基于GF-2号影像细小水体提取研究

目前水体提取算法对中低分辨率遥感影像的提取效果较好，但应用于高分辨率影像细小水体时易受混合像元、异物同谱和阴影等因素的影响，从而出现误判。针对高分辨率影像中大面积水体和细小水体同时存在的问题，为快速地提取大面积水体并有效地避免细小水体提取中阴影的影响，采用多尺度和光谱差异分割提取较大面积水体，同时针对细小水体阴影的影响，提出一种新的阴影指数（LGR）结合面向对象的水体提取方法。对所提方法的提取结果与决策树、支持向量机、随机森林、NDWI+NIR、卷积神经网络提取方法进行比较，实验得出提取水体的精度分别为94.86%、88.85%、87.15%、88.8%、91.46%、92.42%，说明所提方法对高分辨率影像大面积和细小水体具有较高的提取精度，并能通过不同尺度的分割保证较好的提取效率。     

多源卫星遥感数据监测巢湖蓝藻水华爆发研究

湖泊蓝藻水华的精准动态监测,可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象,利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VⅡRS三种不同空间分辨率的影像数据,通过归一化水体指数（Normalized Difference Water Index,NDWI）实现巢湖水域范围提取,利用归一化植被指数（Normalized Difference Vegetation Index,NDVI）和浮游藻类指数（Floating Algae Index,FAI）提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的,对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析,评价Landsat、HJ-1B以及VⅡRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明:（1）相比NDVI指数,FAI指数（Landsat和HJ-1B数据为主,VⅡRS数据辅助）能降低薄云对蓝藻水华提取效果的影响,可提高蓝藻水华爆发区域、程度的识别能力;（2）气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度,降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述,论文引入VⅡRS卫星影像研究巢湖蓝藻水华爆发,利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响,取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持,有利于推进卫星遥感技术在安徽省河长制和湖长制中发挥重要作用。     

基于光学和雷达遥感影像融合的地类识别研究

针对光学和雷达协同处理信息挖掘的需求,为提高主被动遥感数据协同处理应用于土地利用/覆盖地类识别的能力,提出了一种改进的光学和雷达遥感数据融合识别方法。以意大利PAVIA地区的ERS SAR和Landsat TM影像、江苏徐州矿区的ALOS PALSAR和AVNIR-2影像对,ALOS PALSAR和SPOT影像对为信息源,利用改进的小波变换与色彩域变换算法进行处理,融合结果与传统的Brovey、GS、PCT、HSV、Wavelet融合算法作定量比较,并采用支持向量机(SVM)算法以相同的训练区分别对融合前后的影像,及不同融合结果进行典型地物类型识别。通过融合影像定量指标评价和识别应用验证,结果表明改进的融合算法很好地保留了融合前影像的光谱和纹理信息,且使用融合后影像识别的精度不仅明显优于单独利用光学或雷达影像,而且比采用的传统融合算法的识别结果也有较大提高。     

基于GF-6 PMS影像的积雪信息识别

以黑龙江省哈尔滨市道外区为研究区,系统探讨分析了基于遥感的不同方法在积雪信息识别中的应用.首先,对研究区两个时相的高分六号(GF-6)多光谱相机(PMS)影像进行目视解译,掌握了研究区内地物类型和积雪分布特点.其次,基于目视解译结果,选取了8种典型地物类型,得到了"积雪"和"非雪"两类像元的光谱特征规律.再次,探讨分析...     

