不同尺度反演土壤重金属铜含量研究

采用实测土壤高光谱遥感数据和多光谱遥感影像数据采用单元回归分析法对土壤重金属铜含量建立反演预测模型。利用单元回归分析法分别建立模型,得出高光谱的最佳预测波段是R_(942),模型决定系数R2=0.634,多光谱最佳预测波段为B2,模型决定系数R2=0.625。通过显著性检验,均达到显著水平。结果表明多光谱遥感影像数据在本研究区内具有预测重金属铜含量的能力。     

新型对地观测多光谱激光雷达及其控制实现

提出新型对地观测多光谱激光雷达,采用556nm、660nm、705nm和785nm共4个波长,进行不同波长同时收发及扫描、测距设计,通过对扫描、测距及多光谱数据采集等操作的有效控制,实现了地物三维空间数据和多光谱数据的同步获取,并且通过地面实验对多光谱激光雷达的性能进行了展示,验证了系统设计及控制实现的可行性及优势。     

机载多光谱LiDAR数据的地物分类方法

机载多光谱LiDAR系统能够快速地获取大范围地表面上地物光谱和几何数据,并能够保证所获取的光谱与空间几何数据在空间和时间上相对完整和一致性。支持向量机（SVM）是一种基于小样本的学习方法,它避开了从归纳到演绎的传统分类过程。因此,本文提出了基于SVM多光谱LiDAR数据的地物目标分类方法。该方法首先将多个独立波段的LiDAR数据融合为单一的、包含多个波段信息的点云数据,然后将融合后的点云内插为距离影像和多光谱影像,最后利用SVM进行多光谱LiDAR数据的地物覆盖分类。通过对加拿大Optech公司的Titan机载多光谱LiDAR数据的试验证明：相对于传统的单波段LiDAR数据,多光谱LiDAR数据可以获得较好的地物分类精度;比较试验发现SVM分类方法适用于多光谱LiDAR数据的地物分类。     

模拟多光谱的土壤重金属含量反演研究初探

根据多光谱传感器的光谱响应函数,采用实测ISI921VF反射光谱数据模拟Landsat卫星ETM+传感器多光谱数据,在模拟光谱的基础上,通过光谱特征提取、构建土壤指数对土壤重金属Cu,Pb,As进行预测分析。研究显示,Cu,Pb与模拟ETM+光谱的B2,B3波段显著相关,As与DSI,RSI,NDSI相关系数在0.6以上,基于模拟多光谱建立的Cu,As模型精度较高,平均相对误差分别为7.9%,2.7%,表明模拟的Landsat卫星ETM+传感器多光谱具有预测耕地土壤重金属的潜力,为实现大范围监测土壤重金属污染提供新思路。     

珠海一号高光谱场景分类数据集

高空间分辨率、高光谱分辨率、大幅宽与大数据量是高光谱卫星数据发展趋势,传统高光谱影像的像素级分类面临难以处理海量数据、无法高效获取复杂海量影像中隐含信息的困境。已有研究开始关注高光谱影像的场景级分类,并逐步建立完善高光谱遥感场景分类数据集。然而,目前的数据集制作过程多参考高空间分辨率可见光遥感场景数据集的制作方法,主要采用遥感影像的空间信息进行场景类别解译,忽视了高光谱场景的光谱信息。因此,为构建高光谱影像的遥感场景分类数据集,本文利用“珠海一号”高光谱卫星拍摄的西安地区高光谱数据,使用无监督光谱聚类辅助定位、裁剪与标注待选场景样本,结合Google Earth高分影像进行目视筛选,构建6类场景类型和737幅场景样本的珠海一号高光谱场景分类数据集。并基于光谱与空间两个视角开展场景分类实验,通过视觉词袋、卷积神经网络等方法的基准测试结果,对不同算法在现有多光谱和高光谱遥感场景分类数据集下的性能进行深入分析。本研究可为后续的高光谱影像解译研究提供了有力的数据支撑。     

基于à trous小波变换的Landsat 7 ETM＋图像融合研究

 以胶州湾及周边海岸带为研究区，采用Landsat 7 ETM+数据，提出一种基于à trous小波变换的全色图像和多光谱图像融合改进算法。对全色图像和多光谱图像进行适当层数的小波分解，多光谱图像的低频部分采用全色图像和其低频分量的比来调制； 最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和，加权系数由局部区域能量比来确定； 最高分解层则采用绝对值最大准则。实验表明，该方法得到的图像可提高空间分辨率，对多光谱图像的光谱信息扭曲也较小，为提高海岸带地物分类和信息提取精度奠定了基础。     

