基于PCA+RBF的多光谱卫星遥感影像分类

多光谱卫星遥感影像具有波段多,信息量大的特点,传统的分类方法难以达到比较高的精度.这里首先采用主成份分析对多波段遥感图像进行降维,再采用训练后的RBF(radial basis function)神经网络做图像的监督分类.通过对ETM 的遥感数据进行实验,结果表明,这种分类方法的分类精度,明显优于最大似然法、最小距离法等传统的分类方法.同时,与基于像元的RBF神经网络法相比,也有一定的优势.     

基于光谱指数的遥感影像岩性分类

由于传统的岩性分类方法受岩石辐射干扰因素大, 存在"同物异谱"以及"同谱异物"现象, 岩性分类精度低, 所以在深入分析岩石矿物光谱特征基础上, 以西昆仑成矿带地区的二长花岗岩、石英正长岩以及正长岩为研究对象, 基于这3种岩性的实测光谱数据以及先进星载热发射和反射辐射仪(advanced spaceborne theemal emission and reflection radiometer, ASTER)影像数据的波段设置特征, 建立了RI和SI两种光谱指数.利用所建立的RI以及SI光谱指数对ASTER遥感数据进行岩性分类.结果显示, RI和SI两种光谱指数法在提取二长花岗岩时精度达到70%以上, 石英正长岩精度为80%左右, 与最大似然法得到的分类结果相比, 这两种岩性的分类精度明显提高了.      

ASTER多光谱波段与SPOT全色波段融合方法研究

遥感图像融合可以发挥多源遥感数据的优势。但由于不同传感器的遥感数据有着不同的特征,不同数据所采用的融合方法也应不同。文章探讨了ASTER多光谱波段与SPOT全色波段数据融合的方法,通过对PCA融合、IHS融合和基于小波的IHS融合方法的对比研究,得出基于小波的IHS融合法在提高空间分辨率的同时较好地保持了地物的多光谱信息。     

利用Landsat-8和Worldview-2数据进行协同岩性分类

提出了一种对Landsat-8和Worldview-2协同后的岩性分类方法。首先对Landsat-8和Worldview-2影像进行协同:在对Landsat-8全色波段与其多光谱进行自协同后,与Worldview-2多光谱第8波段数据协同,将协同后的Landsat-8中短波红外数据与Worldview-2数据进行叠加,得到最后协同结果。对协同后的数据进行岩性分类:利用基于最大似然法(maximum likelihood,ML)进行初始分类,由马尔科夫随机场法(Markov Random Field,MRF)对结果进行优化得到最终分类结果。采用新疆西昆仑地区遥感数据进行了实验,结果证实协同后数据的分类结果具有更高的分类精度。     

基于多源遥感数据的第四系覆盖物分类方法研究:以内蒙古旗杆甸子幅1∶5万填图试点为例

遥感图像分类技术对于荒漠草原浅覆盖区第四系覆盖物分类具有重要意义。以内蒙古旗杆甸子幅1∶5万填图试点为例,基于ASTER、GF-2等多源遥感数据,利用植被抑制法、波段比值法、主成分分析以及纹理信息提取等多种方法,充分考虑了多光谱数据的光谱信息和高分辨率数据的形状、空间结构、纹理信息等特征,结合面向对象分类法,对研究区第四系覆盖物进行了分类,并比较分析了不同分类方法的分类效果与精度。结果表明:将波段比值、主成分分析以及纹理分析多种特征作为辅助数据参与分类,其分类效果优于基于单一ASTER数据进行的分类;通过几种不同分类方法的比较分析,发现多特征面向对象分类的总体精度最高,达到85.40%,比多特征传统监督分类的总体精度提高了约11%,分类影像上地物边界清晰。该法分类技术可以为荒漠草原浅覆盖区的地质填图提供相关技术支持。     

