基于Landsat 8 QA云标识的云影识别方法研究

Landsat系列卫星数据是对地观测研究中应用最为广泛的遥感数据源之一,但是Landsat数据易受云及云影的影响,因此,在Landsat数据的应用中,云和云影的识别十分关键。美国地质调查局（United States Geological Survey,USGS）在其分发的最新的Landsat 8 数据中新增了一个质量评估（Quality Assessment）波段,能快速提供高精度的云掩膜,然而并不能识别云影。本文在Landsat 8 QA波段云识别基础上,对影像的近红外和短波红外波段进行种子填充变换,提取影像中的潜在云影,采用非监督分类的方法识别影像中的水体,将水体从潜在云影中去除。利用太阳方位角和太阳高度角对云及云影相对位置的影响,对云和云影进行匹配,识别真实的云影。利用全球云和云影验证数据集对本文的云影识别结果进行了精度评价,结果表明：不同生态区域云影识别精度达到87%以上。与Fmask云影检测方法相比,本文方法所需波段数更少,流程简单,简化了云高度估算和视角问题,可以快速、准确地识别云影,对基于Landsat 8数据的定量分析或时序研究有重要价值。     

遥感影像云团和云影检测与去除

以图像处理和分析理论为依据,建立了云团、云影图像模型和区域恢复模型,并采用阈值法对图像分割。用1988年TM遥感影像对2002年ETM遥感影像中云团及云影进行去除试验,再现云团和云影区地物特征,提高遥感影像数据的可用性。结果表明,使用阈值法并利用直方图形态分析选取阈值、检测云团和云影的计算方法简单且效果好;选取合适的两遥感影像灰度平均值之比,可以得到理想的恢复效果,再现云团和云影区地物特征,达到提高遥感影像的可用性。     

高光谱图像模糊识别分类及其精度评价

高光谱遥感是在特定光谱域以高光谱分辨率同时获取连续波长的地物光谱图像,并能提供更多的精细光谱信息,有利于选择各种单一地物光谱差异明显的波段,使得高光谱遥感应用于更广的地物识别中。文中采用模糊识别的绝对值指数法对高光谱图像进行识别分类,并对分类结果进行像元级的评价。     

面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例

极高海拔地区多为河流发源、冰川发育地,由于地形起伏强烈,且野外考察验证工作困难,传统的遥感信息提取方法很难保证该地区水体及冰川的提取精度。本文基于ASTER影像,运用面向对象的图像信息自动分析方法,对珠穆朗玛峰国家级自然保护区核心区的水体及冰川信息进行了提取研究。为保证信息提取的准确度,将数字高程模型(DEM)及其衍生数据(坡度、坡向),归一化植被指数(NDVI)数据,及有助于区分水体、冰川与其他地物的相关指数(冰雪指数NDSII)及波段运算结果(b1-b3)、(b3/b4)等,分别作为一个波段叠加到原始图像中,使之成为对目标地物光谱特征的有益补充。并对不同类型的水体及冰川进行多级、多尺度分割,以满足其对分割尺度的不同要求。分割完成后,综合考虑目标地物的光谱特征、纹理特征、空间结构特征,根据各特征指数的直方图信息,设定合适的阈值,建立了各水体及冰川类型信息提取的知识规则,并结合实地调查对信息提取的精度进行验证,改进了ASTER遥感影像自动快速提取极高海拔区水体及冰川信息的实用模型。     

高光谱影像的M-ICA地物识别算法与应用

高光谱遥感能以纳米量级宽度的窄波段及多达数百个的波段,对目标进行连续的光谱成像,但其海量数据及相邻波段高度相关造成的数据冗余却制约着它的应用.因此,对高光谱遥感影像分类须进行有效的处理、寻找最优特征,以增强地物的最大可分性.本文首先针对EO-4 Hyperion高光谱影像波段维数高,相关性强和数据量大等特点,利用独立成...     

空间分辨率与纹理特征对多光谱遥感分类的影响

多光谱遥感分类与影像空间分辨率有着密切的关系,在适宜空间分辨率影像上进行地物分类能够获得更高的精度。随着遥感影像空间分辨率的提高,纹理特征被广泛用于遥感分类,但由于不同地类空间尺度不同,纹理对不同地物分类的影响程度也有所差异。本文基于高分一号2 m全色和8 m多光谱影像融合后的高空间分辨率多光谱数据构建反射率空间序列,选用3种分类方法对序列分类,并分别计算2 m融合数据及8 m多光谱影像的纹理特征,选择特征波段与相应多光谱波段组合用以分类研究,最后计算混淆矩阵评价分类精度。研究结果表明,通过回归分析得到多光谱分类的最佳空间分辨率为5 m,与其他研究中利用全色波段分类的结论一致,这说明最佳空间分辨率的选择不受光谱信息影响;对多光谱分类精度随空间分辨率变化的变化趋势分析发现,分类精度在20~30 m分辨率范围区间内快速降低,这为多光谱遥感分类数据空间分辨率的选择提供了重要参考;此外,对光谱与纹理特征结合后不同地类分类精度的变化分析显示,加入纹理特征后,冬小麦、人工建筑、有林地和水体的分类精度在2 m分辨率下分别提高了1.49%、1.51%、4.94%、1.54%,8 m分辨率下分别提高了2.95%、10.95%、5.91%、5.14%,说明引入纹理特征有利于提高分类精度,但其对不同地物类型、不同分辨率影像的影响程度不同。     

