复杂环境下高分二号遥感影像的城市地表水体提取

水体指数可以抑制背景噪声和提高地表水体的可分性,已经广泛用于地表水体提取。传统FCM聚类算法考虑了地物的不确定性,但没有顾及地物的邻域空间信息,对背景异质性比较敏感。针对传统FCM聚类算法的不足,提出一种可变邻域的区域FCM聚类算法。由于复杂环境下高分二号(GF-2)遥感影像的城市地表水体具有复杂异质背景和不确定性的特点,本文利用水体指数和区域FCM聚类算法的优点,提出一种整合水体指数和区域FCM的城市地表水体自动提取算法,该算法主要步骤包括:(1)去除影像阴影后计算归一化差分水体指数NDWI(Normalized Difference Water Index);(2)区域FCM聚类算法;(3)整合水体指数和区域FCM聚类的城市地表水体自动提取算法。最后采用两景GF-2高分辨率遥感影像(广州和武汉)进行实验,验证了该算法的有效性,并与经典地表水体提取算法进行对比分析。实验结果表明:该算法具有较高的水体提取精度,城市地表水体边界既具有较好的区域完整性又保持了局部细节,同时对城市地表水体复杂背景噪声具有较好的抑制作用,有效减少传统FCM聚类算法的"胡椒盐"现象。     

高分三号影像水体信息提取

国内外针对陆地水体信息提取、洪涝灾害快速响应方面具有较深入的研究，但是多采用发展较早、图像质量可靠的可见光影像及国外星载SAR影像。中国合成孔径雷达（SAR）卫星高分三号（GF-3）已获取了大量多极化、全极化SAR数据，为了将GF-3影像快速应用到环境保护、水资源管理等行业中，本研究分析了水体与其他目标具有的不同后向散射特性，将阈值分割法与马尔可夫随机场（MRF）相结合，发展了一种检测精度较高、自动化程度强的水体信息提取方法。该方法首先通过直方图统计的方法对不同成像模式、不同极化的GF-3影像进行后向散射强度分析，在阈值分割的研究基础上，比较了最大类间方差法（Otsu）和Kittler and Illingworth（KI）二值化法在水体-非水体分类中的效果。然后结合DEM和GF-3轨道参数排除因阴影现象产生的辐射失真对图像概率分布的影响，得到初始的水体信息分布图，再经过Fisher变换和马尔可夫随机场（MRF）的迭代运算，综合利用GF-3影像的多极化信息和空间上下文信息，以最大后验概率准则输出最终的水体分布图。利用了湖南省东北部不同成像模式的两景GF-3影像进行试验，在成像时间接近的光学影像中随机选择检验样点进行精度评价。实验结果表明，KI方法在GF-3水体提取应用中比Otsu方法具有更强的优势，剔除图像阴影区域后，自动化确定的阈值与目视解译阈值更加接近，通过MRF模型优化以后，实现了对水体信息的连贯提取，对图像噪声具有较强的抑制作用。本研究对水体目标的提取精度均达到了85%以上，实验结果精度优于基于光学影像的水体指数法，整个流程需要很少的人工经验参与，具有自动化程度强、检测精度高的优势。     

国产高分三号卫星干涉测量试验

主要利用国产高分三号(GF-3)卫星数据通过合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术提取试验区域数字高程模型(digital elevation model,DEM).首先介绍了GF-3卫星及其主要成像模式;然后介绍了InSAR数据处理过程及其关键技术,包括基线估计、影像配准、相位解缠等,并介绍其典型算法;最后利用GF-3试验数据提取DEM并对其进行精度评价.试验验证了目前国产SAR(synthetic aperture radar)卫星在干涉成像、干涉测量方面的能力.     

基于局部自适应阈值的GF-3 SAR影像洪涝水体提取

针对全局阈值法在大场景SAR图像水体提取时存在的局限性以及山体阴影对水体提取的干扰,提出一种DEM辅助下基于自适应阈值的SAR影像洪涝水体提取方法.首先结合DEM和SAR卫星轨道参数去除山体阴影产生的辐射失真区域,利用K-means聚类算法得到初始的水体分布图;然后在初始水体信息基础上,通过窗口提取局部区域的水体和非水体,并采用KI算法对局部区域进行自适应阈值的计算,实现自适应阈值水体信息的快速提取.利用湖南省东北部GF-3精细条带2成像模式(FSII)SAR影像进行洪涝水体提取实验,研究表明该方法既保留了水体的细节信息,又能减弱噪声、山体阴影等的影响,F-Measure指数高于全局阈值法,其查准率较全局阈值法提高了7.97％,尤其适用于含山区影像的大范围洪涝水体快速提取.     

