共查询到19条相似文献,搜索用时 138 毫秒
1.
CBERS-02B星HR与多光谱影像融合及评价 总被引:4,自引:0,他引:4
CBERS-02B星搭载了高分辨率全色相机HR和多光谱传感器CCD,HR影像可以与CCD影像融合,优势互补形成新的影像,既保持HR的高空间分辨率又保持CCD的光谱分辨率,HR影像同样可以与其它传感器影像融合形成新的影像。本文使用6种不同的融合方法融合HR与多光谱CCD以及SPOT5多光谱影像,并对融合结果进行了定性和定量评价,得到了HR与SPOT5多光谱影像融合较好的方法,表明了HR与其它传感器影像融合的潜力,同时也对HR和SPOT5多光谱融合影像及与CCD融合影像进行了初步的对比分析。 相似文献
2.
基于GF2号卫星影像的农业信息提取方法对比分析 总被引:1,自引:0,他引:1
以GF2卫星0.8 m全色/3.2 m多光谱分辨率遥感影像为基础数据源,对基于GF2号卫星影像的农业信息提取流程和方法进行了研究与对比分析。首先对GF2号卫星影像进行波谱分析;其次对GF2号影像进行融合,并对多种融合方法进行质量评价;最后选择阈值法、波谱间关系法、非监督分类法和面向对象法分别对GF2号影像数据进行农业信息提取试验,并对信息提取结果进行精度验证和结果分析。试验表明,面向农业信息提取的GF2号卫星影像融合方法中,Pansharp融合算法融合影像色彩正常,无虚影,清晰度高,地类对比度正常,纹理清晰,熵值及与原始多光谱影像的相关系数高。阈值法和谱间关系法适用于提取单要素农业信息,非监督分类法能够初步获取研究区土地利用情况,面向对象法提取研究区全要素信息精度高。总体来说,不同信息提取方法具有各自的优势,在具体实际应用中,可以根据目标地类的波谱特性,选择适宜的遥感影像处理和信息提取方法。 相似文献
3.
4.
5.
利用Landsat ETM+和ASTER近红外波段数据进行了水体信息提取,然后利用知识规则对2种提取结果进行进一步分类,并分析了波谱分辨率的差异对水体信息提取结果的影响。实验表明,基于Landsat ETM+数据的水体提取总体精度为82.4%,基于ASTER数据的水体信息提取结果总体精度为92.4%;在空间分辨率相同情况下,波谱分辨率的提高可以有效地提高水体信息提取的精度。 相似文献
6.
7.
若尔盖县土地沙化遥感监测 总被引:1,自引:0,他引:1
《地理空间信息》2017,(6)
针对沙化严重的若尔盖县地区,选取若尔盖县麦溪乡为研究区,基于2009年和2014年两期遥感影像数据,采用植被盖度转换法对研究区草地沙化信息进行提取,并根据国情普查数据检验2014期沙地提取精度。结果表明,麦溪乡沙化类型以露沙地为主,两期监测中露沙地均超过地区沙化总面积的80%;2014年沙化面积为31597.35hm~2,比2009年增加了1266.91hm~2,流动沙地、固定沙地面积在减小,而半固定沙地和露沙地面积有所增加,沙地有此消彼长之态势。 相似文献
8.
根据西宁市城区扩展监测对遥感信息提取的需要,采用多种方法将具有较高空间分辨率的SPOT遥感图像和具有多波谱的ETM 遥感图像进行增强及融合试验,结果表明:对ETM 影像先进行锐化处理,再将SPOT影像与锐化后的ETM 信息融合,然后对融合后的影像进行去霾处理得到的影像质量最好。 相似文献
9.
利用多种遥感影像处理技术从不同分辨率影像中提取城市绿地以及城镇居民地,以同时期航片中对应的地物为基准,进行误差统计;研究表明IKONOS影像利用植被指数提取城市绿地的精度高于其他方法以及影像;分辨率越高的影像,提取城镇居民地的精度越高,IKONOS使用比值变换融合的影像提取城镇居民地的精度最高,但是处理过程花费时间长。 相似文献
10.
