基于波段组合的高光谱数据湿地分类研究

对高光谱数据进行波段组合,可以减少信息量的冗余,提高数据的处理速度。对黄河口入海口湿地进行分类,对合理利用、开发保护该地区湿地资源具有重要意义。本文首先分析了“珠海一号”高光谱数据各个波段的信息量及波段之间的相关系数,然后利用最佳波段指数(OIF)方法选出波段组合B7-B8-B32,进一步在OIF基础上设置信息量与相关系数阈值,选出波段组合B7-B18-B32,实验结果证明分类精度提高了5.4%。最后,根据地物的光谱特征分析,选择光谱差异较大的波段进行组合B6-B13-B18,分类后精度比OIF筛选出的波段组合精度高12.6694%。经实验验证,结合地物光谱特征的波段组合可以大大提高分类精度。     

基于最佳波段组合的高光谱遥感影像分类

针对高光谱数据维数高、数据量大、信息冗余多、波段相关性强等特点,在综合各种数据降维方法的基础上,提出一种基于最佳波段组合的高光谱遥感影像分类方法。以美国印第安纳州地区的AVIRIS数据为例,分析各波段信息量和相邻波段的相关性,利用子空间划分、分段波段指数选择法,进行特征波段的选择;并针对难区分地物类别,应用J-M距离模型对其可分性进行判别,获得最佳波段组合。最后采用支持向量机分类器进行分类。实验结果表明,采用最佳波段组合方法,可以有效地提高高光谱的分类精度。     

一种基于地物波谱特征的最佳波段组合选取方法

对多光谱数据选取最佳的波段组合,是图像解译和专题信息提取的重要前提。文中提出一种基于地物波谱特征的最佳波段组合选取方法,即综合考虑方差、相关系数、OIF指数和地物间的可分离性4个因素,利用ERDAS和EXCEL等工具进行各指标的解算,并通过实验,选择红菱矿区1995年的TM多光谱影像为数据源,选取了基于水体波谱特征的最佳波段组合TM345。经定性分析和定量计算,验证了该方法的可行性。     

多光谱遥感影像的灰度与纹理信息测度方法

本文研究了一种基于参数熵模型的遥感影像信息量估算方法,用以量化影像的灰度信息量和纹理信息量及其组合后的信息量。该方法的支点是,利用基于差值脉冲编码调制的遥感影像波段内和波段间去相关算法,同时消除冗余信息和噪声对信息熵的影响,运用参数熵模型来估计遥感影像的有用信息量。本文利用Landsat影像进行了计算实验和分析。结果表明,该算法可以有效评价多光谱遥感影像的信息量,以便为分类和影像质量评价等应用问题提供信息论指标。     

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。     

基于Landsat TM影像的冰川提取

以杂多县冰川为研究对象,为了精确提取冰川信息,根据冰川在TM影像上存在的光谱差异,将冰川划分成两类。分析较难与周边地物区分的冰舌与其他地物之间的光谱特征区分性,选择最优的冰川提取波段。同时利用波段运算得到对冰川信息提取更有利的波段。将所有优选波段经过最佳指数计算和地物可分离性分析,得到波段间相关性最低,冗余信息最少,冰川与其它地物可分性最强的波段组合进行监督分类,有效地分离出冰川。将本文方法提取的冰川面积与高分辨率影像中提取的冰川面积相比较,结果表明本文提出的冰川提取的技术方法是有效的。     

结合多光谱影像降维与深度学习的城市单木树冠检测

多光谱数据的降维处理对基于深度学习的单木树冠检测研究有重要意义,如何使用合适的降维方法以提高单木检测的精度却少有研究讨论。本文使用无人机搭载多光谱相机进行航拍作业,采集研究区内银杏树种多光谱影像。将原始多光谱影像通过特征波段选择、特征提取、波段组合的方法生成5种不同的数据集用于训练3种经典的深度学习网络FPN-Faster-R-CNN,YOLOv3,Faster R-CNN。其中由波段组合方法得到的近红外、红色、绿色波段组合在不同类型的目标检测网络中都有最好的检测结果,其中FPN-Faster-R-CNN网络对银杏树冠的检测精度最高为88.4%,由OIF指标得到的蓝色、红色、近红外波段组合信息量最高,但在所有网络中的平均检测精度最低,仅为79.3%。实验结果表明：在不同波段降维方法中,若降维后的影像中目标物体的色彩与背景差异较明显,且轮廓清晰,则深度学习网络对树冠的检测可获得较好的结果。而影像自身的信息量则对深度学习网络的树冠检测能力的提升作用有限。本研究中针对多光谱影像的降维方法分析,为基于深度学习的单木树冠检测研究提供了重要的实验参考。     

基于ZY1E高光谱遥感影像的汉麻提取研究

以国产ZY1E高光谱遥感影像作为影像数据源,选取黑龙江省绥化市青冈县为研究区,对ZY1E高光谱遥感影像的光谱特性及多波段组合特性进行研究,并开展了研究区汉麻的提取研究.试验表明:ZY1E高光谱遥感影像可以提供更为丰富的空间信息和地物光谱信息,更利于地物的精细识别,2020年青冈县共种植汉麻0.22万hm2,主要集中在北部区域,汉麻提取的总体分类精度为98％,Kappa系数为0.9623.     

SPOT-5影像融合技术在西部测图工程中的应用

本文针对西部干燥荒漠地区的地貌地表影像,进行了基于信息量的波段选取和融合试验,获取了一定的经验值,将此经验值应用于相似类型地表的影像融合后,取得了良好的效果。经实际生产作业证明,基于信息量理论选取的组合波段,能很好地保持原始影像的光谱特征,且融合后,影像层次丰富、色彩逼真。     

结合目标分割的高光谱城市地物分类

结合高光谱影像地物光谱特征与高空间分辨率影像分割获得的目标对象进行地物分类。首先,对Hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正后,得到研究所用的155个波段;其次,利用地物光谱曲线的特征点确定适合地物识别的光谱分辨率,进行Hyperion影像降维,生成降维后所需的21个宽波段;然后,对IKONOS影像采用小波融合,利用多分辨率分割技术生成高空间分辨率影像目标对象;最后,基于层次分析法对分割后生成的目标对象进行分类,采用模糊隶属函数利用植被红边效应、水体在近红外波段吸收特征进行第1层次分类,再取距离值最大的前10个Hyperion影像波段作为标准最邻近分类的特征波段,完成第2层次分类。分类结果表明,研究区共分出9种地物类型,分类效果明显优于最大似然法分类与光谱角填图法。