两种基于空间相关性的遥感亚像元分类制图方法对比分析

为了对比基于Hopfield Neural Network(HNN)和几何绘图的遥感亚像元分类制图方法的具体性能,验证空间相关性原理用于遥感亚像元定位的可行性。以一个研究区的TM影像为对象,通过利用HNN和几何亚像元制图方法,获得该区的亚像元定位结果,对比分析了各方法的视觉效果、精度和时间复杂度。结果表明:空间相关性特性在两种方法中得到了良好的体现,为后续亚像元制图研究应用提供参考。     

遥感影像超分辨率制图研究进展

尺度问题是土地覆盖分类中的一个核心问题,向下尺度转换又是其中的难点。混合像元分解可以得到亚像元尺度的类别组分百分比,但无法求得亚像元的具体位置。遥感影像超分辨率制图是由粗空间分辨率的影像得到高空间分辨率分类结果图的技术,可用于地表分类向下尺度转换,近年来该技术已成为遥感影像分类和尺度转换领域的研究热点。对超分辨率制图研究进展做了详细论述,从超分辨率制图的发展和研究现状、主要方法、精度评价等几方面进行了详细阐述,并分析了当前超分辨率制图算法存在的主要问题,以及可能的研究重点和发展空间。     

遥感影像亚像元定位研究综述

遥感影像亚像元定位是在混合像元分解基础上,利用地物空间分布特征确定不同地物类型在混合像元中的具体位置,得到亚像元尺度的地物分类图,是一种有效解决混合像元空间不确定性的方法。首先介绍遥感影像亚像元定位的基本概念,分析亚像元定位的理论模型和求解算法;然后总结亚像元定位模型的误差来源、精度评价方法以及结果不确定性的表达手段,同时讨论利用辅助数据源提高亚像元定位精度的主要方法;最后对亚像元定位的研究趋势做了进一步展望。     

基于元胞自动机模型的遥感图像亚像元定位

由于遥感图像中普遍存在混合像元,因此传统分类方法得到的结果通常会存在较大误差,应用混合像元分解技术,虽然可以得到混合像元中各端元组分的丰度,但是却不能得到各端元组分的空间分布状态,而亚像元定位则是在混合像元分解的基础上,将混合像元剖分为亚像元,再利用端元组分的丰度及像元空间分布的特点,将亚像元赋予不同端元组分来得到各端元组分的空间分布情况,以提高遥感图像分类的精度。为了更好地解决亚像元定位问题,结合亚像元定位的理论模型,提出了一种新的元胞自动机模型,并通过模拟数据和实际数据对该模型进行了检验,结果表明,该模型是一种简单有效的解决亚像元定位问题的方法。     

基于单亲遗传算法和子像元/像元空间吸引模型的亚像元制图研究

混合像元普遍存在于遥感图像数据中。与传统的硬分类(Hard Classification)方法相比,在处理混合像元时,软分类(Soft Classification)技术可以避免信息丢失;但是,通过软分类技术获得的结果,仍然无法确定各分类在像元中的具体位置。子像元制图(或超分辨率制图、亚像元制图)技术能将软分类技术得到的结果转化为更高分辨率的图像,它能兼得软分类和硬分类两者的优势。将遗传算法的一个变种-单亲遗传算法应用于子像元制图,结合子像元/像元空间吸引模型,单亲遗传算法能直接获得子像元制图结果。以合成的图像和实际的土地覆盖图像为实验对象,通过目视比较和定量精度评价,与硬分类的结果相比,该方法能取得更高的制图精度和更好的结果。     

基于各向异性Markov随机场的遥感影像亚像元尺度建筑物提取

基于遥感影像的建筑物自动提取方法容易受混合像元影响,目标提取精度不高。亚像元定位可以提取亚像元尺度地物分布信息,减轻混合像元对目标提取结果造成的影响。传统亚像元定位模型采用各向同性邻域描述地物的空间相关性,并没有考虑地物特有的形状信息,难以满足建筑物提取的需要。在考虑建筑物光谱特征的基础上,建立了平行与垂直于目标建筑物主方向的各向异性邻域,并采用基于各向异性Markov随机场的亚像元定位模型进行了亚像元尺度的建筑物提取。基于QuickBird多光谱数据与AVIRIS高光谱数据的实验结果表明,该模型提取的建筑物不仅具有更高的空间分辨率,而且能够较好地保持建筑物边缘与角点的形状信息,是一种有效的亚像元尺度建筑物提取方法。     