顾及GF-3影像纹理特征的洪涝范围提取方法

洪涝灾害给社会、经济造成巨大损失,及时、快速监测洪涝范围在抗灾救灾中具有重要意义。合成孔径雷达(SAR)由于其主动式微波成像的机理,可为全天时、全天候、大范围洪涝灾害监测提供支持。本文首先以高分三号(GF-3)卫星影像为数据源,基于灰度共生矩阵(GLCM)、局部二值模式(LBP)等6种纹理描述方法提取138个SAR影像纹理特征;然后利用随机森林(RF)指标重要性评估功能,筛选出重要性得分较高的纹理特征进行水体信息提取;最后结合数学形态学对初始水体提取结果进行后处理,评估安徽巢湖附近区域洪涝灾害。试验表明,本文方法的水体提取精度优于传统阈值法(Otsu)及分类算法(KNN和SVM),可有效提取洪涝灾害的影响范围,为选取合适的SAR影像纹理特征进行洪涝范围快速监测提供参考。     

基于模糊最大似然估计算法的遥感影像分割

针对模糊K-均值算法依赖于群集原型的初始估计和对于数据中所存在的子群数目做出假设的缺点,结合最大似然估计,提出了不依赖先验假设的模糊聚类法——基于模糊最大似然估计的遥感影像分割算法。该算法在模糊最大似然估计算法中用模糊协方差来计算后验概率,用后验概率矩阵代替隶属度矩阵来进行划分。先用模糊K-均值进行图像预处理,然后用模糊最大似然估计算法进行分割。此外,本文用性能指标参数——超体积指标FHV来评价最优的类别数目。本文通过对模拟影像和真实影像的实验,验证了该算法的有效性和准确性。     

基于空间模糊C均值聚类和贝叶斯网络的高分一号遥感影像变化检测

在目前经典的变化检测算法中,后验概率空间变化向量分析(CVAPS)方法广泛用于遥感影像的变化检测。然而,基于支持向量机(SVM)的CVAPS法无法有效处理高分一号影像中等分辨率遥感影像中的混合像元问题,且难以有效保证变化检测的精度。因此,本文通过引入空间信息,使用空间模糊C均值聚类(Spatial Fuzzy C Means, SFCM)有效地实现高分一号影像混合像元的分解,并结合简单贝叶斯网络(SBN),提出一种新的后验概率空间变化向量分析法SFCM-SBN-CVAPS。实验结果表明,本文算法的总体精度和Kappa系数均高于基于普通模糊C均值聚类(Fuzzy C Means, FCM)的CVAPS算法,且耗时更短,本文所提出的算法有助于提高遥感影像变化检测的精度和效率。     

基于贝叶斯框架和Gamma分布的SAR图像分割

图像分割作为图像处理的关键步骤之一,一种高精度的SAR图像分割方法在图像分析与解译中显得尤为重要。根据SAR图像的统计特性,本文主要研究基于贝叶斯框架和Gamma分布的SAR图像分割方法,分别以单一Gamma分布概率模型和Gamma混合模型定义像素属于聚类的或然率;此外,基于马尔科夫随机场理论定义像素与其邻域像素标号间相互作用关系,并以此作为先验概率;然后,根据贝叶斯定理得到像素属于聚类的后验概率。最后,分别基于上述两种方法对模拟SAR图像及真实SAR图像进行分割实验。结果表明,Gamma混合模型较单一Gamma分布能够更加准确地描述SAR图像分布特征,得到高精度的分割结果。     

