面向Sentinel-2影像的亚像元级水体提取方法

结合Sentinel-2影像及其他高分辨率卫星数据进行长序列、高频次、大范围的水面率、蓄水量、生态流量等水资源要素监测具有重要意义。为了提高水体提取精度,解决利用多源中高分辨率卫星数据提取水体时的空间尺度效应问题,本文提出了一种面向Sentinel-2影像的亚像元级水体提取方法(简称SWES)。首先利用RWI提取纯水体像元,然后利用膨胀算法提取水陆边界混合像元,最后为解决地物的类内光谱变化问题,采用考虑空间信息的多端元光谱混合分析算法(MESMA)求解水陆混合像元中的水体丰度。3个试验区的结果均表明,SWES取得了较好效果,平均RMSE为0.147,水体提取效果均优于自动亚像元水体提取方法(简称ASWM),尤其在水陆混合像元较多的坑塘养殖区。SWES在试验区获取的水体面积也有较高精度,平均相对误差为8.03%,低于ASWM的20.23%,结果表明SWES能够有效提升水域面积提取精度。     

像元二分模型在MODIS水陆混合像元分解中的适用性研究

遥感数据是地表水监测的重要数据源,用较低空间分辨率的遥感影像探测地表水范围时,混合像元问题常使水陆边界的提取不够准确。有必要对水陆混合像元进行分解,估算混合像元中水体所占百分比,从而为亚像元级别的水域边界制图奠定基础。借助像元二分模型的概念对水陆混合像元进行分解,验证该类模型的适用性。首先,以中分辨率成像光谱仪影像为数据源,分别基于归一化水体指数(normalized difference water index, NDWI)和改进的归一化水体指数(modified normalized difference water index, MNDWI)建立像元二分模型,对云南省高原湖泊进行水域提取及边界混合像元分解;然后,用同期更高空间分辨率的Landsat数据对提取结果进行验证。结果表明,像元二分模型在对水陆混合像元的分解中具有较好的适用性,其中,基于NDWI的像元二分模型精度略高于基于MNDWI的模型。     

高光谱遥感影像混合像元分解研究进展

受高光谱成像仪低空间分辨率及复杂地物的影响,高光谱遥感图像存在大量混合像元。为提高地表分类精度以及满足亚像元级目标探测的需求,混合像元分解技术一直是高光谱遥感研究热点之一。本文主要对高光谱混合像元分解技术中的核心问题:端元数目估计、端元提取算法、丰度估计算法进行综述,系统地分析了各种典型算法的原理及优缺点,进一步阐述研究过程中建立高精度遥感混合反演模型与遥感产品业务化中的混合像元分解技术难题,同时针对今后混合像元分解技术发展方向,指出在继续引入新型算法理论方法基础上,结合用户应用需求,推进高光谱混合像元分解算法业务化应用,为高光谱遥感工程化应用提供支持。     

基于光谱多尺度分割特征的高光谱混合像元分解

提高混合像元线性分解精度的一个关键点在于改善端元光谱矩阵的构成。本文提出一种基于光谱多尺度分割特征的混合像元分解方法。首先在分割段内离差平方和最小准则下,对高光谱影像的光谱进行多尺度分割,并以各分割段中对应像元的光谱平均值为光谱特征,最后以限制性的最小二乘方法估计出混合像元的组分。模拟与真实数据的实验结果表明,本文方法能够较大的提高遥感影像混合像元的分解精度,并且优于光谱维小波特征的分解。     

低空间分辨率遥感数据亚像元级水华面积提取方法

在对太湖、巢湖等大型湖泊进行业务化蓝藻水华遥感监测工作中,常以250 m空间分辨率的MODIS数据为主,但其像元多为水体和水华的混合像元,若用常规方法进行水华面积提取,势必会严重影响水华监测的精度和实际应用效果。针对上述问题,基于混合像元分解原理,通过混合像元分解得到水华组分在混合像元中的丰度(百分比),实现亚像元级的水华面积提取。该方法可直接根据图像的DN值进行水华面积提取,无需对数据进行辐射校正和大气校正等预处理。与常规水华提取法相比,该方法的水华面积提取精度提高了近30%。     

端元光谱自动提取的总体最小二乘迭代分解

根据总体最小二乘(total least squares, TLS)模型理论,提出了一种影像端元光谱可受噪声污染的混合光谱线性扩展模型,并实现了该模型的端元光谱自动迭代提取以及混合像元的限定性分解.实验结果表明,扩展的混合像元分解模型明显优于传统的最小二乘分解模型,总体精度大约提高了10%～20%.     

