耦合像素坐标的遥感图像分类实验北大核心CSCD

地理距离越相近的空间单元其相似性越高,但传统遥感影像分类常忽略像素空间坐标信息的重要性。该文提出一种将传统空谱信息与像素坐标耦合的遥感影像分类方法,为避免数据过拟合现象,采用随机森林模型对特征进行重要性评估,选取具有代表性的特征。利用不同分辨率的卫星与航空遥感影像数据,基于随机森林、支持向量机和人工神经网络3种模型对该方法进行验证,结果显示:相比传统仅使用光谱和纹理信息,耦合像素坐标信息的遥感影像分类可在一定程度上关注全局地理空间位置信息,利用地理单元越相近则性质越相似规律,提高遥感影像分类效果,在不同样本量、不同模型下的分类精度均有所提升。     

面向高分辨率遥感影像建筑物变化检测的边缘感知网络

为提升建筑物变化检测精度,尽可能保留变化区域的边缘信息,提出一种边缘感知网络(Edge Sensing Net-work,ESNet),用于较大范围内的高分辨率遥感影像建筑物变化检测.ESNet由主干网、粗预测分支和精预测分支三部分组成:主干网用于提取多层次的特征差异图;粗预测分支通过跳跃连接的方式融合深层特征图与浅层特征图,以获得变化检测的粗预测图;精预测分支选取粗预测图中预测不确定性较大的点,通过融合点的深层和浅层特征实现点的变化属性再判别,从而获取建筑物变化区域的精细化边缘信息.在航空影像和卫星影像建筑物变化检测数据集上的实验表明,相比STANet、UNet++MSOF等变化检测方法,该方法变化检测精度最高,且能有效保留边界的细节信息.     

1974～2007年若尔盖县湿地变化研究

选取1974～2007年期间的5期多源遥感影像数据作为数据源,在解决多源遥感影像(MSS、TM、ETM+和CBERS影像)和多时相(1月、6～9月)影像数据的遥感分类问题上,以模糊物元理论来解释多数据源和多时相数据之间的关系,设计关联函数概率转化的多源遥感数据分类物元模型,利用该模型得到了若尔盖县湿地区1974～2007年期间的地物类型分布,并进行了变化检测和概率修正算法处理,揭示了1974～2007年若尔盖县湿地变化特征.2007年,若尔盖县各类型湿地的面积占湿地总面积的比例分别为河流和湖泊1.37％、泥炭沼泽4.23％、沼泽化草甸9.91％和湿草甸6.04％.1974～2007年期间,若尔盖县的河流和湖泊、泥炭沼泽、沼泽化草甸和湿草甸的面积在减少,以旱生植物为主的中、低覆盖度草地、居民点、建筑用地和沙地面积在增加.泥炭沼泽主要向沼泽化草甸、湿草甸演替.人为因素则是在较短时间尺度上影响湿地变化的主要驱动力.不确定性问题仍是遥感分类与变化检测存在的主要问题.     

利用影像尺度响应进行城市扩张变化检测

在光谱直接比较的变化向量分析基础上,提出一种利用景观类型的尺度响应特征进行城市扩张的变化检测方法,该方法充分挖掘了对象的几何特征与纹理特征。首先,利用基准期与检测期影像中不同景观对象的各自拟合特征对数据进行分割,获取子对象,根据每个对象内象元光谱具有同质性的原则,对景观类型发生变化的对象通过规则进行识别,以初步提取变化范围。进而,利用ROC曲线确定最佳分界点与可疑区间范围,以对象为基本单元采用模糊函数的思想对变化区域进行精确提取。最后,以山地城市——贵阳市主城区Landsat-5 2001年和2008年的多光谱影像为数据源,对方法进行了检验。结果表明,该方法可以准确、迅速的提取城市变化范围。     

青海湖流域草地产草量与MODIS植被指数的相关性分析

借鉴国内外基于遥感手段监测植被的方法,利用MODIS-NDVI遥感影像数据,探讨如何对草地变化进行监测。提取青海湖流域典型草原遥感影像植被指数,并与野外调查获得的79个样方生物量数据进行对比分析,建立了多个回归模型用于研究植被指数与草地产草量的相关关系。结果表明,植被指数与草地产草量之间存在较好的相关性,但是不同的回归模型与草地产草量相关性程度存在一定的差别,非线性回归模型优于一元线性回归模型,该方法的提出有助于监测青海湖流域草地变化情况。     

面向高分辨率遥感影像分类的多尺度光谱-空间-语义特征融合

在核函数集成SVM分类框架下,提出一种融合多尺度光谱-空间-语义特征的高分辨率遥感影像分类方法。首先,以多尺度影像分割集为基础,利用潜狄利克雷分配模型对分割图斑的语义特征进行建模,并结合原始影像的光谱特征以及分割图斑内的空间均值特征,在不同分割尺度下分别开展光谱-空间-语义特征的多核函数融合分类;然后根据多数投票法原则在决策级集成多尺度分类结果,通过最小尺度下的分割影像实现像素级分类结果至面向对象分类结果的转化。不同场景和分辨率数据下开展的实验结果表明,该分类方法能够实现分类结果的自适应平滑分类,并在一定程度上提高建筑物和道路等"同谱异物"地物的区分能力,分类总体精度由基于光谱特征SVM的66.7%和63.7%提升至86.8%和87.2%。     