综合遥感解译2022年Mw 6.7青海门源地震地表破裂带

2022-01-08中国青海省门源县发生Mw 6.7地震,直接导致兰新高铁受损停运,引起了国内外的高度关注。为了评估交通网的受损情况,提出一种综合光学遥感影像、合成孔径雷达（synthetic aperture radar, SAR）影像、无人机影像和激光雷达（light detection and ranging, LiDAR）数据解译地震地表破裂带的技术框架。针对此次门源事件,首先,获取高分1号（GF-1）、高分7号（GF-7）、Sentinel-2光学遥感影像和Sentinel-1A SAR影像,根据GF-1和GF-7光学遥感影像确定地表破裂带的空间分布特征,并利用光学像素偏移量技术估计东西向和南北方向二维地表形变场;其次,利用SAR像素偏移量技术获取距离向和方位向地表形变场, 同时利用差分干涉技术获取雷达视线向的地表形变(即距离向);然后,采用运动结构恢复技术处理无人机影像获取高精度的数字地表模型;最后,综合利用上述信息精确确定地震地表破裂的空间分布和地表形变特征。结果表明,此次地震东西向最大形变量约为2.0 m,距离向最大形变量约为1.5 m,该破裂带总长约为36.22 km。结合门源地区公路交通网,基于机器学习方法支持向量机模型对历史地质灾害点的分布以及地表破裂带进行分析,发现此次地震对高速公路带来的影响最大,对乡道的影响最小;交通干线G0611和G338东南段具有很高的灾害风险。所提技术框架可精密地解译地表破裂,在地震减灾中直接发挥作用。     

基于高分一号遥感影像的农村黑臭水体识别方法研究

农村黑臭水体治理是改善农村人居环境的一项非常重要的内容,黑臭水体识别是黑臭水体治理的前提和基础。本文在反射率光谱指数BOI(Black and Odorous water Index)的黑臭水体识别模型基础上,结合省基础测绘数据、高分辨率数字正射影像等专题资料,提出了基于高分一号(GF-1)遥感影像的农村黑臭水体识别模型,能够初步判别农村黑臭水体分布情况,为快速获取农村黑臭水体空间位置提供了解决方案,在农村黑臭水体治理中具有一定的应用价值。     

基于阈值分割与决策树的SAR影像水体信息提取

目前我国的GF-3 SAR数据可实现全天时全天候的对地观测,已服务于海洋、减灾、水利、气象等多个领域。改进了基于阈值分割法与决策树的GF-3 SAR影像水体信息提取方法,首先对GF-3 SAR影像进行基本处理;再采用KI二值化阈值分割法进行图像分割;然后通过构建知识决策树模型来提取水体信息,为了提高精度,采用GDEM数据进行地表建模,提取山体阴影;最后利用空间分析功能将地形建模阴影图与提取的水体范围进行匹配,去除山体阴影,进而获得水体信息的精确范围。通过混淆矩阵计算得到水体信息提取的总体精度为89.22%,Kappa系数为0.71,精度优于基于光学GF-2号影像的水体指数法提取结果。整个流程人工干预少,具有自动化更强、效率更高的优势。     

稀少控制的多平台星载SAR联合几何定标方法

几何定标采用地面控制点获取距离-多普勒模型中的精确几何参数,用于完成星载SAR影像高精度几何定位。但在广域范围内,特别是高山地区域,控制点极难获取。此外,传统定标方法仅面向单一平台SAR影像,尚不能实现多平台影像的联合几何定标。针对上述问题,本文提出一种基于稀少控制的多平台星载SAR联合几何定标方法。该方法从包含实测控制点的主影像出发,使用点位追踪算法获取主影像与从影像之间的连接点,并以连接点为桥梁逐级完成从影像的几何定标。本文采用京津冀地区南北向分布共计235 km的3景TerraSAR-X、3景TanDEM-X、5景高分三号影像进行联合几何定标试验,仅使用5个控制点即完成了所有影像的几何定标,并利用SF-3050星站差分GNSS接收机采集实测GPS点进行精度评价。结果表明使用稀少控制点定标后的TSX/TDX影像的几何定位精度优于3 m,GF-3影像的几何定位精度优于7.5 m,验证了该方法的有效性和正确性。     

高分三号SAR影像广域范围联合几何检校技术

在获取广域范围雷达遥感正射影像图时,需要对区域内每景SAR影像进行几何参数修正,提高SAR影像的定位精度。但在广域范围进行控制点的选取和影像的逐一修正,其工作量巨大,严重影响了SAR影像分析应用的效率。对此,本文提出了一种广域范围联合几何检校方法。该方法在R-D模型的基础上,首先利用少许SAR影像计算其独立的系统级检校参数,其次去除系统级检校参数中大气延迟分量的影响,然后依据最小二乘平差原理获取最优的系统级检校参数,最后利用最优的系统级检校参数对所有SAR影像进行几何检校处理。论文采用覆盖中国中东部地区的32景GF-3SAR影像进行联合几何检校试验,检校后的SAR影像定位中误差优于9 m。试验结果表明:该方法能够提高GF-3 SAR影像几何检校的精度,验证了其有效性和可行性。     

