高光谱遥感影像管理系统的设计与实现

由于高光谱数据的海量高维特征,使得传统的信息系统难以有效地对这些数据进行高效地存储、处理、分析,表现等管理操作。因此如何采用新的技术来开发一个能有效管理高光谱遥感影像数据的影像管理系统,是当前高光谱快速发展和深入应用的一个瓶颈之一。本文在研究的过程中,对当前影像管理系统的发展作了大量的分析,利用成熟的关系数据库和程序设计语言,开发了一个方便实用的高光谱遥感影像管理系统以管理高光遥感影像和其他遥感信息,提高影像管理效率。系统已初步实现了多景高光谱遥感影像检索,可以任意加载、导入高光谱遥感影像,运行效果良好。     

高光谱遥感影像降维：进展、挑战与展望

高光谱遥感影像数据具有高维特征、信息冗余、不确定性显著、小样本、空谱合一等特征,对其进行数据处理面临巨大挑战,高光谱遥感影像降维是高光谱遥感的重要研究方向之一。本文对当前高光谱遥感影像降维的相关研究进展进行了综述,在介绍高光谱遥感数据特点的基础上,重点从特征提取和特征选择两方面对高光谱遥感影像降维的最新研究和前沿进展进行了系统性综述;并从特征可分性、特征质量评价、特征数目确定、多特征优化以及需求驱动的特征选择等方面分析了高光谱遥感影像降维面临的挑战。随着智能化高光谱遥感的发展,高光谱遥感影像智能降维成为未来的发展方向,同时其发展将兼顾多特征质量评估与优选、搜索策略优化、满足应用需求等多目标的需求。随着高光谱遥感数据获取能力的提升和深入应用,高光谱遥感影像降维将会发挥重要而不可替代的作用。     

基于扩展关系数据库的遥感影像数据库管理系统的研究与实现

通过对遥感影像数据库管理系统的研究背景、现状和管理模式及存在的主要问题的分析，进行了基于扩展关系数据库的遥感影像数据库管理系统关键技术实验，开发了一个原型系统。实验结果表明，基于大型的扩展关系数据库来管理遥感影像数据是可行的和优越的。     

曲波变换的高光谱遥感图像融合方法在土地利用调查中的应用

对两个有关土地利用状况调查区域的高光谱和Quickbird数据进行了数百次算法对比实验,最终确定Sym4和Db2是曲波变换中的最佳小波函数,提出两种基于曲波变换的高光谱遥感图像融合方法,即加权法和选择法,获得了更精确的高光谱遥感融合影像.在一个研究区域,通过对高光谱数据的子带分解、脊波变换、一定融合以及它们的逆变换等曲波变换过程,表明融合的高光谱遥感影像能提供许多有利于土地类型划分和影像识别的精确七地信息.在另一个研究区域,除进行曲波变换外,还通过二次多项式计算实现了高光谱与Quickbird数据遥感影像匹配,最终从高光谱与Quickbird数据获得的遥感融合影像经日视及信息熵、相关系数等评价表明,曲波变换融合图像优于小波变换融合图像,与Brovey融合图像相近,但比PCA融合图像稍差.客观和主观评价证实,曲波变换的遥感融合方法能为高光谱遥感图像在土地利用状况调查提供更多更准确的信息.     

高光谱遥感影像分类研究进展

随着模式识别、机器学习、遥感技术等相关学科领域的发展,高光谱遥感影像分类研究取得快速进展。本文系统总结和评述了当前高光谱遥感影像分类的相关研究进展,在总结分类策略的基础上,重点从以核方法为代表的新型分类器设计、特征挖掘、空间-光谱分类、基于主动学习和半监督学习的分类、基于稀疏表达的分类、多分类器集成六个方面对高光谱影像像素级分类最新研究进行了综述。针对今后的研究方向,指出高光谱遥感影像分类一方面要适应大数据、智能化高光谱对地观测的发展前沿,继续引入机器学习领域的新理论、新方法,综合利用多源遥感数据、多维特征空间互补的优势,提高分类精度、分类器泛化能力和自动化程度;另一方面要关注高光谱遥感应用的需求,突出高光谱遥感记录精细光谱特征的优势,针对应用需求发展有效的分类方法。     

多源遥感影像数据的融合方法探讨

在分析和总结多源遥感影像数据融合的基础上,探讨了多源遥感影像数据融合的层次、模型、结构及其特点.归纳总结了多源遥感影像数据融合方法,目的是提高多光谱影像分辨率的同时保持色调不变,从另一个角度理解为在已知低分辨率多光谱影像和高分辨率全色影像的基础上,模拟生成高分辨率多光谱影像.本文介绍了遥感影像融合技术,系统阐述了几种常见的遥感影像融合方法及其应用.     