针对ETM基于BP网络像元分解模型分类研究

限制遥感图像分类精度的一个主要原因是混合像元问题。因此像元分解也一直是遥感研究的一个热点问题。本针对传统像元分解方法的缺点，首先对影像进行纯净像元提取，再对混合像元进行分解。在提取纯净像元时，利用ETM影像的全色波段和单波段不同的分辨率选取训练样本，从而克服了传统像元分解中需要两种影像或地面实测资料的缺点。然后用BP神经网络对混合像元进行分解。同时用民乐县的ETM影像作了试验。又利用对应的土地利用图作了验证。取得了比较好的效果。     

基于遥感的黄河三角洲地区盐碱地分布监测

借助遥感技术可以快速准确提取盐碱地分布信息,本文使用TM遥感影像,利用光谱分析和图像处理相结合的方法,参考地理数据,对黄河三角洲地区盐碱地的分布状况进行了遥感分析。通过最大似然分类及神经网络亚像元分类两种监督分类方法的分类精度比较后发现,后者分类精度得到有效提高,总体分类精度从80.8%上升到85.6%,对于盐碱地地类的分类精度提高到85.45%。最后,在此基础上给出了该地区盐碱地分布图。     

基于Sentinel-2的闪电河流域农作物分类研究

以内蒙古闪电河流域为研究区,基于Sentinel2光学遥感影像结合随机森林和支持向量机算法,采用3种方案:基于像元的分类方法、面向对象的分类方法及改进的基于像元分类与面向对象分割相结合的集成方法,对研究区内的农作物进行精细提取.结果表明:①基于随机森林采用基于像元的方法进行分类,所有地类的总体精度为97.8％,Kapp...     

基于局部连续性与全局相似性的光谱保持型亚像元映射

遥感图像的像元级分类精度受混合像元的影响. 亚像元映射以像元分解获得的丰度值为基础,在地物分布规律的约束下,细化估计各类地物的亚像元级分布模式. 本文同时考虑了地物分布的空间与光谱信息,提出了一种基于局部连续性与全局相似性的光谱保持型亚像元映射算法. 针对地物的空间分布特性,提出了利用类内离散度对局部连续性进行建模,并通过相似分布像元表示误差引入全局相似性约束项. 针对地物的光谱特性,采用最小化光谱误差约束了亚像元映射过程中的光谱无失真性. 模拟数据与真实数据上的实验结果表明,本文算法比其他同类算法具有更高的估计精度,且更适合于实际应用.     

Sub-pixel Mapping with Partheno-Genetic Algorithm and Sub-pixel/pixel Spatial Attraction Model

Mixed pixels are widely presented in remotely sensed images.Soft classification techniques can avoid the loss of information comparing to hard classification methods while handling mixed pixels.However,the assignment to these classes by soft classification does not specify the location in the pixel.Sub-pixel mapping (or super-resolution mapping) is a technique which designed to use the information obtained by soft classification to get a sharpened image and it can incorporate benefits of both hard and soft classification techniques.In this paper,a variation of genetic algorithm,named as partheno-genetic algorithm (PGA),is developed to accomplish the sub\|pixel mapping.With the sub-pixel/pixel attraction model,PGA can achieve sub-pixel mapping in a straightforward one-pass process.It is evaluated with artificial and degraded land cover images by visual and quantitative classification accuracy indices.The results show this method can increase accuracy while compared to hard classification.     

