基于时间序列遥感数据的植被覆盖度反演研究

基于案例分析,阐述时间序列遥感数据的植被覆盖度反演,结合GIS和RS技术,采用像元二分模型提取估算植被覆盖度,通过数理统计方法得到植被覆盖率的变化规律,从而为研究城市生态环境变化状况提供参考,并对城郊地表环境的改善及建设提供参考依据。     

基于遥感影像的漓江流域植被覆盖度动态变化研究

本文以漓江流域作为研究区域,用1991、2006年的TM影像和2012年的HJ1A影像作为数据源,利用归一化植被指数(NDVI)像元二分模型估算出的漓江流域不同时期的植被覆盖度信息结果进行了变化监测研究,分析了变化原因.结果显示,1991~2012年间,漓江流域的植被覆盖度变化以稳定为主,稳定部分的面积占总面积的41.478%;植被覆盖度增加部分的面积占总面积的40.340%,减少部分的面积占总面积的18.182%,增加部分的面积大于减少部分的面积;说明1991年至2012年漓江流域的植被覆盖度整体上呈现上升的趋势,其原因是漓江流域内林区的保护以及植树造林的措施比较到位,而部分区域植被覆盖度的下降主要是受人为因素的影响,需要在今后的发展过程中,继续加大漓江流域的生态环境保护,尽量减少人为原因的破坏.     

自适应形态学与多尺度结合的植被区域遥感图像分割方法

为减小植被区域遥感图像分割误差,解决植被区域中待分割目标因覆盖度和噪声等因素造成的过分割和欠分割问题,提出了一种自适应形态学与多尺度结合的植被区域遥感图像分割方法。首先,通过general adaptive neighborhood(GAN)结构元素构造膨胀和腐蚀运算,推导出GAN形态学开、闭运算;然后,构造一种GAN形态学复合型滤波器,填充植被覆盖度不足的孔洞,减小噪声对图像的干扰;最后,通过多尺度分割算法,对遥感图像植被区域进行分割。实验结果表明：所提方法能够有效避免欠分割和过分割现象且能对遥感图像植被区域进行准确分割;与传统多尺度分割和传统形态学与多尺度结合方法相比,所提方法的分割误差较小。     

多尺度多特征融合的高分辨率遥感影像分类

针对高分辨率遥感影像多尺度、空间分布复杂以及特征繁多的特点,从遥感影像特征提取的尺度效应以及各类地物显著性特征各异入手,提出了基于多尺度多特征融合的高分辨率遥感影像分类的方法。该方法构建最优尺度分割函数模型,寻找出各地物的最优尺度,分别提取影像的纹理、颜色和形状特征。在此基础上,利用各地物特征的显著性差异实现多尺度下多特征的加权融合。该加权融合方法突破了常规的最优尺度分割算法未能充分考虑各类地物特征差异性的局限性,通过分析各类地物的显著性,建立了各个特征在分类中所占权重的模型。实验结果表明：相对传统无监督分类算法,该方法准确率提高约7%,且运行效率高。     

基于像元二分模型的植被覆盖动态监测——以北京市密云、延庆、怀柔为例

以北京市密云、延庆、怀柔三地区为研究区域,利用该区域2001年及2010年的遥感影像对两年的植被覆盖度进行反演及对比。综合运用图像预处理、NDVI计算及像元二分法确定土壤与植被NDVI阈值等方法对植被覆盖度信息提取,最终比较不同年份不同植被覆盖度的面积百分比。     

基于遥感影像的城市植被信息提取研究方法综述

针对目前利用遥感影像进行城市植被信息提取的研究现状,对面向对象方法的IKONOS影像、基于高光谱遥感技术、基于NDVI与原始波段组合的植被信息提取这三种方法的关键步骤进行描述、比较。     

基于核的多尺度纹理特征遥感影像SVM分类

遥感影像的分类精度受到多方面的影响,如遥感影像的质量,所选的分类方法和有效的辅助数据等。为了得到更好的分类结果,很多科研人员提出了各种各样的方法。文中针对遥感影像分类问题,提出一种结合核主成分分析和多尺度纹理的高分辨率遥感影像支持向量机分类方法。实验结果表明,该方法能有效地提取地物类型,提高分类精度。     

基于视觉复杂度的自适应尺度遥感影像分割

遥感影像中的对象尺度差异巨大,任何单一尺度的分割很难产生令人满意的结果。该文认为可以根据场景的视觉复杂程度选择合适的分割尺度,并据此提出一种自适应尺度的分割算法。根据Watson视觉模型计算场景复杂度,用以调节统计区域合并(SRM)算法的分割尺度。此外,该文还将SRM改进为动态合并方式,并扩展到多波段的遥感影像。实验结果表明,该文提出的自适应尺度分割算法,比单一尺度下的分割精度更高。     

基于多尺度Retinex算法的遥感图像增强

遥感图像增强是对遥感图像进行后继处理的必要步骤且在遥感图像的处理中占有独特的地位.当前,有很多图像增强方法被应用到遥感图像的增强当中,文中引入Retinex增强算法,该算法可以实现对图像进行自适应的增强处理.为了使Retinex算法更具有普遍性和自适应性,采用多尺度Retinex算法对图像进行增强.多尺度Retinex算法即结合多个尺度上的单Retinex算法,因而可以进一步提高Retinex算法的自适应能力和对图像的增强效果.应用小波变换方法和多尺度Retinex算法对遥感图像进行增强对比实验,实验结果表明多尺度Retinex算法在遥感图像的增强方面具有优越性,并且可以取得令人满意的增强效果.     