多尺度纹理及多光谱影像协同的遥感岩性识别方法

岩性识别是遥感图像分类的难点,也是遥感地质应用的难点和热点。从遥感地质应用的实际需求出发,以西昆仑地区侏罗纪沉积岩地层为例,通过尺度转换提取高分遥感图像的多尺度纹理信息,采用波段叠加的方式协同多尺度纹理信息与ASTER影像多光谱信息进行岩性识别方法研究。利用WorldView-2全色数据进行向上尺度转换,形成空间分辨率分别为0.5,2,5,10,15,30m6种尺度图像数据,基于灰度共生矩阵提取各尺度上的纹理信息;将不同尺度的纹理信息分别与ASTER多光谱数据叠加形成协同数据;采用监督分类方法对研究区协同数据进行岩性分类。结果表明:(1)岩性纹理信息对空间尺度表现出依赖性,纹理信息量及含义随空间尺度不同而变化;(2)每套特定岩层因其独特的几何空间结构特征(厚度、产状、夹层、互层等)都有与之相适应的最佳纹理尺度,且该最佳尺度下纹理与光谱的协同效应最大;(3)纹理信息与多光谱数据形成的协同数据能有效提高岩性分类的精度,分类精度提高的程度与纹理计算的尺度相关。研究区岩性分类结果显示当纹理尺度为10m时,与仅基于ASTER纯光谱分类结果相比,精度提高了约6.9%。     

面向对象的遥感图像分类方法研究

影响遥感图像分类效果的主要因素之一是空间分辨率。通过融合多分辨率遥感图像,引入面向对象的思想,有效地克服了多光谱图像空间分辨率低的问题。该方法由图像分割和分类等一系列技术组成,首先用基于区域分割法则对正射校正SPOT图像进行分割,然后把它作为参考用最大似然法分类器和其他一些经验规则对TM图像进行分类。对土地覆盖图分类进行精度测试,取得了良好的应用效果。     

基于植被抑制法的植被覆盖区多光谱遥感岩性分类

植被的发育限制了遥感在地质学方面的应用, 在植被覆盖区进行岩石填图, 首先要考虑去除植被干扰影响.以内蒙古东乌旗地区为例, 选择先进星载热发射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer, ASTER)数据, 分别计算研究区内含土壤因子植被指数和不含土壤因子的植被指数, 并对两类不同的植被指数进行主成分分析, 挑选出植被信息被抑制和岩石-土壤信息突出的主成分进行岩性分类, 和利用最大似然法的分类结果进行对比分析, 评价两种方法的岩性分类性能, 植被抑制法的总体分类正确率为82.946 8%, 最大似然法的总体分类正确率为76.364 3%.结果说明在植被覆盖区, 利用植被指数来抑制植被信息是可行的, 和常规分类方法中的最大似然法相比, 大大提高解译的准确性.      

松辽平原黑土区Aster数据光谱特征及自动分类研究

为研究松辽平原黑土退化状况，以Aster数据光谱特征作为选择最佳波段组合的理论依据，人机交互处理达到计算机自动分类的目的。通过多波段假彩色合成对比发现，Aster数据可见光／近红外波段3N、2、1的组合效果最佳，选择这种组合进行分类有助于提高分类精度。研究区分类结果表明：最大似然分类法总体精度比最小距离法约高6％，两种分类方法配合使用可综合提高分类精度。     

遥感影像的分类与识别技术在土地资源调查中的应用

遥感图像记录了地物在空间域、时间域、光谱域的变化信息。利用图像的分类技术 ,能够识别土地利用类型。计算机遥感分类识别原理 ,是利用地物的光谱能量特征差异性和结构特征差异性来识别地物信息。根据北京某地遥感图像实例资料 ,将土地利用类型分为监督分类、非监督分类、最大似然法分类、神经网络分类等。不同的分类方法有各自的特点且分类结果也有一定的差别 ,其中神经网络分类与真实情况最为接近     