基于à trous小波变换的Landsat 7 ETM^＋图像融合研究

以胶州湾及周边海岸带为研究区，采用Landsat 7 ETM^＋数据，提出一种基于à trous小波变换的全色图像和多光谱图像融合改进算法。对全色图像和多光谱图像进行适当层数的小波分解，多光谱图像的低频部分采用全色图像和其低频分量的比来调制；最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和，加权系数由局部区域能量比来确定；最高分解层则采用绝对值最大准则。实验表明，该方法得到的图像可提高空间分辨率，对多光谱图像的光谱信息扭曲也较小，为提高海岸带地物分类和信息提取精度奠定了基础。     

基于à trous小波变换的Landsat 7 ETM+图像融合研究

以胶州湾及周边海岸带为研究区,采用Landsat 7 ETM 数据,提出一种基于à trous小波变换的全色图像和多光谱图像融合改进算法.对全色图像和多光谱图像进行适当层数的小波分解,多光谱图像的低频部分采用全色图像和其低频分量的比来调制;最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和,加权系数由局部区域能量比来确定;最高分解层则采用绝对值最大准则.实验表明,该方法得到的图像可提高空间分辨率,对多光谱图像的光谱信息扭曲也较小,为提高海岸带地物分类和信息提取精度奠定了基础.     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距，不仅可以快速获取地面物体的三维坐标，还可以获得多个波段的地物光谱信息，可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征，完成多光谱LiDAR的随机森林地物分类；并分析随机森林的特征贡献度特性，采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度，而且可以适当地去除部分冗余和相关的特征，从而有效提高分类精度。     

光谱分辨率对地物分辨能力的影响分析

对高光谱数据进行地物识别处理时,如果直接采用原始观测值进行分析,由于相邻波段之间相关性强,进行地物识别时需要大量的训练样本,而且对于一些分布较少的地物类别则无法处理,因此需要通过特征选择来消除数据中存在的冗余,提高数据分析效率。本文针对在不同光谱分辨率条件下,对典型地物分辨能力的统计,分析了光谱分辨率对地物自动识别能力的影响情况。同时通过模拟数据的办法比较了高光谱数据和多光谱数据(以TM数据为例)对地物光谱特征的描述能力,指出高光谱数据存在的优势。通过本文的研究,为高光谱遥感技术在地物自动识别方面的应用提出了初步的方向。     

多源遥感技术在土地利用分类中的应用

为有效提高土地利用分类精度,研究多源遥感数据的分类方法,提出了利用多源遥感技术进行土地利用分类。对居民地、耕地、林地、水体、未利用土地等土地利用类型的光谱特征及微波散射特征进行了分析,将高分一号多光谱数据与RADARSAT-2数据相结合,利用决策树分类器实现了土地利用类型的划分,其总体分类精度达到96.6%。与高分一号数据最大似然分类及RADARSAT-2数据的Freeman-Durden三分量最大似然分类进行了精度比较,结果表明,多源遥感技术可实现数据的特征互补,其分类精度优于仅采用多光谱数据或微波数据的分类精度。     

基于CBERS-02B星HR影像的多源遥感数据融合研究

为寻求更加适合与CBERS-02B星HR数据融合的多光谱数据及融合方法,应用PCA、Brovey、SVR、IHS 4种变换方法,分别将CBERS-02B星HR数据与CBERS-02BCCD、ASTER、ALOS的多光谱数据进行融合,从光谱和空间信息两个方面对融合效果进行分析。结果表明:①CBERS-02B星HR数据与ALOS多光谱数据的融合图像质量高于其他两种组合,其中IHS变换法融合图像空间细节及光谱信息保持度最高,色调鲜明,地物可辨别能力强;②ASTER、CBERS-02BCCD参与融合时,SVR变换法比较适合;二者相比较ASTER数据参与融合质量较高;③CBERS-02B星HR数据与ALOS和ASTER多光谱匹配度高,在CBERS-02B星HR数据的使用过程中应尽量寻求其他来源的多光谱数据进行融合。     

Quickbird全色与多光谱数据融合算法的比较

以Quickbird全色和多光谱数据为例,采用Brovey变换、高通滤波（HPF）变换、主成分（PCA）变换、主成分替换小波变换算法对比研究了同一传感器全色和多光谱数据的融合问题。以均值、标准差、信噪比、信息熵、平均梯度、相关系数及偏差指数为客观融合质量评价指标,由定性和定量的分析认为：针对Quickbird数据而言,...     

