信息,而且该方法具有一定的通用性。     

SAR图像高速公路目标快速识别

根据高速公路在SAR图像上呈现的共同特征,文章提出一种高速公路快速识别算法。该算法以高速公路在所有SAR图像上均呈黑色条带状为出发点,首先对图像做二值分割,通过形态学处理、区域特征统计等步骤,删除干扰区域和形状复杂区域。对保留区域的长度、处于图像中的位置等信息加以利用,确定高速公路区域,并根据雷达系统参数,得到高速公路的参数信息。