TM图像的SOMP几何纠正法

针对缺少地面控制点（GCP）的遥感影，探讨一种几何精纠正的新方法，就是把空间投影理论应用于遥感图像的几何精纠正中，利用空间斜墨卡托投影（SOMP）和少量地面控制点对遥感影像实施几何精纠正，该方法理论严密，算法速度快捷，适用性强，通过对广州地区的TM影像进行的几何精纠正实验，该方法十分有效，几何精纠正精度在一个像素左右。     

球体空间斜墨卡托(SOM)投影介绍

空间斜墨卡托(Space Oblique Mercator)投影是美国地质测量局为轨道航天器运载的扫描设备摄取的连续图象所设计构一种新投影。它是一种动态的地图投影。本文介绍球体SOM投影的原理和正算公式。一、斜墨卡托投影     

高精度遥感影像的空间投影几何精校正

几何校正为影像预处理工作做了技术准备。其精度直接影响着后续工作的质量。目前,高精度遥感影像因其空间分辨率较高、数据产品格式复杂,在实际应用中对其进行几何精校正(包括正射校正)还存在许多问题。在地面控制点(Ground Control Point,GCP)分布不均或数量不足的情况下,运用空间投影加密控制点的方法,能有效解决此类问题。本文以Quick Bird遥感卫星影像为例,阐述了该方法的可行性。     

卫星图像斜方位投影正反解变换研究

本文针对卫星动态获取的遥感图像,探讨其空间斜方位投影问题。利用空间几何理论建立其斜方位投影的数学模型,得到了该投影的精确表达式。并且利用矢量解法研究该投影模型的正解和反解变换算法以及星下点坐标计算方法,最后给出了算例。根据算例的结果分析表明,该投影的正反解变换均达到较高的精度。     

地形辐射校正在极化SAR影像分类中的应用

由于SAR斜距成像几何方式及地形起伏的影响,原始SAR影像存在透视收缩、叠掩、阴影等严重的几何畸变和辐射畸变。其中,叠掩区具有强烈的后向散射回波,在极化SAR影像的分类研究中容易造成林地与居民地等地物混分,降低分类的精度。针对该问题,本文研究一种地形辐射校正方法,引入投影角计算后向散射系数γ0,有效地解决了地形起伏造成的辐射畸变问题。选取一景全极化Radarsat-2影像进行实验验证,分别对地形辐射校正前后的极化SAR影像进行了复Wishart监督分类。通过对分类结果的比较,表明经本文地形辐射校正方法处理后,极化SAR影像的分类精度得到了改善。     

空间斜墨卡托投影及其在遥感图象处理中的应用

本文推导了球体、椭球体空间斜墨卡托(SOM)投影公式;指出了空间投影的特点和用途,给出了可实际应用的SOM投影正反解公式计算程序包;分析了真(垂直)卫星地面轨迹投影线附近的变形情况,提出了一种正形多项式快速算法,提高了SOM投影正反解计算速度;最后给出了SOM投影与传统地图投影(例如高斯、等角园锥投影)的转换程序包。     

利用MODIS数据和查找表的城区TM影像大气校正

影像大气校正精度的关键参数为气溶胶光学厚度,而城区大气条件复杂,对城区TM影像采用统一的大气参数进行大气校正,势必难以获得令人满意的校正精度。因此,本文提出了一种基于MODIS数据和查找表的大气校正算法,首先应用6S模型离线计算建立不同气溶胶光学厚度的大气校正系数查找表,然后基于MODIS数据反演气溶胶光学厚度,最后基于查找表和气溶胶光学厚度数据对长沙城区TM影像进行了逐像元大气校正。结果表明:基于查找表的校正算法与6S模型在线计算算法的校正精度接近,能够较好地进行大气校正;在水体区校正精度最高,而在城区校正精度相对较低。     

TM图像的大地校正及其镶嵌方法研究

大地校正和数字图像镶嵌是应用遥感图像进行资源环境监测工作的基础,其精度的高低将对后续工作产生直接影响。基于经过系统校正的TM图像内部几何精度高的前提,本文提出一种快速实用的大地校正及图像镶嵌方法,该方法避免了传统方法在应用控制点建立拟合方程时耗时长的缺点,保证了TM镶嵌图像的几何精度.     