面向高光谱矿物填图的多特征结合降维方法研究

高光谱影像具有图谱合一的特点,图像空间信息是遥感影像的重要信息,但以往基于最佳波段选择的降维方法中只考虑基于灰度统计的特征空间信息,忽视了图像空间信息,而且计算量大。综合高光谱遥感影像的特征空间与图像空间信息,提出了一种多特征结合的高光谱影像降维方法并应用于矿物填图中。统计分析波段相关性并划分不同特征子空间;计算各波段的分形维数,在各子空间选择分形维数较小的波段作为候选波段;在候选波段中,计算待识别地物光谱间的相关系数,并快速选择出最佳波段组合。经实验,应用该方法选出的最佳波段组合影像清晰、不同蚀变矿物对比明显,根据特征选择提取出的矿物蚀变信息与应用成熟的光谱角制图(SAM)提取结果大致相同,表明结合图像空间和特征空间的降维方法能够选择出理想的波段组合,有效降低高光谱数据的维数,信息提取效果好。      

一种考虑雪粒径变化的积雪面积反演算法

光谱混合分析能够提取亚像元信息,被广泛地应用于遥感影像目标探测之中。本文针对MODIS积雪遥感影像,基于光谱混合分析框架,利用渐进辐射传输模型建立不同粒径大小的雪反射率光谱库,提出了一种考虑端元变化及二次辐射的雪盖面积反演算法。此算法首先利用渐进辐射传输模型建立不同粒径大小积雪的反射率光谱库,然后使用序贯最大角凸锥方法获取植被、土壤与岩石、阴影的光谱库。在建立各种地物反射率光谱库之后,利用均方根误差最小的方法获取最优端元组合。在此基础上,考虑端元独立辐射以及积雪与其它地物的二次辐射过程,利用稀疏光谱混合模型获取积雪面积与雪粒径大小。实验结果表明：此方法能够同时反演雪粒径与积雪面积,反演的雪粒径相比单波段的渐进辐射传输模型小,反演的积雪面积相比MOD10A1产品精度略微提高。     

多色彩高空间分辨率遥感影像矢量边缘信息提取算法与应用

相对单波段灰度影像而言,多波段高空间分辨率遥感影像中可用于边缘检测的光谱信息更加丰富。鉴于Canny算子在灰度图像边缘检测中的优越性能,本文利用输出融合策略对其适用于高空间分辨率遥感影像矢量边缘检测作了改进。基于可视化开发平台VC++.NET,编程实现了福州市航拍的高空间分辨率遥感影像红绿蓝三个标准波段在RGB、IHS、Y IQ、YUV、C IELUV色彩空间中对各种地物矢量边缘信息的有效提取。对高空间分辨率遥感影像矢量边缘各分量的分析认为,由于波谱范围差异的影响,在上述色彩空间中不同地物类型边缘检测时响应程度具有显著的不同。本文研究结果表明,该算法参数设置和色彩空间选择对高空间分辨率遥感影像矢量边缘信息提取有较大的影响。     

基于改进线性光谱分离模型的植被覆盖度反演

线性光谱分离技术可以有效地提取像元水平上植被或其他端元(影像中的地物)的相对百分比,但是目前该技术在多光谱宽波段影像数据应用中,由于波段数量、波段宽度等的限制,估算精度离定量研究的水平仍有一定差距。鉴于此,本文提出了一种改进的线性光谱分离方法,该方法在对影像进行土地覆盖分类基础上进行分离,一方面同类土地覆盖类型内同种地物的光谱变异相对较小,更有利于端元选取;另一方面,分影像的地物种类数量明显少于整幅影像,更容易满足模型的适用条件,从而突破了波段数量限制,同时使地物光谱分离更具针对性,经过验证,该方法较传统分离方法相比植被覆盖度的反演精度可提高6.4%,用该方法实现了研究区的植被覆盖度的定量反演并对研究区植被覆盖度的空间结构进行了分析。     

