多波段信息融合的遥感影像变化检测

传统遥感影像变化检测方法大多基于单波段信息,难以完整检测影像的变化信息。针对该问题,提出了一种基于马尔可夫随机场模型(MRF)的多波段遥感影像变化检测方法,利用MRF模型融合所有波段的变化信息。在求解MRF模型参数的过程中,引入MoLC与EM混合模型进行迭代计算。实验结果表明,本文方法的检测精度优于现有的变化检测方法,并且稳定性良好。     

遥感影像信息度量与分析方法研究

测绘,计算机、通信等技术的发展,使得空间数据量持续增长并呈现出鲜明的异构性,尤其是步入大数据时代,数据来源纷呈、数量激增。作为空间信息的主要载体,高质量遥感影像一直是遥感工作者孜孜追求的目标。时至今日,海量遥感数据与有效信息匮乏之间的矛盾日显突出。不言而喻,"信息"是遥感影像数据的基本和核心。如何合理而有效地对遥感影像进行信息度量与分析,对进行遥感影像数据信息挖掘具有极其重要的意义。除了为遥感影像信息提供定量的指标,对遥感影像处理过程进行定量的信息分析,对于改善影像处理的性能也具有重要的指导作用。影像信息的度量一直是一个复杂有争议的问题,虽然已有一些对信息的描述方法,但是至今仍没有一个全面有效的解决方案。信息论作为信息科学中一门普适性的理论,已经逐渐渗透到遥感领域中来。本文以信息论为主要理论支撑,以信息测度为主线,结合遥感影像的特点,对遥感影像的信息度量方法与分析方法进行了研究。通过对遥感影像的统计特性和信息测度的详细分析,并结合现有研究成果和方法,建立遥感影像信息度量与分析框架,研究了顾及空间相关的空间熵度量方法、顾及噪声与相关性的多波段影像信息度量方法、遥感影像降质过程的信息传输率影像复原的性能限等关键问题。本文主要的研究工作和创新之处体现在:第一,系统总结了现有遥感影像信息度量的方法,噪声评价方法,以及信息理论在遥感领域应用的研究现状。对现有的研究方法进行了归纳、总结,分析现有方法的优势与存在的不足。第二,研究了用于遥感影像的信息熵与互信息测度,以及用于影像信息分析的信息率失真理论。分析了影响遥感影像信息度量的主要因素,建立了以信息论为基础的遥感影像信息度量与分析框架,为遥感影像的信息度量与分析方法提供理论模型,构建了用于信息度量的信源熵模型和用于成像过程信息分析的互信息模型。第三,分析了影像空间相关对影像信息度量的影响,研究了一种基于简化的马尔科夫随机场的空间熵测度方法,在顾及空间相关的基础上用以度量遥感影像的信息量。并与有代表性的影像信息度量方法进行对比分析,验证空间熵信息测度的有效性。并将影像的空间熵测度推广到两幅影像共同信息的度量,并将其应用于分析遥感影像融合过程中的有效信息流量。第四,对现有的遥感影像噪声评价方法进行了全面的总结,分析了现有技术方法的特点和不足,在此基础上,提出一种改进的散点图噪声估计方法,可以提高遥感影像噪声估计的精度与稳定性。在影像噪声估计与去相关的基础上,研究了一种基于广义高斯分布(GGD)和参数熵模型的多波段影像信息测度方法。该方法通过一种无损压缩编码(DPCM编码),在不损失影像信息的情况下对影像进行去相关处理,通过去相关处理消除影像波段内和波段间的信息冗余。通过对不相关的影像数据分布进行去卷积处理获取无噪且不相关的影像信号的概率密度函数,去除噪声的影响。该方法可以很好地度量多波段影像的有用信息量,也可对多光谱影像灰度信息与纹理信息进行综合分析。第五,针对降质成像系统的特点,即观测数据受到系统点扩散函数(PSF)和噪声的降质作用,提出一种顾及PSF和噪声的条件互信息测度方法,用以量化通过成像系统的信息传输率。对于成像过程的信息传递的分析有利于对成像场景信息的预判,将成像过程的信息传输率应用于遥感影像复原性能限的推导。针对降质影像复原的性能限问题,提出了一种基于信息率失真理论的影像信息分析方法。该方法以MSE(MeanSquaredError)为失真度度量参数,用率失真函数R(D)的反函数失真率函数D(R)求解影像复原的性能限,从而为遥感影像复原算法提供理论指导。     