多尺度卫星雪盖面积获取的对比研究

系统地开展尺度和尺度效应的研究,综合利用日益增多的不同分辨率的遥感影像数据,是地球空间信息科学发展的趋势之一。作为多尺度转换大命题中的前期工作,旨在通过试验的手段检验不同尺度产品的真实性,发现多尺度转换中潜在的各种问题,以及探索可行性的尺度转换方法,为进一步的多尺度转换研究工作提供良好的背景知识。多尺度雪盖面积的获取,包括两样区1 m分辨率野外人工子像元雪盖、两样区30 m分辨率子像元重采样雪盖、30 m Hyperion和TM卫星反演雪盖、以及MODIS 500 m分辨率的MOD10A1雪盖日产品。通过对上述不同尺度获取的雪盖面积的相互对比研究,我们发现：①1 m样区的雪盖>30 m重采样雪盖>30 m Hyperion和TM的雪盖 ;②若把1 m样区看做500 m像元的单点试验,该单点不能完全正确地表征同位置像元上的地物特征 ;③MOD10A1产品有云覆盖地区,宜采用前后雪盖合成的方法来辅助判断并恢复当日云层下的地表类型。同时,通过对各像元级尺度的雪盖面积的真实性检验,我们也发现尺度转换需关注的潜在关键问题：①精确的像元匹配 ;②重采样方式 ;③数据获取时间以及产品时间序列 ;④多传感器图像处理 ;⑤产品算法的影响 ;⑥混合像元的影响 ;⑦试验样方的大小设计 ;⑧地面同步物理参数的测量 ;⑨空间异质性的定量表达。     

遥感湖泊面积MTMF提取方法及空间尺度效应研究

主要研究遥感湖泊面积亚像元分解提取方法和空间尺度效应,为遥感湖泊面积提取、检验及基于此的局地气候变化分析提供科学的基础数据。在对TM遥感数据进行升尺度处理的基础上,采用混合调制匹配滤波(Mixture Tuned Matched Filtering,MTMF)进行亚像元分解,得到不同空间分辨率的湖泊面积。进而分析不同面积湖泊随遥感空间尺度的变化。结果表明:(1)当通过对高空间分辨率的遥感数据重采样获取多尺度遥感影像进行湖泊面积提取及湖泊空间尺度效应分析时,采用最近邻法比像元聚合重采样法更合理。(2)MTMF亚像元分解法可以用于基于水体光谱特征的遥感湖泊边界提取和面积计算,但边界提取过程中容易将湖泊与河流或其他非湖泊的水体混淆。(3)遥感湖泊面积的提取结果受所用遥感影像空间分辨率的影响较大,影像的空间分辨率越低,湖泊面积提取的偏差越大,尤其对面积较小的湖泊。     

Vectorial boundary-based sub-pixel mapping method for remote-sensing imagery

This article presents a vectorial boundary-based sub-pixel mapping (VBSPM) method to obtain the land-cover distribution with finer spatial resolution in mixed pixels. With inheritance from the geometric SPM (GSPM), VBSPM first geometrically partitions a mixed pixel using polygons, and then utilizes a vectorial boundary extraction model (VBEM), rather than the rasterization method in GSPM, to determine the location and length of each edge in the polygon, while these edges are located at the boundary of and within the interior of the mixed pixel. Furthermore, VBSPM uses a decay function to manage the mixed pixels along the image boundary region due to the missing parts of their neighbours. Finally, a ray-crossing algorithm is employed to determine the land-cover class of each sub-pixel in terms of vectorial boundaries. The experiments with artificial and remotely sensed images have demonstrated that VBSPM can reduce the inconsistency between the boundaries of different land-cover classes, approximately calculating errors with an odd zoom factor, and achieve more accurate sub-pixel mapping results than the hard classification methods and GSPM.     

结合超分辨率重建的神经网络亚像元定位方法

遥感影像中普遍存在着混合像元,如何分析和解译混合像元一直是人们研究的热点。亚像元定位方法是将混合像元分解成为亚像元,并赋予不同的端元组分,以提高影像整体分类精度的一种技术。本文在神经网络亚像元定位模型的基础上,结合超分辨率重建理论,提出一种新型的BPMAP模型,在每一个类别的组成分图像与亚像元定位图像之间建立起高、低分辨率的观测模型,采用最大后验估计（MAP）算法对BP神经网络的定位结果进行约束,最终确定混合像元内部各组分合适的空间位置。通过对模拟的简单图像和长江三峡地区的ETM影像进行实验,结果表明,与神经网络模型相比,本文方法能够更加有效地解决亚像元定位的问题,进一步消除定位过程中产生的误差,提高精度。     

基于改进SAM的高光谱影像混合像元分解算法研究

将传统遥感图像分类方法中的光谱角度制图法(Spectral Angle Mapping-SAM)加以变换,改进为一种符合全约束条件下的高光谱遥感图像的混合像元分解模型.新算法在端元丰度比例满足全约束的条件下,通过逼近的方法寻找一种端元丰度的比例组合,使测试光谱与目标光谱的广义夹角最小,从而认为该比例组合就是混合像元分解...