高分辨率遥感影像处理进展与城市应用若干实例

遥感对地观测技术正在进入以高空间分辨率、高光谱分辨率、高时间分辨率为代表的"三高"时代,为城市绿色、健康和可持续发展提供了丰富、持续的数据源。在综述高空间分辨率遥感影像分类与目标识别、高光谱遥感影像分析与处理、多时相遥感影像信息提取发展现状与进展的基础上,结合若干实例对高分辨率遥感在城市分析中的应用进行了探讨。     

高光谱--遥感测绘的新机遇

通过对高光谱遥感技术的主要优势、基本特征和地理空间信息探测潜力的分析,展示了高光谱数据在遥感测绘领域大规模应用的可能性.同时,还分析了围绕高光谱测绘应用相关的一系列问题,包括高光谱数据的测绘需求、面向测绘应用的高光谱影像分析的关键技术、高光谱遥感测绘模式以及实用化系统建立的设想等.通过对这些问题的进一步深化研究,高光谱技术就可充分与现有的遥感测绘手段有机结合,并对地理空间信息的遥感探测技术产生有力的推动.     

雄安新区马蹄湾村航空高光谱遥感影像分类数据集

高光谱遥感影像分类数据集主要用于辅助高光谱遥感分类算法的精度验证、效率评价及性能评估，一般包括高光谱遥感影像、影像对应地物类别标注以及相关信息文档等内容。常用的高光谱遥感影像分类数据集以欧美为主，如India Pines、Salinas、KSC等。随着中国高光谱遥感传感器技术发展和学术交流机制的日臻完善，国内也发布了高光谱遥感分类数据集，如江苏省常州的茶树数据集。较于欧美高光谱遥感分类数据集的广泛应用，中国高光谱遥感分类数据集的发布与应用仍偏少。近年来，中国高质量高光谱遥感数据获取能力大幅增强，提升了中国高光谱遥感共享数据源的数量及质量，为促进中国高光谱遥感应用研究及业务化能力提供了支撑。本分类数据集包括雄安新区马蹄湾村高光谱影像数据，由中国科学院上海技术物理研究所研制高分专项航空系统全谱段多模态成像光谱仪采集，光谱范围为400—1000 nm，波段250个，影像大小为3750×1580像元，空间分辨率0.5 m；同步实地调研地类分布19种，包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻、水体、柳树、复叶槭、栾树、桃树、玉米、梨树、荷叶、建筑。利用随机森林分类方法对该数据进行了分类验证，分类精度可达97%。该数据集（下载方式：http：//www.hrs-cas.com/a/share/shujuchanpin/2019/ 0501/1049.html）可为中国经济作物高光谱精细分类研究提供良好的数据支持，更可为中国高光谱遥感载荷业务化应用发展提供有力促进。     

高光谱高空间分辨率遥感观测、处理与应用EI北大核心CSCD

高光谱遥感技术是遥感领域的研究热点之一。然而,由于成像口径与能量等限制因素,难以同时获得高光谱和高空间分辨率的图像,这极大限制了高光谱遥感在精细尺度任务中的应用。近年来,随着高光谱成像技术及无人机为代表的新型观测平台的发展,高光谱高空间(双高,同时具备纳米级光谱分辨率与亚米级空间分辨率)遥感技术发展迅猛,推动了高光谱遥感技术的应用,但同时也带来了更多问题。极高的空间与光谱分辨率使得数据更加海量高维,加剧了高光谱数据的空间异质性和光谱变异性,为影像智能信息处理带来更大的挑战。为此,本文将从双高遥感影像基准数据集、双高遥感影像智能信息处理、双高遥感影像典型应用3个方面论述双高遥感应用与发展现状。     

高光谱热红外遥感：现状与展望

高光谱热红外数据中蕴含着丰富的长波光谱信息,可以更精细的揭示地气耦合过程导致的辐射变化,反映热红外谱段特有的地物诊断特征,同时高光谱特性也可以为热红外关键特征参数的病态反演问题提供更合理的假设和约束条件,具有重要的研究价值和应用前景。高光谱热红外遥感技术自诞生起,在吸纳多光谱热红外遥感技术的基础上迅速发展,成为热红外遥感领域的重要研究方向和突破点。然而,当前高光谱热红外遥感存在着可用数据不足,处理方法传统,反演精度有限,应用难以有效实施等问题。为进一步明晰高光谱热红外遥感的研究进展和现存挑战,本文在高光谱热红外相关文献深入分析的基础上,梳理了高光谱热红外研究的发展脉络和热点,介绍了现有国内外主要的高光谱热红外传感器,分析了高光谱大气效应校正、地表温度和发射率分离以及地气关键特征参数一体化反演的现状和问题,总结了相关典型行业应用,展望了高光谱热红外的发展方向,以期为未来高光谱热红外研究工作的开展提供借鉴和帮助。     