矢量C-V模型的高光谱遥感影像分割

高光谱遥感影像除了包含普通2维影像所具有的空间信息还包含了1维光谱信息,传统的针对2维影像的分割方法不能很好地应用于高光谱遥感影像。为此,本文提出一种能够同时处理多波段影像的高光谱遥感影像矢量C-V模型分割方法。首先选出高光谱遥感影像中目标与背景对比度较大的波段,并通过计算波段相关系数,去除其中的冗余信息形成新的波段组合,进而根据所确定的波段组合构建高光谱遥感影像矢量矩阵;在此基础上,构造基于该矢量矩阵的矢量C-V分割模型。模型中通过引入基于梯度的边缘引导函数,在保留传统C-V模型基于区域信息进行影像分割的基础上,利用影像的边缘细节信息,增强了模型在异质区域和复杂背景情况下对目标边缘的捕捉能力,提高了对高光谱遥感影像的分割精度和速度。最后利用HYPERION数据进行仿真实验,并将实验结果和传统C-V模型和相关方法进行了对比,结果表明,本文方法能够在短时间内有效地分割高光谱遥感影像,与传统方法相比,具有分割精度更高运算速度更快的特点。     

基于集成学习的高光谱遥感影像分类综述

高光谱遥感影像光谱维度高、数据量大且波段间冗余信息量大,利用集成学习算法可有效地提升高光谱遥感影像的识别精度。本文首先概述了高光谱遥感影像的分类任务和目前存在的问题,其次介绍了集成学习分类算法的原理,系统性阐述了高光谱遥感影像分类中动态集成和静态集成算法的研究现状,并提出了有待进一步研究的问题。     

遥感影像直觉模糊集分割法

针对传统模糊聚类算法在影像分割中忽略影像成像过程带来的光谱测度不确定性及聚类过程中像素类属非隶属性的问题,本文提出了一种基于直觉模糊集的遥感影像分割算法。首先,设计直觉模糊发生器,并通过最大熵法分析影像光谱测度不确定性,求解波段指数以将遥感影像转化为直觉模糊集,从而对影像的光谱测度不确定性进行建模。然后,在聚类过程中同时考虑像素类属隶属度和像素类属非隶属度,结合直觉模糊集间距离定义目标函数,提高算法对类属模糊信息的处理能力,实现遥感影像的精准分割。最后,分别利用本文算法和比较算法对模拟影像和真彩色遥感影像进行分割试验。分割结果的定性、定量评价表明,本文算法能够更好地处理影像本身和聚类过程中的不确定性,获得更高精度的影像分割结果。     

遥感影像阴影多波段检测与去除理论模型研究

阴影是遥感影像的基本特征之一，它使地物目标反映的信息量有所损失或受到干扰，而去除阴影一直是遥感影像处理的难题。从研究遥感影像阴影产生机理出发，提出了一种多波段检测阴影的方法和基于能量信息补偿去除阴影的理论模型。通过IKONOS影像进行方法与模型验证，真实再现阴影区地物特征，增加影像信息量，提高数据质量。     

遥感云分类不确定性的多维混合熵模型评价

针对遥感影像提取信息分类过程中存在随机不确定性和模糊不确定性两种噪声,影响分类结果的准确性问题,该文在多光谱遥感影像处理中,通过对传统的混合熵模型进行多维化改进,提出多维混合熵的不确定性评价模型。采用云算法对遥感影像进行解译分类,获取相应的不确定性模型参数计算出信息熵和模糊熵,从像元和类别两个尺度构建出遥感云分类不确定性的多维混合熵评价模型。结果表明,多维混合熵模型能够充分考虑多光谱遥感数据的多维性,可以从不同尺度对遥感分类的随机不确定性和模糊不确定性进行有效全面地评价。     