线阵推扫式影像近似几何校正算法的精度比较

线阵推扫式影像严格几何校正需要轨道星历参数和传感器参数 ,但在实际应用中有时无法得到这些数据 ,此时一般采用直接线性变换、一般多项式、改进多项式、有理函数等模型进行近似几何校正。在简要介绍了几种近似算法的数学模型后 ,重点讨论了利用SPOT和IKONOS图像所进行的各种实验分析和精度比较。结果表明 :有理函数模型精度最高 ,可达到子像素级 ;直接线性变换模型的精度在控制点分布状态良好时可达到 2个像素 ;一般多项式模型的精度 ,对于平坦地区的影像大约在 1个像素左右 ,但受地形起伏的影响较大 ;改进多项式模型的精度随多项式的阶数变化而变化 ,几乎不受地形起伏的影响 ,选择适当阶数的改进多项式模型可以获得较高的几何校正精度。此外 ,在选择某一种方法进行线阵推扫式影像近似几何校正的时候 ,还应该综合考虑精度、算法复杂性、对已知数据的要求等多种因素。实验表明 :对于线阵推扫式影像的近似几何校正 ,改进多项式模型精度较高、计算量较小、对控制点要求较低 ,是一种较好的近似几何校正算法     

海南岛土地利用的遥感调查与机助制图

海南岛土地利用调查制图在微机空间信息系统支持下,利用经几何校正的TM卫星遥感磁带数据直接转换成数字化地图。本文介绍了这次调查制图的方法,论述了海南岛土地利用现状分类以及各类土地利用的TM影像特征和有关解译标志,进行了面积统计和精度检验,并研究了各土地利用类型的特征。     

结合贝叶斯理论和MRF的主被动遥感数据协同分类

提出一种基于贝叶斯理论和马尔科夫随机场MRF(Markov Random Fields)的主被动遥感数据协同分类方法。该方法依据光学与微波遥感数据在地物提取中的各自优势,首先对ASAR后向散射系数进行入射角归一化,然后构建一种基于贝叶斯理论和MRF的分类器,以归一化后的ASAR双极化数据与TM7个波段共同参与分类。分别对ASAR入射角归一化的有效性和主被动协同的必要性进行验证,结果表明,采用本文方法的分类精度达到89.4%,较未进行角度校正的主被动数据协同分类的精度提高了4.1%,较单独TM分类的精度提高了11.5%,体现出主被动遥感数据协同在分类上的潜力。     

TM影像与GIS矢量数据的自动配准

介绍了一种新的基于信息融合的TM影像和GIS矢量数据自动配准方法。首先建立TM影像和GIS矢量数据的近似变换关系,在此基础上以矢量地图上的信息(水系、道路网等)为先验知识,利用多尺度模板匹配法对TM影像中的线状信息进行自动提取。把自动提取的结果作为像方观测,矢量地图数据作为地面观测,通过广义点摄影测量原理和方法,解算出TM影像的外参数,实现新的TM影像和旧的GIS矢量数据的自动配准。实验结果表明,一般情况下,本文方法达到了像素级精度,且大大提高了工作效率。     

Multicomponent Image Segmentation Using a Genetic Algorithm and Artificial Neural Network

Image segmentation is an essential process for image analysis. Several methods were developed to segment multicomponent images, and the success of these methods depends on several factors including (1) the characteristics of the acquired image and (2) the percentage of imperfections in the process of image acquisition. The majority of these methods require a priori knowledge, which is difficult to obtain. Furthermore, they assume the existence of models that can estimate its parameters and fit to the given data. However, such a parametric approach is not robust, and its performance is severely affected by the correctness of the utilized parametric model. In this letter, a new multicomponent image segmentation method is developed using a nonparametric unsupervised artificial neural network called Kohonen's self-organizing map (SOM) and hybrid genetic algorithm (HGA). SOM is used to detect the main features that are present in the image; then, HGA is used to cluster the image into homogeneous regions without any a priori knowledge. Experiments that are performed on different satellite images confirm the efficiency and robustness of the SOM-HGA method compared to the Iterative Self-Organizing DATA analysis technique (ISODATA).     

基于波谱角分类法的沙化信息提取研究——以毛乌素沙地典型地区为例

以毛乌素沙地典型地区为例,以CBERS2、Landsat5 TM、SPOT5及 TM与SPOT5融合影像作为基本数据源,使用波谱角分类法对 该区流动沙地、半固定沙地、固定沙地和沙化耕地进行信息提取,探索和比较该方法针对不同传感器遥感影像的沙化信息提取精度 。对本研究区,不同传感器影像的沙化信息提取精度均在80%以上,其中融合影像的沙化信息提取精度最高为90.13%,SPOT5次之, 而CBERS2和TM对不同类型的沙化信息提取各有优势,但CBERS-2信息提取的精度要高于TM。这说明使用波谱角分类法提取的结果精 度与影像空间分辨率有正相关关系,即空间分辨率越高,沙化信息的提取精度也越高。     