高山峡谷区1:50000地质填图技术方法探索与实践——以新疆乌什北山为例

新疆乌什北山填图试点项目充分发挥遥感技术的先导作用,探索1:50000高山峡谷区填图方法。不同分辨率遥感数据在岩性、构造解译等方面的差异表明多源遥感数据综合解译能有效提高解译程度。研究认为同一遥感数据最佳波段组合图像、Landsat-8和Worldview-2数据协同图像增强了对岩性和构造识别的能力。高光谱遥感矿物填图和岩性分类、基于ASTER热红外遥感数据的岩石化学成分填图等是高山峡谷区填图有效技术方法。利用ETM和ASTER数据开展矿化蚀变信息提取,结果表明ASTER较ETM数据在铁染异常、羟基异常等提取方面具有更大的优势。分析认为多元信息综合预测是区域找矿的重要途径。根据乌什北山地质地貌特征,选择其中有效技术方法或技术方法组合开展1:50000地质填图,结果显示在减少剖面测制和路线地质调查数量的同时,达到了填图精度,并取得了若干重要研究成果,为区域构造演化和成矿规律分析总结提供了资料支撑。      

基于WorldView-02高分影像的BP和RBF神经网络遥感水深反演

遥感水深反演是水深测量的一种重要技术和手段.以美济礁水深反演为例,选择WorldView-02高分影像为数据源,在辐射定标和大气校正的基础上,构建BP（Back Propagation）和RBF（Radial Basis Function）人工神经网络水深反演模型,以遥感影像8个波段为输入层,通过tansig、logsig、高斯函数和purelin函数变换实现从输入层到隐含层、隐含层到输出层的转换,以便反演水深.最后对反演水深与实测水深采用回归分析,求解决定系数（coefficient of determination,R2）、平均决定误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）等进行比较,评价2种模型的精度.结果表明,RBF神经网络模型结构更简单,对样本要求更低,反演精度达到0.995,更适合遥感水深反演.      

多源遥感数据图谱协同岩石单元分类方法

岩石单元的结构、构造、差异风化和出露状况在遥感图像上综合表现为图形纹理特征即“图”标志，其矿物成分和组合则表现为光谱特征即“谱”标志.传统遥感岩石单元分类以利用其光谱特征为主，图形纹理特征为辅，因此分类精度有限.以新疆维吾尔自治区与甘肃省交界的北山西段为研究区，开展岩石单元图形指数和光谱指数协同分类方法研究.基于Worldview-2全色图像构建的图形指数，能够量化岩石单元的层理、构造、展布形态和微地貌等特征，包括0°和45°定向滤波图像及灰度共生矩阵计算出的同质性和异质性特征图像、熵特征图像；光谱指数基于Worldview-2多光谱图像和ASTER（Advanced Spaceborne Thermal Emission and Reflection Radiometer）短波红外波段图像利用比值、和-差方法构建.多源遥感图像构建的光谱指数其光谱波段涵盖可见光-近红外及短波红外，包括RI（Ratio index）_ASTER、SI（Spectral index）_ASTER、SI_Worldview-2.采用面向对象方法对建立的图谱指数进行多尺度分割，依据不同岩石单元出露规模建立适宜的分割尺度，利用光谱指数自动提取相应岩石信息，实现岩石单元自动分类.结果表明，实验区基于图谱协同方法共划分出17类岩石单元，总体精度达到83.62%，而单独利用Worldview-2和ASTER图像，仅划分出13类和14类岩石单元.提出的图谱协同岩石分类方法可为我国西部高海拔深切割无人区地质调查及找矿工作提供新思路和遥感技术支撑.      