结合空间信息选取最优端元组合的混合像元分解

传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分，但这并不符合实际情况。实际上图像中大多数混合像元仅由少部分端元混合而成。由于端元提取精度及噪声的影响，采用全部端元对混合像元进行分解，会使得混合像元中实际并不存在的端元的丰度估计值不为零，分解结果存在较大误差。由于混合像元大多存在于不同地物的交界处，基于此，本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法。利用一个空间结构元素，从混合像元的附近邻域开始搜索，将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比，并确定混合像元的端元子集进行分解。根据RMSE大小和变化情况，逐步扩大结构元素的大小，不断调整搜索范围，直至得到最优端元组合。模拟数据和真实数据的试验结果表明，该方法相比传统的全端元光谱分解方法，在总体上获得了更好的分解效果。     

基于OSP的自动端元提取及混合像元线性分解

正交子空间投影(OSP)方法广泛用于目标与背景的分离之中,对于高光谱影像,OSP可用于目标提取和混合像元分解,但缺点是需要端元的先验知识。针对这一问题,基于OSP的原理提出一种自动提取端元的方法,该方法不需端元的先验知识并且不需对原始数据进行降维。实验使用由OMISⅠ和PHI获取的两组高光谱数据进行端元提取,并采用带全约束条件的最小二乘法进行混合像元分解,结果精度令人满意,证明算法进行端元自动提取的可行性。     

基于光谱滤波器的混合像元分析

提出一种利用光谱滤波器进行遥感图像混合像元全约束分解的新算法。该算法利用端元光谱中与背景光谱正交的光谱成分构建光谱滤波器,滤除混合像元中的背景干扰成分,直接获取信号光谱的丰度。采用该光谱滤波器多次迭代分解,修正单个混合像元的端元光谱空间,获取其确切的端元光谱配置,保证了分解时各端元丰度的非负性,实现混合像元的全约束分解。多光谱数据仿真实验证明,与全约束最小二乘法(FCLS)和正交投影(OSP)分解法相比,该方法虽然在时间方面略逊一点,但其分解结果与实际结果的相关系数高,均方根误差小,具有很高的分解精度,在遥感定量分析方面具有重要的应用潜力。最后给出了该算法在真实的高光谱图像中进行混合像元分析的结果。     

泰安市区不透水面覆盖度遥感估算研究

区域不透水面覆盖度是该区域城镇化程度、生态环境状况的重要指示因子。针对传统线性混合像元分解丰度图经常出现负值或者大于1的情况,采用完全约束最小二乘混合像元分解方法,利用泰安市市区Landsat8 OLI遥感影像提取了其不透水面分布状况,运用高分辨率遥感影像随机采样进行了精度检验,并对该区域不透水面空间特征进行了分析。结果表明:该文方法对泰安市市区不透水面分布提取的精度较高;植被、水体、高和低反照率不透水面4种光谱端元的线性组合,可以较好地模拟OLI影像的波谱特征;高、低反照率不透水面两种光谱端元可以很好地表达泰安市市区不透水面信息。     

A Hierarchical Hybrid SVM Method for Classification of Remotely Sensed Data

The focus of this work is on developing a new hierarchical hybrid Support Vector Machine (SVM) method to address the problems of classification of multi or hyper spectral remotely sensed images and provide a working technique that increases the classification accuracy while lowering the computational cost and complexity of the process. The paper presents issues in analyzing large multi/hyper spectral image data sets for dimensionality reduction, coping with intra pixel spectral variations, and selection of a flexible classifier with robust learning process. Experiments conducted revealed that a computationally cheap algorithm that uses Hamming distance between the pixel vectors of different bands to eliminate redundant bands was quite effective in helping reduce the dimensionality. The paper also presents the concept of extended mathematical morphological profiles for segregating the input pixel vectors into pure or mixed categories which will enable further computational cost reductions. The proposed method’s overall classification accuracy is tested with IRS data sets and the Airborne Visible Infrared Imaging Spectroradiometer Indian Pines hyperspectral benchmark data set and presented.     

基于卷积神经网络的城市水体提取方法研究

针对传统方法在城市水体提取中容易受到建筑物阴影影响和难以精确提取细小水体等问题,提出了一种基于逐像元分类和多尺度分割技术的卷积神经网络遥感水体提取方法。该方法利用像元的光谱特征向量构建光谱特征矩阵,作为卷积神经网络输入特征训练水体提取模型,以多尺度分割结果抑制分类离散点与水体边缘误分现象,进一步提高提取精度。试验结果表明,该方法在细小水体的提取精度和细节上比改进的归一化水体指数算法表现更好,不仅能有效抑制建筑物阴影的影响,还能够有效区分一些相对细小的建筑对象如桥梁等,提取结果边缘也更光滑。     