高分一号卫星相机的辐射交叉定标研究

利用Landsat8-OLI时间序列图像数据对高分一号(GF-1)的16 m宽覆盖多光谱传感器进行交叉定标。试验首先通过安排GF-1夜间深海成像,确定GF-1传感器的定标公式的截距,再选取定标靶标场的双星同步观测数据,利用回归分析得到定标公式的增益。利用交叉定标系数结果计算的GF-1辐亮度值与同步观测的Landsat8的辐亮度值相关性在95%以上,4个波段定标精度相对误差分别是4.25%、6.21%、5.83%和5.66%。结果表明该方法获得的定标系数精度与Landsat8定标数据辐射定标精度相当,GF-1卫星可以满足定量化应用的要求。     

典型遥感影像分类方法适用性分析

分类技术是从遥感影像数据中提取信息必不可少的步骤,选择合适的分类器对提高分类精度至关重要,针对特定的研究如何选择适合的分类算法是一个亟需研究的问题。以北京市中心诚区中某一区域为研究区,应用“高分一号”（GF-1）数据和Landsat 8数据,分别采用最常用且分类精度相对较高的监督分类中的最小距离法、最大似然法、支持向量机法,将研究区分为林地、草地、水体、裸土、建筑物5种类型,并对分类结果进行空间分布、面积、精度三个方面的比对分析。结果表明,分类算法的选择主要取决于研究区的地物特点,其中最小距离法应用于植被覆盖面积较大的区域时精度较高,最大似然法适合于分类建筑物较多的区域,支持向量机法对各类地物的分类具有较高的普适性。     

悬浮泥沙浓度分布方差与尺度修正——八邻域算法

在归纳总结悬浮泥沙反演模型尺度效应研究现状的基础上,提出了基于八邻域窗口估算像元泥沙浓度分布方差算法,并利用该算法的计算结果,推导与计算了线性模型、对数模型和指数模型的尺度修正方法.结合太湖Landsat/TM影像数据和同步实测泥沙浓度数据及光谱数据的分析表明:悬浮泥沙浓度定量模型的尺度效应误差与模型密切相关.对于像太湖这样的复杂Ⅱ类水体,尺度效应可以导致反射率的相对误差达到16%.     

环境一号卫星CCD影像质量评价研究

从图像工程质量评价和影像应用质量评价两个方面,对环境一号卫星CCD影像的质量进行了评价与分 析,通过将其与同时相Landsat TM影像的相关特征参数进行比较,客观评价了环境一号卫星CCD影像的质量。图像工程质量评价从影像的 统计特征、纹理特征和能量特征三方面进行,结果表明该卫星影像能够提供地物目标的形状、细节、纹理特征;影像应 用质量评价则是通过将该卫星影像应用于北京市城市绿地信息提取的具体工作来进行的,结果表明该卫星影像的 绿地信息提取精度较高,总分类精度达到84.45%,适用于城市绿地信息的提取。     

基于地面人工标志的卫星在轨几何定标方法研究

高分辨遥感卫星影像像点量测精度对卫星在轨几何检校具有重要意义。为了提高“资源三号”卫星影像像点量测精度,设计了四种可移动式高低反射率地面人工标志。利用在轨试验验证和多种像点量测方法,确定了方形十字对顶角标志能够兼顾到标志的最小尺寸与最佳图案的设计要求。该标志具有良好的光学特性和理化特性,对野外环境有很强的适应性。在轨试验结果表明,这种标志可以应用于当前高分辨、三线阵相机影像的像点量测,满足“资源三号”卫星在轨几何检校对预定的0.15像素量测精度的要求。     

归一化阴影植被指数NSVI的构建及其应用效果

以ALOS AVNIR-2、CBERS-02B CCD、HJ1A-CCD2、Landsat 7 ETM四幅中分辨率遥感影像为试验数据,分析明亮区植被、阴影区植被与水体区的光谱特征与差异,基于近红外波段与归一化植被指数NDVI,构建归一化阴影植被指数NSVI,并评价其光谱差异增强及分类效果.结果表明,NSVI大幅扩大了明亮区植被、阴影区植被、水体区间的光谱相对差异,降低光谱混淆概率;利用NSVI阈值法对四幅试验影像进行分类,总精度均大于97%,总Kappa在0.96以上,且阴影区植被的检测精度均在94%以上,总Kappa系数亦高于0.96.该指数利用地物在近红外波段的辐射差异,解决NDVI只能部分削弱地形影响的问题,扩大地物间的光谱差异,从而提升地物尤其是阴影检测的有效性,且不存在NDVI“易饱和”问题,可为遥感影像阴影去除提供一种新的解决方案.     