“3S”技术在四川生态环境动态监测中的应用研究

为有效实现四川省生态环境的动态监测,运用RS、GIS和GPS技术,以2004年中巴资源卫星(CBERS-02)遥感影像数据为信息源,2000年TM遥感影像解译的数据为基础,对2004年遥感影像进行解译,修改2000年数据库;手持GPS接收机,在野外对解译成果进行验证,更新数据库;利用GIS技术的空间分析功能,提取出2000～2004年期间土地利用/覆被变化信息,得到2000～2004年期间四川省高精度的土地利用/覆被变化数据库。最后对四川省土地利用/覆被变化信息进行分析,对四川省生态环境的下一步研究指名了方向。     

SAR和TM图像主成分变换融合中不同主分量替换的比较

常用的主成分变换融合方法是将一种遥感图像数据代替主成分变换后的第一主成分并进行反变换,从而得到融合信息的方法。但是,信息量较高的第一主成分被替换,往往造成一定的信息损失。本文对TM2、TM3、TM4、TM5和TM7进行主成分变换,然后用RadarsatSAR影像分别替换各主成分,并对其进行反变换。研究表明,与替换第一主成分或原始图像相比,替换第四和第五主成分的结果在信息量上有很大提高,且信息增强,类别间分离度增大,分类精度提高。但是,替换第四、第五主成分的融合结果相差不大.     

基于Landsat TM数据的东平湖水体提取方法研究

文章以东平湖LANDSAT TM影像为例,根据影像各波段间的相关性以及地物在影像上的灰度差异,分别采用单波段和多波段阈值法对影像上的水体进行提取.在此基础上,结合(TM2 +TM3)-(TM4 +TM5)设定阈值和TM5单波段阈值法,提出了一种综合水体提取的方法,最后,对各方法提取的结果进行精度评价.试验结果表明:综合提取法在该研究区域具有较好的水体提取效果,极大地改善了原始单一方法的水体提取精度.     

SAR影像时间序列支持下的互花米草盐沼提取——以江苏盐城东部沿海为例

利用江苏盐城东部沿海8幅ERS-2 SAR影像构建像素级时间序列,根据训练样本得出互花米草盐沼的标准时间序列曲线;基于动态时间弯曲DTW距离进行时间序列相似性分析后提取互花米草盐沼,用同年Landsat TM影像、CBERS-02B CCD影像目视解译的真实地面数据进行精度评价。结果表明:1)互花米草盐沼的时间序列曲线呈波动性变化,与研究区其他4类典型地物的时间序列曲线差异较大;2)互花米草盐沼提取结果的精度较高,基于Landsat TM影像的精度评价结果——正确率86.81%,完整率84.63%,基于CBERS-02B CCD影像的精度评价结果——正确率87.84%,完整率83.87%。     

ASTER和TM/ETM+遥感数据融合监测土地覆盖变化

在人们纷纷选择IKONOS、QUICKBIRD、SPOT-5等高分辨率影像监测土地利用/覆盖变化之际,以北京海淀区为例,尝试采用Brovey变换和主成分分析(PCA)法融合ASTER、TM/ETM+中等分辨率影像,充分利用ASTER、TM/ETM+数据的多光谱和较高空间分辨率特性,挖掘其在土地覆盖变化监测中的潜力,为大规模监测土地利用/覆盖变化提供科学参考。研究将2003年ASTER多光谱3N、2、1波段与1999年ETM+PAN波段进行Brovey变换;1992年TM543与1999年ETM+PAN波段进行PCA融合,快速发现土地覆盖变化信息。经验证,变化发现精度达92.50%,符合项目精度要求。试验表明:在缺乏高分辨率影像的地区,选择价格相对便宜的AS-TER和TM/ETM+数据,采用Brovey变换和主成分分析(PCA)法进行融合,可有效监测土地覆盖变化,节约动态监测成本,二者具有很大的应用价值,值得推广。     

基于Radarsat和TM图像融合与分类的土壤盐渍化信息遥感监测研究

单一雷达影像数据通常不能提供足够的用以监测干旱地区盐渍化的信息。雷达图像与TM图像的融合可以提高遥感数据的利用率,增强数据的可靠性和信息的互补性,有助于提高分类精度。本文采用了GramSchmidt变换融合法将Radarsat和TM图像进行融合,并将该融合方法与一些常用融合方法(HIS融合、PCA融合、Brovey融合)进行了比较,结果表明该融合方法优于其他方法。最后采用支持向量机分类法(SVM)对Radarsat、TM融合后的图像进行了分类。结果表明:同单独Radarsat影像和TM影像分类结果相比,该融合分类法将分类精度分别提高了近30%和2%。因此该融合分类法更适合于遥感图像盐渍化信息监测。