基于单邻点多波段预测的高光谱图像无损压缩算法

提出了一种基于聚类-单邻点、多波段预测-熵编码的高光谱数据无损压缩方法。根据谱向特征,进行高光谱图像矢量聚类。对各个分类,采用单个空间位置邻点、多个波段作为预测数据,训练预测系数,进行三维预测。残差采用Golomb-Rice编码。实验证实了算法的有效性。     

基于IR-MAD的高分辨率遥感影像交叉融合变化检测方法

高分辨率遥感影像数据在带来丰富地物信息的同时,也对变化检测提出了新的问题和挑战。本文从高分辨率遥感影像数据的空间结构特征和光谱分布信息入手,针对多光谱数据交叉融合的变化检测方法展开研究。采用基于GSA(Gram-Schmidt Adaptive Pansharpening Algorithm)法对全色和多光谱影像数据处理,生成四幅交叉融合影像;将迭代加权多元变化检测(Iteratively Regularized Multivariate Alteration Detection,IR-MAD)算法应用于高分辨率融合影像,提取变化信息。结果表明,本研究方法能够有效提取变化信息,并降低数据配准不一致所造成的误检测。     

基于光谱相似性的多光谱数据纹理编码算法研究

基于多光谱纹理“映射模式”概念，提出了基于光谱数据相似性的多光谱、高光谱数据的编码方法。利用光谱相似测度对不同类型的纹理进行编码，表征地物的全局纹理特征，将纹理提取的算法扩展到多维光谱图像分析中，提出了多尺度纹理组合算法。试验证明，该方法合理有效，可大大提高分类的准确性和精度。     

利用分离性测度多类支持向量机进行高光谱遥感影像分类

从支持向量机的基本理论出发,结合高光谱数据的分离性测度,提出了一种基于分离性测度的二叉树多类支持向量机分类器,并用OMIS传感器获得的高光谱遥感数据和Hyperion高光谱遥感数据进行实验,分析比较了各种多类SVM的分类精度,并和传统的光谱角制图和最小距离分类算法进行了比较。结果表明,SVM进行高光谱分类时,基于分离性测度的二叉树多支持向量机的分类精度最高。     

基于机载多光谱遥感数据的溢油信息提取方法

为研究应用紫外-可见光-近红外-热红外遥感数据识别海上溢油的方法,利用机载多光谱溢油监测设备获取了舟山海域多光谱遥感数据,并利用野外地物光谱仪获取了水体和油膜的反射光谱。通过提取并分析机载多光谱遥感图像上多目标的影像特征和光谱响应特征,利用决策树分类法对海上油膜相对厚度的分布进行分类和制图。研究表明,基于机载多光谱遥感数据的溢油信息提取方法总体分类精度达93.7%,能够准确区分薄油膜和厚油膜,可有效提取海洋溢油污染信息,完全能够满足海洋溢油污染遥感监测需求。     

多流形LE算法在高光谱图像降维和分类上的应用

传统的流形学习算法假设不同类的数据位于同一个流形结构上,然而由于不同类别数据的特征不同,其位于各自不同的流形结构上的假设更加合理,因此,多流形假设更适合数据分类问题。通过借鉴多流形谱聚类算法中的多流形思想,研究多流形LE算法及其在高光谱数据降维和分类上的应用,结合高光谱数据特点,通过添加空间信息和数据标记信息进一步改进多流形LE算法。实验结果表明,在多种高光谱数据中,多流形LE算法能取得比LE算法更高的分类精度,同时改进的多流形LE算法也取得比LE和多流形LE算法更高的分类精度,这说明多流形假设更符合高光谱数据的特点,也说明了改进算法的有效性。     

基于高分辨率多光谱遥感数据的城市森林反射率真实性检验

城市森林资源信息对城市可持续发展有重要影响。为了满足城市森林资源精细化管理的需求,不断拓展国产高分辨遥感卫星的应用范围,需对其数据质量、数据规格和数据产品特点进一步的研究,进而应用于城市森林资源监测中。本文采用目前国际上正在开展的无场地定标技术,与定标精度比较高的landsat-8 OLI数据对高分1号8米的pms多光谱数据进行交叉定标,对国产高分辨率多光谱遥感数据的城市森林反射率进行真实性检验研究。