基于Ecogniton的光学遥感图像舰船目标检测

利用卫星遥感技术对海上舰船目标进行识别定位具有重要的意义。提出了一种基于面向对象的图像分割和分类软件Ecognition的技术方法来提取高分辨率遥感卫星图像中的海上舰船目标。利用多尺度分割算法和光谱差异分割算法对高分辨率卫星图像进行初步分割;利用归一化差异水体指数（NDWI）或灰度共生矩阵（GLCM）同质性纹理特征对陆地和海洋进行辨别;利用对象的相邻关系特征和形状特征来获取潜在的舰船目标;利用数学形态学算子实现舰船目标的连续化,从而获得最终的海上舰船目标。利用高分辨率卫星图像进行了实验验证,实验结果说明了所提出的技术可以有效地实现海上舰船目标的识别与定位。     

端元匹配的遥感影像地物自适应光谱表征

光谱信息是遥感识别地物的依据,而目前已发展的典型地类的光谱指数模型有限,波谱库中的标准地物类型及其普适性也是有限的.鉴于此,提出一种端元匹配的地物自适应光谱表征方法,通过选取贴合影像本身的端元,并综合光谱角和距离度量对影像和端元光谱进行综合匹配.通过ETM+(Enhanced Thematic Mapper)影像上对植被、水体与美国地质调查局(United States Geological Survey,USGS)波谱库及归一化植被/水体指数的对比实验,及阴影、裸地等的验证实验,证实了该方法的有效性和普适性.     

基于深度卷积网络的高分遥感图像语义分割

随着我国高分对地观测系统的不断发展,对高分影像智能化分析与处理的应用需求愈来愈多,基于深度学习语义分割的影像分类也受到高度关注。作为近景图像语义分割的热点模型,Deeplab网络在应用时取得了良好的效果。为了解决多尺度高分辨率遥感影像语义分割问题,本文首先利用空洞卷积扩大Atrous空间金字塔池化（ASPP）结构的感受野,然后对DeepLabv3进行改进并将其用于高分2号遥感影像的分类处理。我们以郴州地区的高分遥感影像为研究对方法进行了验证,首先对原始影像进行预处理,再对预处理图像进行数据增强与扩充,最后通过对不同参数条件下的分类结果进行对比,分析该模型的适应性和精确性。在我们的数据集中,本文方法的实验分类像素精度为88.2％,MIoU达到72.5％,得到了比Deeplab更好的分类效果。      

基于NMF的遥感图像混合像元分解新方法

单形体几何学方法是混合像元分解中一类重要的方法,这类方法均需要一个较强的前提假设,即每一端元在图像中均至少存在一个纯像元.当此前提不满足时,该类方法的精度会大受影响.本文提出一种新的基于非负矩阵因式分解(NMF)算法的混合像元分解方法,以解决上述问题.加入适当的约束条件,可用于多通道混合像元分解问题.模拟数据实验与实际数据实验结果表明,该方法在端元光谱特性提取和丰度解混两方面的精度均优于单形体几何学方法.     

多尺度特征融合U-Net的遥感影像黑臭水体智能检测

研究采用卫星遥感技术获取高分辨率遥感影像水体样本数据集,基于深度卷积神经网络从高分辨遥感影像中提取水体并进行黑臭水体智能监测,提出了一种改进U-Net的黑臭水体检测网络模型(IWDNet)。基于U-Net结构引入跳跃式多尺度特征融合,结合通道注意力机制、卷积注意力模块、通道与空间注意力机制生成不同多尺度特征融合注意力机制(MFFAM)模块进行对比,并引入空洞卷积扩大网络感受野,最终实现黑臭水体的识别检测。实验证明：基于跳跃式多尺度融合与CBAM注意力机制的黑臭水体检测网络(MFFCBAM-IWNet)模型有效提升了识别精度,在高分辨遥感影像水体样本数据集上表现最佳,总体精度达98.56%,Kappa系数达0.978 4。     

