基于LBV变换的遥感影像多步骤分类法研究

面对与日俱增的遥感数据,如何快速准确地进行影像分类成为遥感领域亟待解决的问题。本文在前人的基础上提出了一种基于LBV变换的遥感影像多步骤分类方法。L:地物的总辐射水平,集中反映了裸地的信息;B:地物的可见-红外光辐射平衡,是地面水分状况和水体存在的一个良好指标;V:地物辐射随波段变化的方向和速度向量,能集中反映地面植被状况。多步骤分类法遵循由易到难的原则,能克服类别之间的互相影响,从而提高分类精度。文章结合LBV变换和多步骤分类法的优点对影像进行了分类,结果表明该方法简单易行,且能达到良好的分类精度。     

资源三号卫星影像快速大气校正方法

该文针对资源三号(ZY-3)国产高分辨率卫星影像的大气校正问题,提出了一种快速大气校正方法。该方法充分利用已有地面标准波谱库数据,并采用经验线性法对高分辨率ZY-3卫星遥感影像进行大气校正。最后利用地物的真实反射率光谱曲线和归一化植被指数(NDVI),与大气校正结果进行对比分析。结果表明:经新方法大气校正后的ZY-3影像地物反射率光谱曲线与地物真实反射率光谱曲线更加接近,植被覆盖区与非植被覆盖区NDVI的差异更加明显,更有利于地物的识别。研究结果为应用国产ZY-3影像进行定量遥感分析提供了参考。     

面向碳收支服务的HJ数据图像变换方法研究

为了突出遥感影像中的陆地生态系统固碳主体,增强图像的解译性,提高分类精度,从而准确评估陆地生态系统的碳收支情况,针对碳收支遥感监测所采用的国产HJ图像的变换方法展开研究,对HJ数据分别进行LBV变换、KL变换和KT变换实验,同时采用面向对象分类法评价了图像变换对碳收支土地覆盖分类的影响。实验结果证明,与KL、KT变换方法相比,LBV变换后的图像具有更好的目视解译效果,颜色更鲜艳、地物类别更易区分,能有效提高固碳主体的分类精度。     

ZY-3 MUX传感器数据的缨帽变换系数推导

缨帽变换是一种实用性都很强的遥感影像增强方法,已被成功地应用于各种遥感领域。然而,对于缺少中红外波段的4波段高分卫星传感器,采用常规的Gram-Schmidt正交化方法难以推导出缨帽变换的湿度分量,即便少量推导出湿度分量的算法也存在着结果失真的问题。因此,开展针对4波段传感器缨帽变换系数的推导,提出了先确定湿度分量、再确定亮度和绿度分量的逆推算法,并将其应用在ZY-3 MUX传感器数据上。实验结果表明:(1)逆推方法可以有效地推导出ZY-3 MUX缨帽变换的湿度分量,较好地解决了前人研究中出现的湿度分量失真问题;(2)新方法求出的3个分量的散点在其三维特征空间中呈现典型的"缨帽"特征,较于传统的GramSchmidt正交化方法,新方法的散点在水体、植被和建筑用地/裸土之间的空间分布位置可以更好地相互分离,不会造成不同地类之间的混淆;(3)采用新方法所得到的缨帽变换系数的精度好于传统的Gram-Schmidt正交化方法,体现在新方法具有较高的R值和较低的RMSE误差。本研究可为ZY-3 MUX数据提供一套有效的缨帽变换系数,同时也为缺乏中红外波段的高空间分辨率遥感影像提供一种新的缨帽变换系数推导方法,解决了常规GramSchmidt正交化方法无法准确表示湿度分量的问题。     

遥感影像数据融合方法比较分析

遥感影像融合是目前遥感领域最主要的研究方向之一,为了进一步促进遥感影像的广泛运用,本文通过高分一号卫星(GF-1卫星)获取湖南省浏阳市部分流域遥感影像,从平均梯度、信息熵、相关系数、地物识别精度等方面定量分析了该卫星传感器的高分数据和多光谱数据融合的质量,试验结果表明:影像融合过程中Gramschmidit融合变换效果最好。     

不同空间分辨率遥感影像反立体现象纠正的研究

以陕北县南沟流域为研究区域,运用基于DEM和IHS变换的遥感影像反立体纠正的方法,对空间分辨率不同的TM遥感影像与资源三号卫星遥感影像(ZY-3)进行反立体纠正,比较纠正后的正立体影像。实验结果表明,采用同种方法对同一地区的不同空间分辨率的遥感影像进行反立体纠正,其正立体效果是迥然不同的,ZY-3遥感影像的纠正效果要优于TM遥感影像。     

GF-2影像面向对象典型城区地物提取方法

国产高分遥感影像信息丰富,提供了精准的地物空间细节,深入研究高分数据处理及其提取城区地类目标信息的方法具有重要意义。本文以国产高分二号（GF-2）遥感影像为数据源,利用规则集的面向对象分类方法,通过ESP尺度分析工具选取得出最优分割尺度,建立各类地物的特征体系及分类规则,最终提取出研究区典型城区地物信息,并将之与传统基于像元的SVM监督分类结果作比较。结果表明：规则集的面向对象分类总体精度为92.23%,Kappa系数为0.9,比SVM监督分类有大幅度提高。对高分二号等高分辨率影像,面向对象的分类方法精度更高,图示效果更好,是城区地物提取的有效方法。     