基于光谱角匹配算法的水体信息提取研究

针对水体信息提取时,传统算法不能较好地解决山体阴影被误提为水体的问题,引入多用于高光谱数据处理的光谱角匹配算法,以Land-sat8 OLI(band1-band7)为数据源,以黄河小浪底水库周边区域为实验区,开展水体信息提取研究,结果显示:水体指数法和波段关系提取的结果中有大量的山体阴影信息,提取精度不超过30%,而光谱角匹配法提取结果受阴影的影响较小,提取精度在99%以上。     

基于混合像元分解理论的路域植被等量水厚度遥感反演

为削弱混合像元对植被参数反演的影响，提出了基于混合像元分解理论反演路域植被等量水厚度的方法。利用PRO4SAIL模型正演获得的高光谱窄波段数据，模拟Landsat 8遥感影像宽波段植被冠层光谱数据，并进行等量水厚度的敏感植被指数的筛选；对覆盖研究区域的Landsat 8遥感影像进行线性混合像元分解，获取更加精确的植被冠层光谱反射率；同时，利用支持向量机构建等量水厚度估测模型，实现对路域植被等量水厚度的遥感反演。研究结果表明，利用混合像元分解后得到的植被冠层光谱参与模型反演得到的路域植被等量水厚度更加符合实际情况，为遥感影像反演植被参数提供了有效数据。     

最小二乘混合像元分解的端元丰度信息提取研究

针对无约束最小二乘混合像元分解算法提取地物端元丰度出现的局限性问题,通过野外实地采集的地物光谱数据建立研究区典型的地物波谱库,以Landsat OLI影像作为主要数据源,在经过Gram-Schmidt(GS)影像融合的基础上,利用纯净像元指数(PPI)及基于几何顶点的端元提取技术提取研究区典型地物端元,最后通过完全约束的最小二乘混合像元分解算法完成对研究区典型地物端元丰度的提取。结果较好地解决了无约束最小二乘混合像元分解算法提取的端元丰度信息出现负值的情况,并且提高了典型地物丰度信息提取的精度。完全约束最小二乘混合像元分解算法的RMSE误差均控制在0.174 913左右,在很大程度上提高了混合像元分解精度及实用性。     

应用时间序列EVI的MERSI多光谱混合像元分解

针对风云3数据的特点,本文将EVI生长曲线引入多光谱混合像元的分解。首先,利用Landsat8 OLI影像,采用支持向量机的分类方法,提取研究区域的耕地信息,利用该信息对风云MERSI数据进行掩膜处理,获得研究区域的耕地影像。接着,利用MERSI时序影像,计算像元EVI值,通过SG滤波,构建农作物(端元)和混合像元的EVI生长曲线。通过实地调查,获取研究区的农作物端元,尤其对主要的农作物玉米,在空间上均匀选取了14个端元。然后,采用传统的方法,将14种玉米端元生长曲线分别与其它端元组合,进行混合像元分解。发现分解的效果差异很大,提取的玉米种植面积从191.90 km2到574.83 km2不等。为提高分解精度,借用光谱匹配(光谱夹角最小)的方法(用生长曲线代替光谱曲线)自适应选择与混合像元EVI曲线最相似的玉米端元作为组合端元,进行混合像元分解。结果得到玉米的种植面积为589.95 km2,比传统方法的最好(相对)精度提高了2%。     

空-谱角匹配与多指数法相结合的OLI遥感影像水体提取

针对复杂环境条件下水体遥感提取结果不连续且易与植被、建筑物、阴影相混淆的难题，基于Landsat 8 OLI影像，以石家庄市平山县岗南水库和宿迁市骆马湖附近河流为研究区，提出了一种空-谱角匹配与多指数法相结合的水体信息提取方法；并与单波段阈值法、归一化差分水体指数法（NDWI）、光谱角匹配法（SAM）、自动水体提取指数法（AWEI）和一类支持向量机法（OC-SVM）的水体提取结果进行对比分析和精度评定。试验结果表明，本文提出的方法兼顾了多特征之间的互补性优势，引入的空间信息有效地抑制了噪声的干扰，且以像素为基元的提取策略较好地保持了水体的边缘信息，避免了出现平滑掉细节信息的情况；与传统方法相比，本文方法受植被、建筑和阴影的干扰最小，对细小水体也具备较好的识别能力。     

高光谱亚像元定位的线特征探测法

未考虑地物亚像元级空间结构特征是影响高光谱亚像元定位精度的因素之一。为了有效解决这一问题,本文提出一种基于混合像元线特征探测的亚像元定位算法。首先,通过光谱解混确定含典型线状地物的混合像元。然后,基于完备直线集的最大线性指数方法确定其余含线特征的混合像元,使用模板匹配方法结合像元引力确定含线特征混合像元的亚像元类别。最后,基于线性优化的方法迭代确定剩余混合像元的亚像元类别。通过真实数据及仿真数据的试验,结果表明所提出的方法能有效提高亚像元定位精度。