基于高分二号卫星遥感数据的建筑物高度提取

建筑高度信息提取是高分辨率卫星遥感获取城市空间信息的热点问题之一。为了实现建筑物高度信息的高精度提取,提出了一种基于 规则信息的面向对象的建筑物高度反演方法。首先根据建筑物阴影几何、纹理、和光谱特征建立基于规则信息的建筑物阴影 提取算法,进行建筑物阴影信息提取,再通过计算像元平均值算出阴影长度,构建卫星、太阳、建筑物和其阴影的空间模型反演 建筑物高度。采用扬州市两个实验区(佳家花园和杉湾小区)的高分二号卫星遥感数据进行高度反演试验,通过对反演小区的105栋 建筑物实际高度测量,对反演结果验证,总体精度为96.5%。表明该方法在城市建筑物高度信息提取方面具有较高的精度。     

基于非下采样Shearlet和FCM变化检测的入侵植物遥感监测

尝试利用变化检测技术从遥感卫星影像上提取入侵植物蔓延的变化区域,实现对入侵植物的遥感监测。以预处理后的福建罗源湾2000年和2006年的LandsatTM／ETM＋分布影像为数据源。首先采用ENVI软件对预处理过的入侵植物互花米草分布的遥感图像进行配准;然后对配准后的两时相遥感图像采用基于非下采样Shearlet变换和模糊C均值聚类（FCM）的算法进行变化检测,实现入侵植物蔓延区域的位置和边界的检测。实验结果表明：该算法可以自动识别入侵植物生长扩散的的面积和边界,能准确地对入侵植物进行遥感监测。     

遥感影像暗原色统计先验分析

遥感影像的成像过程容易受到雾霾的影响,同时雾霾天气日益增多,使得遥感影像去雾工作成为遥感影像数据预处理的重要组成部分。基于暗原色统计先验的暗通道去雾方法已经在自然图像去雾方面得到了广泛应用,而该方法对于遥感影像的适用性还有待评估。以“高分一号”卫星遥感影像为例,讨论了遥感影像的暗原色值特性。结果表明,基于暗原色统计先验的暗通道去雾方法可以应用到遥感影像的雾霾去除工作上。     

基于多源遥感影像的多尺度城市植被覆盖度估算

以Landsat 7 ETM+、SPOT 5和IKONOS遥感影像数据为数据源,利用格网法从1∶500地形图提取的不同空间分辨率的植被覆盖度为参考依据,通过对不同辐射校正水平的遥感影像获得的植被覆盖度进行精度比较分析,对多源多尺度和多源同尺度城市植被覆盖度估算的相关问题进行研究.研究表明,在城市区域进行植被覆盖度估算时,ICM模型为较佳辐射校正模型;对于高分辨遥感影像,NDVI为植被覆盖度估算的较佳植被指数;对于中分辨率影像,植被覆盖度估算的较佳植被指数则为RVI和MSAVI;就研究区而言GI模型比CR模型估算的植被覆盖度更准确.     

利用高分五号AHSI 载荷的高分辨率XCH4 异常探测方法研究

煤矿开采是最重要的甲烷排放源, 然而其排放清单的准确性很低, 一个关键的原因在于缺乏精准识别和定位 该类排放源的能力。近年来, 前沿研究表明可以利用卫星高光谱数据反演高分辨率的甲烷异常, 从而帮助识别排放 源。但是, 在地表类型复杂地区该算法会完全失效。针对这一问题, 率先提出一种基于L1 重加权和迭代收缩阈值算 法(ISTA) 匹配滤波器的算法。利用高分五号(GF-5) 数据在山西地区的实验表明, 该方法性能显著优于现有的其他方 法。实验中, 本方法识别出23 个甲烷强点源, 这些点源全部位于TROPOMI 的甲烷高值区内, 且高分辨遥感影像显示 这些点源处存在典型的煤矿开采设施。该方法的提出为利用GF-5 卫星数据在世界范围实现甲烷点源排查奠定了技 术基础。