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。     

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。     

立足国内开拓创新走向世界——中国科学院遥感应用研究所高光谱遥感发展30年回顾

世界高光谱遥感技术的发展只有20 多年的历程, 中国的高光谱遥感发展与国际基本同步, 在需求牵引和中国科学院、自然科学基金委员会的支持下, 特别是通过863 计划和国家攻关计划, 中国科学院遥感应用研究所(简称遥感所)与上海技术物理研究所等单位紧密协作, 相继研制了一系列高光谱遥感设备, 开展了大量的技术试验和应用基础研究, 不仅在国内结合国家需求取得了很好的应用效益, 而且开展了多项国际合作, 走向世界, 开创了以中国高光谱技术支持中国科学家与国外发达国家科学家合作研究的先河, 并进一步推动了高光谱遥感的发展。在长达20 多年的发展中, 遥感所高光谱遥感已成为中国的一个重要研究基地。本文从航空航天高光谱成像仪器的研制、应用技术及信息处理等方面, 回顾了遥感所高光谱遥感走过的历程及其对高光谱遥感发展的贡献。     

高光谱遥感信息提取与地质应用前景——以青藏高原为试验区

高光谱遥感是一门正在兴起的极具发展潜力的应用科学技术,能直接快速地识别岩矿组成、丰度及其分布;高光谱图像丰富的空间信息也包含一定的地质构造信息。目前,光谱分解模型和修正的高斯模型在岩矿信息定量研究中极具潜力;对纹理信息的提取侧重于空域的灰度剪切与有效平均梯度相结合及频域空间内的小波包等技术。根据目前高光谱遥感信息的地质应用,总结出高光谱地质应用的技术流程。在此基础之上,以青藏高原为例,阐述了高光谱遥感的地质应用前景。最后,对高光谱遥感技术存在的问题进行了一定的评述。     

一种基于分形维数的高光谱遥感波段选择算法研究

随着高光谱遥感的发展及其应用的拓展,针对高光谱遥感数据特点的信息处理技术成为高光谱发展的一个重要问题。在常规降维算法的基础上,基于分形理论分析高光谱遥感影像的空间结构特征,并以分形维数作为衡量波段质量的一个指标,设计最优波段指数进行影像最佳波段组合选择。通过与其他常用的波段选择算法的比较,表明该算法具有较好的效果,能够有效应用于波段选择。     

基于Hyperion影像的土地沙漠化研究

使用遥感影像数据可以提取土地沙漠化信息,通过遥感影像所表现的不同信息,可以判断土地沙漠化的发生及其发展程度等。针对EO-1Hyperion高光谱遥感影像成像的特点,探讨高光谱Hyperion影像的预处理和土地沙漠化的计算方法,研究中采用像元二分法从高光谱EO-1 Hyperion影像反演了土地沙漠化。     

基于深度学习的高光谱遥感图像混合像元分解研究综述

高光谱遥感是以成像光谱学为基础发展起来的一项综合性遥感技术,它能够同步记录成像区域内地物的空间信息和光谱信号,故而也称为“成像光谱遥感”。高光谱遥感所获取的数据称为“高光谱遥感图像”,相较于传统的遥感数据,高光谱遥感图像具有光谱分辨率高和“图谱合一”的特点,目前已成为遥感工程应用中的重要支撑数据之一。然而,受空间分辨率限制,混合像元（即某一像元内包含多种类型的地物）问题始终限制着高光谱遥感在精细化地物信息提取工作中的作用。混合像元分解（“解混”）是现阶段处理混合像元问题最有效的分析方法,旨在从亚像元角度出发,获取像元中纯净的光谱信号（“端元”）,并分析出各类端元在像元内所占的比例（“丰度”）。在遥感领域,为实现地物信息精细化解译,目前已发展出不同类型的解混方法,在一定程度上解决了混合像元问题对遥感定量化分析的制约。如今,随着深度学习的发展,越来越多的先进理论和工具被用于处理混合像元问题,发展出了一类基于深度学习的新型解混方法。这些新方法以光谱混合模型为桥梁,用深度学习方式来解译光谱混合现象。相比于传统的解混方法,基于深度学习的解混方法在隐藏信息的挖掘和利用方面更具优势,对先验知识依赖程...     

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。     

基于K-L变换的多光谱遥感图像检索方法研究

在遥感图像检索中,光谱特征的应用最为广泛。本文研究了基于光谱特征进行遥感图像检索的方法。针对目前应用越来越广泛的多光谱、高光谱遥感图像波段多的特点,提出了基于K-L变换的检索方法,将多维图像降维处理,在此基础上提取遥感图像的光谱特征,通过检索图像与目标图像的光谱特征对比实现多光谱遥感图像的检索,并通过实验验证了本文方法的有效性。     

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。     

光学遥感影像智能化处理研究进展

随着对地观测技术的发展,海量遥感影像不断传输到地面。传统的遥感信息处理方法在处理效率、精度上的不足,限制了遥感信息的挖掘及利用,亟需发展智能化方法满足遥感影像处理的需求。受自然界中生物进化机制的启发,基于进化计算的遥感影像智能化处理方法具有以下特点:(1)拥有全局优化能力,对目标函数的优化能力更强;(2)具有自组织、自学习的特点,能够从遥感数据本身学习,不依赖数据分布等先验信息;(3)拥有处理多目标问题的能力,同时考虑多个目标函数而不需要人工确定它们之间的权重。因此,智能化遥感信息处理方法能够在海量遥感影像中有效地提取适用于不同应用目的的信息。本文主要介绍智能化遥感信息处理方法的典型应用包括遥感影像智能化分类(监督分类、聚类)、遥感影像亚像素信息提取(高光谱影像混合像元分解、亚像元制图),并讨论了遥感信息智能化处理方法的发展方向。     

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。     

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。     

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──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。     

多源遥感图像融合发展现状与未来展望

近年来,随着遥感技术的发展,高光谱、红外、雷达等多源遥感成像手段在精准农业、资源调查、环境监测、军事国防等重要领域发挥着越来越重要的作用。同一场景多源遥感图像观测的地物对象相同,但观测的维度不同,图像的空间、光谱与时间分辨率存在差异,提供的信息既具有冗余性,又具有互补性和合作性。多源遥感图像融合能够综合利用不同来源获取的遥感图像信息,实现更精准、更全面的对地观测,是遥感对地观测领域的核心关键技术。本文从多源遥感图像的数据来源出发,综述了多源遥感图像融合的研究现状与未来发展趋势:首先介绍了国内外现有多源遥感图像的主要来源、图像特性与典型应用;然后,对不同类型多源遥感图像融合的研究现状和挑战性难题进行了归纳和总结;最后,对多源遥感图像融合的未来发展趋势进行了展望。