基于FME的无人机遥感影像几何校正

遥感影像几何校正的质量和速度将会直接影响到后续的数据处理和定量提取信息的质量.基于大数据量的3级无人机影像,探讨将其从西安80坐标转换到北京54坐标的快速处理方法.分别采用Erdas二次多项式变换和FME仿射变换进行单幅影像校正,对比发现仿射变换校正后的影像与参考卫星影像地物匹配效果更好,可达到应用的精度.并利用FME批处理功能,大大提高了工作效率.实验表明：当控制点精度满足要求且原始到目标坐标系的转换属于二维线性变换时,FME是快速几何校正的一种有效手段.     

基于多时相遥感影像的天津市中心城区生态环境质量评价

针对城市扩张使得城市生态环境质量下降的现象,基于2014、2016、2018年三个时相的Landsat8 OLI＿TIRS卫星数字产品影像数据,运用遥感生态指数(RSEI)对天津市中心城区生态环境质量变化进行了评价与分析。研究结果表明RSEI对于城市化程度高、城市房屋集中且紧凑的天津市中心城区有较好的适用性,能够对环境质量进行监测,也对空间变化的研究起到了重要的作用。具体表现为：2014、2016、2018年天津市中心城区的RSEI均值分别为0.547、0.463、0.478; RSEI地理位置上从北至南、从西至东呈现出低-高-低的倒U型趋势。天津中心城区的各指数相关性分析表明,干度指标(NDBSI)是影响研究区生态环境质量最大的指数,有很大的消极影响,是天津市中心城区未来改善生态环境的重要参考。在天津市中心城区的成功示范,表明RSEI在生态环境质量评估上的应用可为掌握城市生态环境质量、监测治理区域环境和规划建设城市提供积极的参考。     

基于机载高光谱遥感图像的城市绿地覆盖研究

针对Kappa系数低,绿地提取结果完整性差和图像分割精度低的问题,进行基于机载高光谱遥感图像的城市绿地覆盖研究.利用小波变换融合机载高光谱遥感图像,增强图像,清晰化图像边缘并分割图像,获取多个不规则的多边形图像,合并匹配度较高的机载高光谱遥感图像,在提高数据完整度的同时简化数据,提取机载高光谱遥感图像中的绿地覆盖特征,...     

森林冠层氮含量遥感估算

使用高光谱数据估算叶片与冠层尺度的森林氮含量.首先采用基于高斯误差函数的BP神经网络Erf-BP建立叶片尺度氮含量的遥感估算模型;其次根据几何光学模型原理,推导冠层光谱与叶片光谱的尺度转化函数,将Hy-perion影像的冠层光谱转换到叶片尺度并反演叶片尺度的氮含量;最后,利用森林结构参数LAI得到研究区域冠层尺度氮含量.结果表明,隐含层包含8个神经元的Erf-BP模型最优,检验精度为76.8597%;利用尺度转化函数估算670 nm和865 nm冠层光谱与实测光谱决定系数为0.5203和0.4117;反演叶片尺度氮含量与实测数据的决定系数为0.7019;该方法为高精度快速估算叶片和冠层尺度森林氮含量提供参考.     

基于极限学习机的遥感影像阴影检测

为提高阴影检测精度,采用基于极限学习机的遥感影像阴影检测方法,将纹理特征的能量、熵、对比度和逆差距4个指数作为输入特征向量训练学习机模型,实现阴影区域的检测。实验结果表明,当纹理窗口大小为4×4,步长为1时,能够将阴影区域较好地检测出来。该方法能够克服阈值法的地物错检问题以及反复选取阈值的缺点,并解决了神经网络及支持向量机多参数选取困难的问题,有效地提高了阴影区域检测速度和精度,具有较好的鲁棒性和泛化性能,综合性能优于阈值法、神经网络和支持向量机。     

基于小波的全局多源遥感图像信息融合方法

提出的图像信息融合方法用于解决传统方法在空间分辨率等方面的不足。原始图像经过小波变换，分解成子图像，再进行分块处理，高、低分辨率图像根据全局方差准则分别计算融合的权值系数，进行图像融合重建，然后，对图像采用全局法进行信息融合，实验表明，方法切实可行，能使低分辨率图像接近于高分辨率图像。     

基于多特征组合的彩色遥感图像分类研究

为了解决利用单一特征对彩色遥感图像进行分类效果不理想、普适性不强等问题,提出了一种基于颜色和纹理特征组合的支持向量机彩色遥感图像分类方法。该方法尝试将彩色遥感图像的颜色信息和纹理信息相结合作为支持向量机算法分类的特征向量,据此对遥感影像进行分类,并进行了实验验证。结果表明,颜色和纹理特征组合的支持向量机分类方法能够取得较高的分类精度,其分类效果优于传统的单一颜色或纹理特征分类,是一种有效的彩色遥感图像分类方法。     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

基于高分影像的林地覆盖遥感动态监测

遥感监测具有高时效、高分辨率、低成本等优点。文章以高分影像为实验数据,对湖北省宜昌市点军区的林地资源进行变化监测,用最大似然法(maximum likelihood)进行分类,最后得到林地覆盖的变化小班。试验证明基于遥感影像的变化监测比人工实地勘察得到的林地更新数据要精准且省时,在大面积林地覆盖度的测量有很好的应用前景。