国产卫星影像本底数据更新的实用方案——以地质灾害易发区遥感影像为例

我国国产遥感卫星数据的日渐增多和应用领域的不断扩大,在遥感影像本底数据的更新中正在部分取代进口卫星数据而成为重要信息源。为此,以资源一号(ZY-1)02C和高分一号(GF-1)国产高分卫星影像为主要数据源,提出遥感影像本底数据更新的技术方案;并以全国地质灾害易发区遥感影像本底数据更新为例,验证该方案的适用性。精度检查结果表明,更新后的数据能够满足1∶5万比例尺遥感影像本底数据的平面精度要求,技术方案合理可行,可为规模化开展遥感影像本底数据更新工作、拓宽国产高分卫星数据在地质灾害调查与监测等领域的实际应用提供重要的技术支持,具有一定的推广价值。     

资源一号02D卫星高光谱数据黄河三角洲湿地景观分类

资源一号02D卫星(ZY-1 02D)于2019年成功发射，2020年10月正式投入使用，是中国自主建造并成功运行的首颗民用高光谱业务卫星，具有广泛的应用前景。本研究以黄河三角洲湿地为研究区，以ZY-1 02D高光谱(AHSI)影像为数据源，结合无人机和地面调查数据，开展湿地景观分类研究。首先通过ZY-1 02D AHSI获取地物反射率波谱曲线，分析不同地物波谱曲线的差异，作为地物识别和分类的依据；充分考虑研究区植被覆盖度的差异，结合无人机影像制定研究区7类基本地物和9类精细地物两种湿地景观分类体系；利用随机森林算法进行分类，并引入Tree SHAP方法进行波段重要性排序和选择；探究影响ZY-1 02D AHSI分类的重要波段，选取与Landsat 8 OLI多光谱波段相重叠的波段进行分类，并与Landsat 8 OLI分类结果进行比较。结果表明：(1) ZY-1 02D AHSI数据能够较好地反映不同地物类型光谱曲线的差异；(2)对于两种分类体系，仅用前40个重要波段的总体分类精度达到最高，7类基本地物分类和9类精细地物分类的分类精度分别为92.18%和90.76%，这40个波段大多...     

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。     

基于UNet模型的智能海洋遥感分类框架研究

借助遥感影像和人工智能方法自动提取空间地物是遥感领域的热点方向,本文基于PyQGIS和改进的UNet模型,设计开发了智能海洋遥感分类程序。该程序可以实现面向大尺度遥感影像的用户自定义智能分类、裁剪、拼接、分类评价、影像可视化和地图操作(包括影像放大、缩小、属性查询等)。并以三类典型海洋地物为案例,基于开发的程序测试,实现了总体精度92%、Kappa系数0.87、平均交并比82%的改善结果。文中提出的智能海洋遥感分类框架可为研究人员和工程人员提供参考,为沿海地区规划、监管和综合治理提供决策支持。     

资源三号卫星多光谱图像特征分析和质量评价

针对资源三号卫星(ZY-3)多光谱图像数据展开图像辐射特征和质量评价研究,通过与SPOT5 HRG(high resolution geometric)多光谱数据对比分析,利用值域、均值和标准差等影像灰度统计信息分析ZY-3与SPOT5图像质量在不同地理区域的差异;通过计算相关系数分析波段之间的相关性,选取不同区域内的典型地物直方图进行对比,以反映多光谱影像的辐射特征;通过计算均质性、对比度、信息熵和角二阶矩评价ZY-3和SPOT5影像的纹理特征,并从影像地理要素视觉特征方面比较2种卫星图像的质量,作为用户选取和使用ZY-3图像的参考。实验结果表明:ZY-3多光谱图像的质量较好,在波段相关性方面,ZY-3在除植被外的水体和建筑物等要素信息提取能力上优于SPOT5;在纹理特征方面,ZY-3也比SPOT5有更好的显示效果,可用做中、小比例尺国土资源等领域应用的基础图像。     

基于面向对象层次分类法的输电线路走廊地表覆盖分类

随着国产卫星遥感影像在电力部门的应用日益深入,利用高分辨率国产卫星遥感影像对输电线路走廊地区进行快速准确的地表覆盖分类成为现实。本文以湖北省输电线路走廊为研究对象,通过多种地物分类方法对比试验,综合利用高分辨率影像的光谱、纹理、形状等特征优势,以"高分一号"影像为例探索出面向对象的层次分类法,快速实现了地物的精确提取,可用于输电线路走廊地区山火评估及预防。研究结果表示,面向对象的层次分类法对于输电线路走廊地物快速分类是可行的并且能达到较高的精度。     

基于ZY1E高光谱遥感影像的汉麻提取研究

以国产ZY1E高光谱遥感影像作为影像数据源,选取黑龙江省绥化市青冈县为研究区,对ZY1E高光谱遥感影像的光谱特性及多波段组合特性进行研究,并开展了研究区汉麻的提取研究.试验表明:ZY1E高光谱遥感影像可以提供更为丰富的空间信息和地物光谱信息,更利于地物的精细识别,2020年青冈县共种植汉麻0.22万hm2,主要集中在北部区域,汉麻提取的总体分类精度为98％,Kappa系数为0.9623.     