湖南省不同云状态的时空特征分析

云的存在使得遥感对地观测地表信息受损或缺失,特定区域的云状态时空分布特征有助于提升遥感数据云噪声去除的针对性和准确性。本文采用2001-2017年湖南省MOD09A1地表反射率产品像素级产品质量数据集,逐像素解析并提取云状态信息,利用地统计学方法和空间分析方法等,从云状态空间分布概率、云状态季节分布概率、云状态持续时长和云干扰率 4个方面分析了湖南省晴朗无云、云污染和云混合3种云状态时空分布特征。研究结果表明：① 湖南省整体受云影响较为严重,不同云状态空间分布呈现较为明显的差异性,云污染状态主要分布在湘西、湘南山区,云混合状态主要分布在湘北、湘中、湘南连接的地势相对平缓的平原、丘陵地区;② 云污染状态在云影响中起主导作用,其主要分布在1-2月、11-12月以及5月下旬-7月上旬之间,云混合状态平均出现概率全年维持在10%左右,在6-10月增加至18%左右;③ 云状态持续时长为8、16 d是受云影响的主要情形;④ 随着合成窗口的增加,云干扰率迅速下降,采用月合成（4期）后,可以忽略云的影响;⑤ 云状态数据经主成分变换后,前2个主分量可表征不同云状态空间分布模式,全省可划分为4个具有显著云状态特征的区域;⑥ 不同云状态与高程变化具有显著的关系模型,除云污染状态外,均与高程呈负相关关系。本研究可为湖南省遥感数据选择、云去除方法选择、植被指数时间序列重构等提供技术支撑。     

QuickBird 影像城市阴影信息的提取与消除

城市绿地信息在城市研究中的重要作用。但由于各种因素的影响,城市绿地信息提取的精度受到很大的限制,其中,城市中建筑物的阴影是城市绿地信息提取的一个重要限制因素。本研究选取呼和浩特市城区的QuickBird影像,在获取最佳波段组合的基础上,利用多种方法对遥感影像的阴影信息进行提取和消除,以期获得最佳的阴影消除方法,高效地提取城市绿地信息。首先,通过比值运算、波段重组,增强处理影像阴影信息,用最佳指数法分析QuickBird影像阴影提取的最佳波段组合;然后,根据阴影在近红外波段的最小亮度值与最大亮度值的范围建立掩膜,成功提取影像的阴影信息;最后,将色彩空间变换分别与同态滤波和Gamma矫正结合以消除影像阴影,并与其他方法进行对比。研究结果表明,QuickBird影像阴影提取的最佳波段组合为3/4、4、2波段组合,最佳亮度值范围为70-165;色彩空间变换与Gamma矫正相结合的方法可更好地消除阴影,并能较好地保留影像的彩色信息,是消除阴影的最佳方案。     

基于多源遥感数据的断裂构造提取方法研究——以南水北调中线工程核心水源区为例

以南水北调中线工程核心水源区为例,利用中、高分辨率光学影像、雷达影像和数字高程模型等多源遥感数据,开展断裂构造提取方法研究。综合利用多源遥感数据的对地穿透能力、光谱信息和空间几何信息,进行图像增强、融合处理和三维地形分析,突出目标区断裂构造的影像标志。通过多源遥感解译,结合现场调查验证,初步查明目标区内3条主要断裂的几何展布信息,为该区的活断层探测和地震危险性评价提供参考。     

基于中分辨率成像光谱仪数据的洋面云检测新方法的研究

提出了一种利用中分辨率成像光谱仪热红外窗区通道数据进行云、晴空分离的新方法。该云检测算法从热红外窗区通道亮温出发,并结合水汽廓线,运用水汽规度法计算规度因子的值,利用规度因子的数值状态实现分离云和晴空,从而达到云检测的目的。经过大量的实验,并将结果与中分辨率成像光谱仪官方云检测产品作对比分析,结果表明准确率为91％,算法具有可行性。     

基于中分辨率成像光谱仪数据的洋面云检测新方法的研究

提出了一种利用中分辨率成像光谱仪热红外窗区通道数据进行云、晴空分离的新方法。该云检测算法从热红外窗区通道亮温出发,并结合水汽廓线,运用水汽规度法计算规度因子的值,利用规度因子的数值状态实现分离云和晴空,从而达到云检测的目的。经过大量的实验,并将结果与中分辨率成像光谱仪官方云检测产品作对比分析,结果表明准确率为91％,算法具有可行性。     

古遗址区形迹特征的影像融合信息识别分析——以陕西省五陵原遗址为例

本研究以陕西省汉五陵原为研究区域,基于高分辨率影像(DOM航片)、多光谱影像(ALOS多光谱影像)和Quickbird融合影像数据,对五陵原遗址区结构性线状特征信息进行了提取。结果表明:融合后使影像隐含的空间纹理得到明显增强。用Gram-Schmidt方法的DOM和ALOS多光谱+NDVI融合影像,清晰地反映了遗址区的结构性线状特征;而Canny算法的边缘检测,能很好地提取遗址区显性和大量隐性的线状特征,对古遗迹的解译具有重要指示意义。     

基于云平台的遥感信息公共服务研究

云平台作为云计算服务的基础架构,在计算机网络的基础上提供各种计算资源的统一管理和动态分配。文章提出的基于云平台的遥感信息公共服务,就是借助云平台先进的基础架构和管理方式,构建快速有效的遥感信息公共服务,推进遥感信息的应用和遥感信息事业的进步。文章在引进云平台技术的基础上,分析遥感信息公共服务平台的架构和关键技术,并对服务平台的应用前景和进一步研究进行展望。     

基于区域特征分割的密集匹配点云渐进形态学滤波

随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波（CSF）算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。