基于多维云空间的多光谱遥感影像边缘检测研究

在云模型的基础之上,提出一种基于多维云空间的遥感影像边缘检测算法。该方法依据矢量角相似性准则并结合邻域关系进行图像区域生长,在此基础之上根据影像不同波段的数据特征建立多维云空间映射模型,将数据从图像空间映射到云空间。通过多维云的逻辑运算生成边界云并进行向量综合。利用云的数字特征反推隶属度,构建边缘模糊特征平面,并通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法在多光谱遥感影像中能取得较好检测效果。     

基于马尔柯夫随机场的多波段遥感影像纹理分割研究

利用马尔柯夫随机场（MRF），对光谱矢量在二维空间的映射模式予以描述，建立了基于马尔柯夫随机场的多波段纹理模型，提出了在多波段遥感影像中吉布斯（Gibbs）分布势函数和吉布斯参数的计算方法，并提出了一种迭代修正的多波段遥感影像纹理分割方法。     

高光谱影像特征子集选择方法

针对高维遥感数据的降维困难问题,该文提出并构建了一种融合粒子群优化算法全局寻优能力和支持向量机优秀分类性能的高光谱遥感影像特征子集选择与分类方法。通过引入混沌优化搜索技术改进融合粒子群优化算法的全局寻优能力;提出并采用一种基于粒度的网格搜索策略对支持向量机模型参数进行优化;利用二进制融合粒子群优化算法进行特征选择;然后,支持向量机采用该特征子集所对应的训练数据集进行模型参数优化和分类。实验结果表明该方法能有效地提取出用于分类的最佳波段,具有较高的分类精度。为高光谱遥感影像的特征选择与分类探索出了一种可行的方法。     

高分辨率遥感影像的随机森林变化检测方法

基于面向对象分析(OBIA)的遥感影像变化检测研究已取得显著的进展,代表了遥感影像变化检测的发展范式,未来是发展更加智能的解译分析方法。随机森林作为一种新的机器学习算法,其预测效果和性能稳定性要优于许多单预测器和集成预测方法。本文充分利用OBIA及随机森林机器学习算法的优势,提出了利用随机森林进行面向对象的遥感影像变化检测。首先基于熵率对影像进行超像素分割,通过最优超像素个数评价指数来获取最佳的影像分割结果,并提取每个超像素在前、后时相影像上的光谱特征和Gabor特征作为随机森林的特征输入数据,用于模型的训练。在初始像素级检测结果之上,自动进行分类样本选择并构建分类器模型,用训练好的模型来提取最终的变化区域。利用Quickbird、IKONOS、SPOT-5等3组多光谱影像进行试验,结果表明,本文方法在变化检测精度上要优于对比方法。     

使用多尺度模糊融合的高分影像变化检测

为了提高高分辨率遥感影像变化检测的可靠性,提出了一种基于模糊综合评判的遥感影像变化检测方法.首先对两个时相的影像进行波段叠加,对多波段新影像进行多尺度分割;然后针对单一尺度上的对象,综合考虑两时相遥感影像对象的光谱特征和纹理特征,建立模糊综合评判模型,对各个对象内的像素是否发生变化进行隶属度计算;最后采用熵权法对影像各...     

ALOS影像在土地覆被分类中最佳波段选取的研究

选定长江口北岸ALOS影像为实验遥感数据,以影像土地覆被分类为目的,根据信息量最大、相关性小、地物光谱差异大可分性好的原则,进行ALOS影像各光谱波段影像特性统计分析和波段组合的实验分析,结合基于信息量的波段选择指数和地物光谱特征分析方法,选取ALOS最佳组合波段为4,3,2.     

一种基于最佳指数模型的 TM 遥感影像最佳波段组合计算方法

如何通过定量计算选择最佳波段组合一直是TM等多波段遥感影像信息提取的研究热点。本文综合利用Erdas提供的可视化空间建模工具（ Spatial Modeler ）和面向对象的编程技术,提出了一种基于最佳指数（ Opti-mum Index Factor ,OIF）的定量计算与定性分析相结合的TM遥感影像最佳波段组合方法。实验证明,该方法快速有效,极大提升了TM等多波段遥感影像最佳波段组合的计算过程。     