高光谱遥感及其在青藏高原的应用潜力分析

高光谱遥感以其波段数目多、光谱分辨率高、带宽窄等特点受到了国内外研究者的广泛关注,它的发展可以说是遥感技术领域的巨大进步。本文主要介绍高光谱遥感的发展,以及针对高光谱影像独有的特点所要进行的数据处理方法。在此基础上,结合青藏高原独特的地理地质环境,探讨高光谱遥感在青藏高原的应用潜力。     

高光谱──遥感测绘的新机遇

通过对高光谱遥感技术的主要优势、基本特征和地理空间信息探测潜力的分析,展示了高光谱数据在遥感测绘领域大规模应用的可能性。同时,还分析了围绕高光谱测绘应用相关的一系列问题,包括高光谱数据的测绘需求、面向测绘应用的高光谱影像分析的关键技术、高光谱遥感测绘模式以及实用化系统建立的设想等。通过对这些问题的进一步深化研究,高光谱技术就可充分与现有的遥感测绘手段有机结合,并对地理空间信息的遥感探测技术产生有力的推动。     

高光谱数据在Oracle中的存储及应用技术研究

高光谱遥感作为遥感的前沿技术,正在得到日益广泛的应用,其数据积累日益丰富.随着定量化遥感渐渐成为关注的核心,很多领域都越来越迫切地要求建立一个能存放高光谱数据、功能性强、使用方便、易扩展、与本领域应用相结合的数据库系统.针对高光谱数据特性以及处理和管理的需要,文中提出了基于Oracle数据库的面向对象的高光谱数据管理模型,从而便于高光谱数据的存储、管理、查询;并基于高光谱数据库进行了SAM分类实验,验证了该模型的有效性.     

高光谱数据在Oracle中的存储及应用技术研究

高光谱遥感作为遥感的前沿技术,正在得到日益广泛的应用,其数据积累日益丰富。随着定量化遥感渐渐成为关注的核心,很多领域都越来越迫切地要求建立一个能存放高光谱数据、功能性强、使用方便、易扩展、与本领域应用相结合的数据库系统。针对高光谱数据特性以及处理和管理的需要,文中提出了基于Oracle数据库的面向对象的高光谱数据管理模型,从而便于高光谱数据的存储、管理、查询;并基于高光谱数据库进行了SAM分类实验,验证了该模型的有效性。     

结合NSCT和KPCA的高光谱遥感图像去噪

针对高光谱遥感图像易受噪声干扰,本文提出了一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和核主成分分析KPCA(Kernel Principal Component Analysis)的去噪方法。首先对高光谱各波段图像进行NSCT分解;然后利用KPCA对NSCT系数进行处理,并在KPCA重构时依据各类噪声的特性选取合适的主成分;最后用处理过的系数进行逆变换得到去噪图像。实验结果表明,本文方法抑制了高光谱遥感图像中的噪声干扰,较完整地保留了原始数据的有效信息。     

高光谱图像处理与信息提取前沿

高光谱遥感是对地观测的重要手段,高光谱图像处理与信息提取技术则是高光谱遥感领域的核心研究内容之一。本文简要介绍了高光谱遥感的主要特点,系统梳理了高光谱图像处理与信息提取面临的关键问题和主要研究方向,在此基础上,从噪声评估与数据降维方法、混合像元分解方法、图像分类方法、目标探测与异常探测方法等4个方面对高光谱图像处理与信息提取的理论发展过程和最新前沿进展进行了综述。另外,还对高光谱图像处理与信息提取中的高性能处理技术进行了总结和分析。未来,伴随着智能化信息分析和高性能硬件处理技术发展,高光谱遥感卫星系统也将步入智能化时代。针对这一趋势,本文指出高光谱图像处理与信息提取方法要注重多学科交叉,充分利用机器学习、人工智能等领域的新成果;要重视软硬件结合,发展高光谱图像高性能实时处理技术;要紧密结合应用需求,发挥高光谱遥感的优势和特点,发展新理论和新方法。     

一种高光谱遥感图像快速谱聚类算法

为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题，集成Lanczos算法与谱聚类算法，探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性，提出了一种面向高光谱遥感图像的快速谱聚类算法；通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果，发现面向高光谱遥感图像的谱聚类算法易于识别线性地物，且分类的速度能得到较大提升。