多源高分辨率卫星影像监测黑臭水体的适用性研究

高分辨率卫星的幅宽一般很小,受云雨和轨道回访周期影响,单颗卫星的短时段内覆盖能力有限,因此,单一高分辨率卫星常常无法满足一定时段内的黑臭水体监测需求,需要多源卫星协同监测黑臭水体。为了分析多源高分辨率影像对黑臭水体遥感监测的适用性,本文基于地物光谱仪实测的水体遥感反射率数据,以GeoEye-1、WorldView-2、北京二号(DMC3)、高景一号SV1(SuperView-1)以及GF-PMS系列(GF-1/1B/1C/1D、GF-2、GF-6)传感器波段进行等效计算,结果表明:(1)采用反射率比值模型——BOI(Black and Odorous water Index)模型,GeoEye-1、WorldView-2、SuperView-1和GF-1/1B/1C/1D/2/6影像识别黑臭水体正确率均较高,分别为89.5%、89.5%、92.1%和92.1%。(2)BOI模型不适用于DMC3,这里采用了归一化水体指数NDWI≤0.55判别黑臭水体,识别正确率为89.5%。(3)BOI模型应用于仅有的2景同步卫星影像——GF-2影像,经实测数据验证,识别精度为83.3%,精度较高。针对通州区内的某重叠区,2016年—2021年10颗多源卫星影像协同观测的结果一致性较好,表明了多源遥感影像监测黑臭水体的适用性较好。综合考虑卫星影像空间分辨率和采购成本,给出了合理的协同观测建议。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

稀少控制下TerraSAR-X影像高精度直接定位方法

基于轨道数据的星载SAR影像直接地理定位技术是解决稀少控制条件下测图处理的重要手段之一,本文基于距离-多普勒(Range-Doppler,R-D)模型和地球物理模型,提出了一种由粗到精的TerraSAR影像直接地理定位方法.首先利用AIRGM算法对SAR影像目标进行粗定位,然后结合低分辨率DEM对SAR影像进行精定位,...     

利用基准色调的大范围卫星影像色彩一致性处理算法

由于季节、光照、大气条件等的不同,大范围卫星影像间色调差异较大,镶嵌后影像接边处存在明显"拼接缝"。针对此问题本文提出了一种卫星影像色彩一致性算法,以覆盖测区、色彩一致性较好的低分辨率卫星影像为基准色调底图,对测区内源影像进行自动的色彩校正。选取大范围、时相差异较大的高分一号卫星影像进行试验,经本文算法处理,影像镶嵌后整体视觉效果较好,接边处色彩过渡平滑,影像重叠区域各项统计指标良好,验证了该算法的有效性和可靠性。     

高分二号异轨立体数据的森林高度提取

森林植被碳储量的空间分布格局及其动态变化是陆地生态系统碳收支核算的基础。作为森林地上生物量的重要指示因子,森林高度的精确估算是提高森林植被碳储量估算精度的关键。现有研究已证明,由专业星载摄影测量系统获取的立体观测数据可用于森林高度提取,但光学遥感数据最大的问题是受云雨等天气因素的影响严重。区域森林地上生物量产品的生产需要充分挖掘潜在数据源。国产高分二号卫星(GF-2)虽然不是为获取立体观测数据而设计的专业星载摄影测量系统,但其获取的图像空间分辨率可达0.8 m,且具备±35°的的侧摆能力,在重复观测区域可构成异轨立体观测。本文以分别获取于2015年6月20日和2016年7月19的GF-2数据作为立体像对,其标称轨道侧摆角分别为0.00118°和20.4984°,以激光雷达数据获取的林下地形(DEM)和森林高度(CHM)为参考,对利用GF-2立体观测数据进行森林高度提取进行了研究。通过对立体处理得到的摄影测量点云的栅格化得到DSM,以激光雷达数据提供的DEM作为林下地形,得到了GF-2的CHM。结果表明GF-2提取的CHM与激光雷达CHM空间分布格局较为一致,两者之间存在明显的相关性,像素对像素的线性相关性(R2)达到0.51,均方根误差(RMSE)为3.6 m。研究结果表明,在林下地形已知的情况下,GF-2立体观测数据可用于森林高度估算。