基于布谷鸟算法的遥感影像智能分类

提出了一种新的基于布谷鸟算法的智能式遥感分类方法。采用布谷鸟智能优化算法,自动搜索遥感影像各波段的最优阈值分割点,并定义各波段最优阈值分割点和影像分类目标类别的连线为布谷鸟的最佳解,构造以If-Then形式表达的遥感分类规则。将所提的基于布谷鸟算法的影像分类方法应用于ALOS影像分类中,并与蜂群智能遥感分类方法和See5.0决策树方法进行了对比分析。结果表明,布谷鸟智能遥感分类的总体精度和Kappa系数均比蜂群智能遥感分类和See5.0决策树方法更高,该智能遥感分类方法具有更好的分类效果。     

顾及空间相关性的遥感影像信息量的度量方法

提出了一种结合信息论与地学统计法的遥感影像信息量计算的方法。此方法基于遥感影像加性噪声模型和互信息上界的计算原理,同时考虑了噪声和空间相关性等影响遥感影像信息量的因素,适于计算具有稳健空间相关性、不同地物类型的光学影像的信息含量。利用Landsat TM影像子集,分别计算了城市、农田、山地3种不同地物类型的影像信息量。结果表明,城市含有最大的信息量,同时影像信息量与影像方差呈对数正相关关系。     

影像融合和面向对象技术在湿地分类中的应用

利用SPOT全色波段影像和Landsat ETM+多光谱影像,采用波段特征分析法和改进的最佳波段指数法确定最佳融合波段。选择具有代表性的HSV变换、Brovey变换、PCA变换、Gram-schmidt变换和小波变换方法进行影像融合。针对融合后的影像采用定量评价法进行质量评价,通过不同地物的光谱、空间和纹理信息等进行比较分析构建适当的分类特征和规则,采用面向对象的遥感分类方法进行分类。结果表明,波段特征分析法和改进的最佳波段指数法结合,可以获得最佳融合波段。各融合方法均有效提升了影像效果,其中HSV和GS变换融合方法更好地保持了影像的多光谱和高分辨率特性,融合后各地物特征分类明显,可以有效应用于湿地分类;采用主成分分析法来设置面向对象分类中的波段权重,可以利用各波段信息量的差异进行影像的分割。基于各种遥感指数的面向对象分类方法用于湿地分类获得了93.62%的分类精度,与传统的分类方法相比有了很大进步,在湿地分类中具有很大的应用潜力。     

基于立体环形邻域的GMRF模型及其在遥感影像纹理识别中的应用

对传统的GMRF模型进行了扩展,建立了基于立体环形邻域的GMRF模型,并设计了分步模型参数求解方法。这种新的模型不仅全面考虑了多光谱高分辨率影像中各波段内像元之间的空间相关性,而且还顾及了波段间像元的相关性。与传统的GMRF模型相比,基于立体环形邻域的GMRF模型提取的纹理信息更为丰富。采用Forrest彩色纹理图像和QuickBird卫星遥感影像进行了实验验证,实验结果表明本文提出的基于立体环形邻域GM-RF模型的纹理识别算法具有较强的普遍适用性,对不同情况的纹理影像(即空间相关性主要存在于波段间还是波段内)进行识别均能获得较好的分类效果。     

粒子群算法及多阈值指数熵的遥感影像变化检测方法研究

在遥感影像检测中,一般采用多变化阈值来提高检测精度,但会导致运算量的增加。为解决该问题,提出利用粒子群算法及多阈值指数熵的遥感影像变化检测新方法。首先采用影像差值法构造差异影像;然后提出利用粒子群和多阈值指数熵的遥感影像分割方法,并将其用于对差异影像进行分割获取变化区域;最后对选取的实验数据进行变化检测,并与基于模糊C均值、双阈值指数熵、三阈值指数熵的非监督变化检测方法进行比较。实验结果显示,提出的变化检测方法其精度为94.77%,本案方法是一种有效地、可靠的遥感影像变化检测方法。     

一种基于最佳指数模型的TM遥感影像最佳波段组合计算方法

如何通过定量计算选择最佳波段组合一直是TM等多波段遥感影像信息提取的研究热点。本文综合利用Erdas提供的可视化空间建模工具(Spatial Modeler)和面向对象的编程技术,提出了一种基于最佳指数(Optimum Index Factor,OIF)的定量计算与定性分析相结合的TM遥感影像最佳波段组合方法。实验证明,该方法快速有效,极大提升了TM等多波段遥感影像最佳波段组合的计算过程。