基于遥感影像的城市森林分类提取及生态价值估算研究

以北京通州新城区城市森林为研究对象,提出一种基于信息论的决策树分类方法,以提取Aster遥感影像中城市森林平面量,改善传统分类方法仅利用影像光谱特征信息的不足,高分辨率影像和地面调查数据验证显示其分类精度达84.6%.结合分类影像图,引入城市森林生态价值评估模型(CITYgreen模型)估算出通州新城区森林的生态价值约为598.87万美元.研究表明,该方法适合大面积区域的城市森林分类提取及其生态价值估算.     

结合多尺度纹理的高分辨率遥感影像决策树分类

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。     

基于高分影像纹理分维变化的灾害自动识别方法

目前遥感变化检测主要是人机交互式目视解译,不能满足灾害自动识别尤其是卫星在轨变化检测自动化的新要求,亟须研究遥感影像变化自动检测算法,以实现灾害遥感自动识别。该文将高空间分辨率遥感影像的多尺度格网分割与纹理分维变化比较相结合,提出基于高分影像纹理分维单调变化(Texture Fractal MonotonousChange,TFMC)的灾害自动识别方法。通过计算和对比不同格网分割尺度下前后两期高分影像的纹理分维变化及其空间分布,并基于纹理分维变化单调性准则,可自动检测并识别灾区范围。以2011年3月11日日本地震海啸灾区的Worldview 0.5m全色影像为例,进行实验研究,表明MTFC方法无需人工干预即可根据纹理分形单调下降(当前减先前)可靠地识别出海水淹没区和密集房屋损毁区。经进一步优化,MTFC方法可望发展为高分遥感卫星在轨变化检测及灾害链聚焦监测的新技术。     

基于正射影像匹配的地形变化检测与更新算法

利用新时期的航空影像和旧时期的DEM,基于正射影像匹配的相关理论,提出了地形变化检测和数据更新的自动化算法,该算法能够利用两个时期的未变化信息进行控制,避免了传统的定向过程,极大减少了人工编辑,能够同时得到变化检测的结果、更新后的DEM和DOM。实验结果证明了该算法的实用性和高效性。     

基于矩匹配算法的山区影像地形辐射校正方法研究

针对山区遥感影像地形辐射校正问题,应用现有模型(如C校正)进行地形辐射校正很难达到理想效果。引入矩匹配算法,利用DEM数据计算坡度、坡向等地形信息,以特定坡度和坡向数据为参考依据,对影像进行地形辐射校正。通过北京房山区SPOT5影像进行试验,表明该方法能在很大程度上消除地形阴影,更好地反映阴影区域的细节信息,同时光谱特性保真程度较好,原模糊的影像区域通过处理基本上达到有效识别地物的要求。     

水环境COD遥感识别模式及其应用

利用2006年4月6-7日在甘肃省庆阳市境内环江、柔远河和马莲河实测的水体波谱数据,以及化学需氧量COD测定数据,采用Fisher判别分析方法,建立了基于地面实测光谱数据并适用于本研究区域的水环境COD遥感识别模式;将该模式应用于2005年10月16日和2006年4月10日过境的两景Landsat/TM图像;根据遥感模式反演结果图,对该区域水环境COD的时空变化进行了分析。水环境COD污染遥感模式的建立可为从遥感影像上快速、大面积获取COD信息提供了一种技术手段。     

基于像元级RS影像数据融合方法应用评价

遥感信息融合（Fusion）是目前遥感应用领域的一个热点问题。高分辨率的全色影像与多光谱彩色低分辨率的遥感数据叠加，可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。融合中对同一地区长江流域秭归段的TM4、3、2多光谱和TM8高分辨率的遥感影像采用了IHS变换、分辨率（主成分分析）融合方法进行了数据融合，并对不同的融合方法所得到的融合影像进行目视和统计特征的分析与评价。     

面向土地利用动态遥感监测的成像光谱数据处理技术研究

成像光谱数据具有较高光谱分辨率,在类别细分方面具有一定的优势。该文针对成像光谱数据特点,研究与成像光谱数据特征相适应的土地利用动态遥感监测技术,包括边缘辐射纠正技术、影像融合技术和异常光谱检测技术,该方法在试验区应用中取得了良好效果。     

基于SAIL模型的多角度多光谱遥感叶面积指数反演

随着多角度传感器的陆续出现及植被遥感传输机理研究的深入,多角度遥感逐渐成为地表信息反演的热点问题.以SAIL冠层反射率模型为基础,通过联合多角度和多光谱数据,可以从物理机理角度进行植被叶面积指数(LAI)反演的应用研究.首先通过计算得到多角度多光谱遥感影像的角度信息,并经6S模型纠正后得到多光谱多角度植被冠层反射率数据.然后将PROSPECT模型模拟出的植被叶片反射率和透过率,以及多角度观测数据、LAI和其它实测数据输入SAIL模型,模拟得到了多角度多光谱冠层反射率,进而建立多角度多光谱冠层反射率与LAI的查找表.最后,将影像的多角度多光谱冠层反射率与查找表进行匹配,实现植被LAI的反演.最后对反演结果进行了验证和分析,结果表明反演精度较高,误差均在合理范围之内.     