资源三号卫星传感器校正产品定位精度验证与分析

在已有对资源三号(ZY-3)卫星遥感影像质量初步验证工作的基础上,选择同时具有平地和山地的典型实验区影像,进一步深入研究并验证ZY-3卫星传感器校正产品的定位精度.以在实验区外业测量的高精度GPS点作为控制点及检查点,通过区域网平差算法对传感器校正产品自带的有理多项式系数进行精化,消除系统误差;通过自动生成数字表面模型(DSM)和正射影像(DOM),验证其平面测图和立体定位精度,分析地形、控制点数量与分布对精度的影响.实验结果表明:在地形平坦地区,ZY-3卫星数据的平面定位精度可达1.476 m,高程定位精度可达2.213 m;在地形起伏较大的山区,平面定位精度可达1.506 m,高程定位精度可达2.895 m.该精度能满足1:5万比例尺DEM及DOM制作要求,并可用于1:2.5万比例尺地形图的修测.     

WorldView-3短波红外影像分类性能研究

WorldView-3卫星在8个可见光-近红外(VNIR)波段的基础上,新增了8个短波红外(SWIR)波段,大大提高了对地物信息的提取能力。利用随机森林分类方法分别对可见光-近红外8个波段影像和可见光-近红外-短波红外16个波段的影像进行实验验证;采用基于多尺度分割技术的面向对象方法对合理的特征空间进行实验与挑选。结果表明,引入SWIR波段后分类性能总体精度提升了3.78%,人工地物制图精度提升了5.65%,自然地物制图精度提升了2.88%;且允许识别特定类别(村镇中的红色低矮砖瓦房居民区),能保持地物较为完整的形状信息,可提高多光谱遥感影像的分类精度。     

基于注意力增强全卷积神经网络的高分卫星影像建筑物提取

从卫星遥感影像中自动提取建筑物在国民经济社会发展中具有广泛的应用价值,由于卫星遥感影像存在地物遮挡、光照、背景环境等因素的影响,传统方法难以实现高精度建筑物提取。采用一种基于注意力增强的特征金字塔神经网络方法(FPN-SENet),利用多源高分辨率卫星影像和矢量成果数据快速构建大规模的像素级建筑物数据集(SCRS数据集),实现多源卫星影像的建筑物自动提取,并与常用的全卷积神经网络进行对比。研究结果表明:SCRS数据集的提取精度接近国际领先的卫星影像开源数据集,且假彩色数据精度高于真彩色数据; FPN-SENet的建筑物提取精度优于其他常用的全卷积神经网络;采用交叉熵和dice系数之和为损失函数能够提升建筑物提取精度,最好的分类模型在测试数据上的分类总体精度为95.2%,Kappa系数为79.0%,F1分值和IoU分别达到了81.7%和69.1%。该研究可为高分辨率卫星影像建筑物自动提取提供参考。     

资源三号卫星高分影像的城市建筑物阴影提取

针对城市高分影像中普遍存在的建筑物阴影严重影响了高分影像的处理和应用问题,该文通过对资源三号卫星(ZY-3)各波段的影像特征进行分析,分别采用基于直方图的阈值分割法、基于主成分变换和HIS变换集成法对阴影提取并对比分析,在此基础上提出了一种基于谱间关系的阴影提取模型。实验结果表明,该文提出的方法能够较好地区分ZY-3影像中的阴影和偏蓝色地物及水体,能够准确地提取城市高大地物阴影。     

基于面向对象的珲春地区高分辨率遥感影像分类研究

以吉林省珲春市春化镇为研究区,以Pleiades、高分一号、资源三号影像为实验数据,利用面向对象信息提取方法实现了对3种遥感影像进行信息提取。利用3D Filter边缘检测算子对多尺度分割进行优化,通过对影像进行多次实验得出地物要素的最优分割参数,并且建立不同地物要素的分割层级。分析实验数据的特点构建了合理的分类层级,选取能区分各个地物要素的特征进行组合,利用阈值分类和模糊分类实现地物要素的信息提取。利用混淆矩阵对数据进行客观分析,得到3种影像的总体分类精度和kappa系数。分析结果表明:Pleiades影像分类精度较高,更适合本实验区的遥感影像信息提取。     

利用频谱能量进行高分辨率遥感图像地物识别

提出了一种基于频谱能量的高分辨率遥感图像地物识别方法。首先将预处理后的典型地物的遥感图像通过傅立叶变换从空间域转变到频率域,然后用位于频谱中心的一个矩形窗口提取频谱图上对能量贡献起主导作用的低阶频谱能量系数作为目标识别的主要特征值,并利用该特征值结合SVM分类方法对目标地物样本进行识别和分类。研究结果表明,每种地物样本均获得了较高的识别结果,总体精度达到了88.96%。