草地植被盖度的多尺度遥感与实地测量方法综述

植被盖度作为一个重要的生态学参数被用在许多气候模型和生态模型中。地表实测和遥感测量是获取植被盖度的两种基本途径。以草地植被盖度的测量为研究对象,综合讨论了目前地表实测和遥感测量常用的方法,分析了它们的优缺点,并对如何提高草地植被盖度的测量精度做出展望。数码相机、高光谱遥感以及多尺度遥感数据的综合使用可能是未来草地植被盖度测量发展的趋势。     

先进星载热发射和反射辐射仪（ASTER）——地质学家的最佳选择

航天遥感技术的发展为地质学家提供了大量可使用的遥感数据.在这些遥感数据中,ASTER具有从可见光到热红外的较宽的波谱范围,能满足对大多数矿物、岩石划分的需要.ASTER的多波段数据除了可以用传统的数据处理方法处理之外,还可以利用高光谱的岩矿信息识别与提取技术进行数据处理,得到更精确的矿物、岩石分类结果.利用GIS评价模型处理ASTER遥感解译的蚀变岩石信息,可以得到精确的遥感异常,从而指导找矿勘查工作.     

青藏高原天然气水合物遥感探测研究

介绍了天然气水合物的遥感探测方法,即:首先选择适当的ETM+、ASTER以及Quickbird等遥感图像,分析可见光、短波红外、热红外波段的影像特征,反演地表温度;然后结合野外调查和前人资料,寻找天然气水合物的直接和间接遥感解译标志,进行遥感解译。研究结果表明,青藏高原天然气远景区出现的几种遥感解译标志包括:地表上空高温异常(尤其是水体上空)、泥火山、沼泽地水体中大量气泡和棕黄色沉淀物,以及碳酸盐化、粘土化等指示信息。本研究为进一步开展大规模天然气水合物遥感调查和圈定靶区提供了基础方法。      

PCA and SVM as geo-computational methods for geological mapping in the southern of Tunisia,using ASTER remote sensing data set

The purpose of this study was to examine the efficiency of Advanced Space Borne Thermal Emission and Reflection Radiometer (ASTER) data in the discrimination of geological formations and the generation of geological map in the northern margin of the Tunisian desert. The nine ASTER bands covering the visible (VIS), near-infrared (NIR) and short-wave infrared (SWIR) spectral regions (wavelength range of 400–2500 nm) have been treated and analyzed. As a first step of data processing, crosstalk correction, resampling, orthorectification, atmospheric correction, and radiometric normalization have been applied to the ASTER radiance data. Then, to decrease the redundancy information in highly correlated bands, the principal component analysis (PCA) has been applied on the nine ASTER bands. The results of PCA allow the validation and the rectification of the lithological boundaries already published on the geologic map, and gives a new information for identifying new lithological units corresponding to superficial formations previously undiscovered. The application of a supervised classification on the principal components image using a support vector machine (SVM) algorithm shows good correlation with the reference geologic map. The overall classification accuracy is 73 % and the kappa coefficient equals to 0.71. The processing of ASTER remote sensing data set by PCA and SVM can be employed as an effective tool for geological mapping in arid regions.     

植被指数研究进展

在遥感应用领域,植被指数已广泛用来定性和定量评价植被覆盖及其生长活力。由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度复杂混合反应,而且受大气空间—时相变化的影响,因此植被指数没有一个普遍的值,其研究经常表明不同的结果。20多年来,已研究发展了40多个植被指数。该文对已有的大部分植被指数进行了归纳分类,评价其各自优势和局限性,并探讨了未来研究的方向,这将有助于遥感在农业、植被和生态环境监测方面进行有效地开发与应用。     

基于NoSQL的高分高光谱遥感影像存储模型设计与实现

如何高效存储、管理呈几何增长的高分辨率、高光谱遥感影像数据, 实现遥感数据的快速处理、检索和可视化是急需解决的问题.应用非关系型数据库技术, 设计了由遥感元数据库、遥感影像数据库以及影像金字塔3个部分组成的海量遥感影像存储模型; 建立了由硬件支撑层、数据层、数据服务层及应用层组成的遥感影像存储中间件.通过实验分析, 验证了基于非关系数据库的遥感影像数据存储模型及中间件对影像数据的读写、提取性能优于传统的关系数据库.研究成果可满足高分高光谱遥感探测与评价模型对海量影像高效存储、管理的需求, 具有重要的实用价值.