利用几何校正法进行不同影像间空间配准 总被引:9,自引:0,他引:9
在影像数据融合、动态变化监测等遥感影像集成分析和应用中,将来自不同传感器、不同时相获取的影像高精度快速配准是其中的关键技术之一。介绍利用几何校正法进行不同影像间空间配准的过程,在不同影像上选取同名点作为控制点,用最近邻、双线性内插或三次卷积内插运算法对分辨率较小的影像进行重采样,完成配准。并采用Landsat TM影像和SPOT pan影像进行实验,结果表明配准精度在1个像素之内,为进一步的遥感影像融合.分类作好数据准备。 相似文献
11.
基于支持向量机的CBERS-02卫星影像信息提取 总被引:1,自引:0,他引:1
CBERS卫星是由中国空间技术研究院与巴西空间研究院联合研制的地球资源遥感卫星,CBERS-02卫星数据总体质量比CBERS-01卫星有所提高,本文利用支持向量机方法对CBERS-02卫星影像信息进行提取。研究中首先用6S模式对影像进行大气校正,然后选择RBF为支持向量机方法的核函数,并用交叉验证方法得到影响RBF核函数的两个最佳参数值进行学习完成信息提取,最后将提取结果制作成矢量图。通过研究得出用大气校正后的数据进行信息提取分类精度有所提高;与最大似然法和最小距离法相比,支持向量机方法分类精度较高。通过将研究结果与ETM+影像进行比较得出,CBERS-02卫星影像精度能够满足应用需求并能代替TM/ETM+数据开展研究工作。 相似文献
12.
基于多进制小波变换的遥感影像融合 总被引:7,自引:0,他引:7
首先介绍了遥感影像融合的理论和方法 ,然后在讨论多进制小波理论的基础上 ,提出了一种基于特征的多进制小波变换的影像融合算法 ,该算法根据待融合影像分辨率之比确定采用多进制小波 ,从而最大限度的利用了待融合影像的信息 ,防止影像信息的丢失。通过对具体影像的实验 ,证明融合后的影像最大限度地保留了待融合影像的光谱信息 ,同时提高了待融合影像的清晰度和空间分辨率。文中给出了SPOT全色影像与SPOT多光谱波段影像、SPOT全色影像与TM影像的融合结果 ,并与其他方法进行了比较 ,证明了本方法的优越性和自适应能力 相似文献
13.
14.
塔里木盆地南缘绿洲荒漠化动态变化遥感研究——以策勒县为例 总被引:30,自引:1,他引:30
根据遥感调查结果,论述塔里木南部地区策勒县荒漠化动态变化的特征及分布规律。在揭示规律之前,利用地面控制点对1977年,1990年,1998年三个不同时期的多源卫星遥感数据(MSS,HRV,TM)进行精确配准,并对多源卫星遥感图像数据复合进行了研究。在野外调研的基础上应用PCI软件进行图像数据处理,编制了策勒地区不同年代的土地分类及土地类型动态变化图;通过不同时期遥感图像中荒漠化环境要素的对比分析,研究了策勒县周围地区近21年的荒漠化动态变化规律,从自然和人文因素两个方面分析探讨了荒漠化发展的趋势。 相似文献
15.
16.
17.
多卫星传感器数据的Brovey融合改进方法 总被引:2,自引:0,他引:2
提出一种针对当前不同卫星传感器数据融合的新方法。该方法基于Brovey融合方法的思想,充分考虑了不同卫星传感器全色影像与多光谱影像的光谱范围差异以及光谱响应差异,通过公式推导建立了基于权重系数β和比例系数w两个因子的全色影像与多光谱影像的关系式,并根据这两个因子重新构建了Brovey融合过程中的乘积系数。改进后的方法有效地改善了传统Brovey融合方法的光谱畸变问题。将上述方法应用于北京1号、SPOT 4/5、Landsat5(TM)以及环境一号卫星数据之间的4例融合实验中,并与Brovey融合、Modified IHS融合方法进行定性和定量评价,结果表明其综合性能优于其他方法,在细节融入度高的基础上,仍能保持良好的光谱信息,而且保留了Brovey融合快速的优点,易于推广和应用。 相似文献
18.
为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-HueSaturation(IHS)变换,全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配;然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换,对低频分量使用改进加权融合算法进行融合,以互信息作为适应度函数,利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络(PCNN)方法进行融合,再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换(NSCT)和非负矩阵分解(NMF)、基于NSCT和PCNN等5种融合方法。本文方法在提升图像空间分辨率的同时,有效地保留了光谱信息。 相似文献
19.
ASTER和TM/ETM+遥感数据融合监测土地覆盖变化 总被引:3,自引:0,他引:3
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。 相似文献