遥感分景数据的剖分索引模型

随着空间技术和对地观测技术的飞速发展,海量遥感影像索引成为目前国内外学术界和应用部门面临的一大难题,地球剖分系统的产生为这一难题的解决开辟了新的途径。本文首先研究了遥感分景数据的特征和EMD全球剖分的特征,然后针对现有遥感影像数据索引方法的不足,提出了基于EMD剖分系统的三种索引模型:基于影像—面片映射关系的索引模型、基于EMD数据模型的索引和剖分数据标识索引模型,从三个不同的方面探讨了解决索引问题的方法和思路。并给出了利用遥感分景数据的剖分索引模型对线状对象和面状对象进行索引应用的实例。遥感分景数据的剖分索引模型的建立为遥感影像数据的高效存储和索引提供了一种有益的新思路。     

基于无人机遥感的黄河下游河南段河滩地植物群落多样性研究

周期性的农业活动和水沙变化已经显著改变了黄河下游河滩地的植物群落结构,快速、准确地获取河滩地的植物群落多样性信息,可以为黄河流域生态保护和恢复提供参考依据。以位于河南省新乡市原阳县朱贵村南部的黄河下游河滩地的植物群落为研究对象,采用最大似然、人工神经网络、面向对象和随机森林分类方法,利用无人机多光谱遥感影像数据,对河滩地上的植物进行分类,计算出各种植物的相对盖度、相对频度、重要值和植物群落的Simpson多样性指数、Shannon-Wiener多样性指数。研究结果表明,利用无人机多光谱遥感影像数据,可以较为准确地获取黄河下游河滩地上无遮盖植物的物种信息,优选的遥感分类方法是人工神经网络分类方法,其分类结果的总体分类精度和Kappa系数分别为61.42%和0.52;其对河滩地上植物物种的分类结果与实地调查结果基本一致。无人机多光谱遥感方法是研究湿地中植物群落多样性的有效方法。     

威海市近海水产养殖信息提取方法研究

单独利用遥感影像光谱信息进行近海水产养殖信息提取时,养殖水体与自然水体易混淆,而单独利用遥感影像纹理信息提取近海水域水产养殖信息时,单一大块养殖水体与自然水体又难以区分。针对上述问题,利用OLI影像数据,提出了一种综合遥感影像光谱与纹理信息进行水产养殖信息提取的方法。首先,在对研究区养殖水体类型进行光谱特征分析的基础上,采用主成分变换方法,对OLI影像光谱信息进行压缩、挖掘和选取;其次,分析灰度共生矩阵窗口尺寸和纹理特征统计量对研究区水产养殖区域的区分能力,完成纹理特征的选取,并将选取的纹理信息和光谱信息进行特征协同;最后,对特征协同数据进行多尺度分割,根据各水体类型间的光谱特征和纹理特征的差异,构建研究区3种养殖水体的模糊逻辑隶属度函数,实现对研究区水产养殖信息的自动提取。研究结果表明,该方法能较好地提取研究区水产养殖信息,总体分类精度达到97.93%。     

多源多时相遥感数据在冬小麦识别中的应用研究

当前基于多时相遥感数据进行作物识别时往往只用到了单一的数据源,未能充分利用作物的时相特征和光谱特征.该文以胶东半岛为例,在冬小麦识别研究中采用一种基于多源多时相遥感数据的方法,利用MODIS NDVI产品和TM数据将冬小麦的时相特征识别与光谱特征识别充分结合.首先,基于4个时相的MODIS NDVI产品影像生成冬小麦掩膜,将冬小麦与其他作物区分开;然后将冬小麦掩膜应用于TM影像,并通过TM光谱识别的方法提取冬小麦,冬小麦识别精度达92.39%.     

基于GDAL的遥感影像快速读取与显示方法研究

随着计算机技术的发展,图像处理功能越来越强大,对于遥感影像而言,由于其数据量庞大,使得其处理过程耗时较多,如何能够快速地进行遥感影像处理是当前亟待解决的问题,特别是对于一些特殊格式的数据,一般软件处理起来,速度很慢,比如说TIFF格式,由于其按波段来存储数据,所以对于多光谱甚至高光谱数据而言,处理过程将非常艰难,鉴于此,本文设计了一种基于GDAL开源库的快读读取TIFF格式影像数据,实验证明,这种方法有效提高了TIFF格式影像的处理速度。