高分辨率图像辅助提取高光谱图像端元

现有的端元提取算法大多是基于凸面单形体假设,对于非单一地物类型,利用这些端元进行丰度反演将会影响混合像元分解精度。本文提出一种利用高分辨率图像判断高光谱像元内是否为同一类型地物的方法。首先,利用图像分割程序对高分辨率图像进行分割,得到光谱均一的斑块矢量图,并叠加到高光谱图像上;然后,通过空间关系分析找出斑块内的高光谱像元,称其为准端元;最后,利用端元提取算法在这些准端元中进行端元提取。实验结果表明,该方法将端元提取结果的误差降低了20%左右。     

一种多/高光谱遥感图像端元提取的凸锥分析算法

凸锥分析方法常用于多光谱和高光谱遥感图像的端元提取。遥感图像中的每个像元都可以看作一个多维向量,整幅影像看作由离散的非负向量构成的凸锥,通过寻找凸锥的角点来自动获取图像的端元。本文提出了一种自动选择最佳凸锥角点的方法,应用到传统的凸锥分析方法中,提高了凸锥分析方法的效率。利用模拟数据和真实数据实验验证了算法的可行性。     

结合空间信息选取最优端元组合的混合像元分解

传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分,但这并不符合实际情况。实际上图像中大多数混合像元仅由少部分端元混合而成。由于端元提取精度及噪声的影响,采用全部端元对混合像元进行分解,会使得混合像元中实际并不存在的端元的丰度估计值不为零,分解结果存在较大误差。由于混合像元大多存在于不同地物的交界处,基于此,本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法。利用一个空间结构元素,从混合像元的附近邻域开始搜索,将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比,并确定混合像元的端元子集进行分解。根据RMSE大小和变化情况,逐步扩大结构元素的大小,不断调整搜索范围,直至得到最优端元组合。模拟数据和真实数据的试验结果表明,该方法相比传统的全端元光谱分解方法,在总体上获得了更好的分解效果。     

空谱协同多尺度顶点成分分析的高光谱影像端元提取EI北大核心CSCD

针对顶点成分分析方法无法实现复杂地表环境下的高光谱影像端元精确提取问题,提出了一种基于空谱协同多尺度顶点成分分析的端元提取方法,通过影像空谱特征融合和聚类分割,对不同分辨率空间尺度下的分割影像进行端元协同提取,并考虑噪声对影像端元提取精度的影响,提升端元提取的精度。首先,对影像进行预处理,采用低秩矩阵分解去除噪声。其次,对高光谱影像进行空谱多特征提取,利用多特征融合和K-means算法进行聚类分割,获取地物分布的空间异质性信息,提升后续端元提取的精度。然后,对高分辨率影像空间降采样,利用顶点成分分析方法对降采样后的低分辨率分割图像进行端元提取,并利用坐标映射寻找高分辨率影像中的相应端元,利用光谱角来判定是否为纯端元。最后,遍历上述方法至所有分割影像以获取最终的端元集合。使用模拟数据和真实的高分五号高光谱数据对提出的方法进行实验验证。实验结果表明,空谱协同多尺度顶点成分分析方法可提取高精度的纯净端元,且计算效率较高。     

一种顾及上下文的高光谱遥感图像端元提取方法

端元提取技术是混合像元分解中重要的步骤之一,传统的端元提取方法仅考虑了像元的光谱信息。本文将数学形态学算子扩展到高光谱空间,并应用到端元提取技术中,可以顾及像元的上下文信息。利用AVIRIS高光谱仿真数据对算法进行了实验验证,结果表明本文算法具有较强的抗噪能力和较高的可靠性。在此基础上,结合徐州地区的EO-1 Hyperion高光谱遥感图像,使用本文算法进行了端元提取应用研究,将实验结果与纯净像元指数、顶点成分分析方法做了对比分析和精度评价,证明本文算法是一种可靠的高光谱遥感图像端元提取技术。     

高光谱遥感图像的端元递进提取算法

针对高光谱遥感图像中可能并不存在图像端元这一问题,试探的提出一种基于线性混合模型下对初步提取的最近似于端元的像元进行再分析的端元提取算法,即高光谱遥感图像的端元递进提取算法.首先针对3个端元线性混合的图像进行提取,在图像中找到最大近似于端元的像元,利用凸面单形体的几何性质,找出初步提取像元附近位于图像端元构成的凸面单形体边界上的像元,通过计算图像端元在边界像元中的含量,应用线性反解提取出图像端元.模拟图像中的初步结果表明在不存在图像端元的图像中,该算法可以有效的提取3个端元,应用于实际Hyperion图像取得了较好的实验效果.     

高光谱遥感图像的空间邻域指数

通过高光谱遥感图像空间邻域内光谱特征的变化,研究了邻域光谱度量指数;根据邻域内端元光谱特征的变化,提出了邻域独立端元指数提取图像的空间维细节信息。通过真实高光谱遥感图像检验,两类邻域指数能够较好地提取高光谱遥感图像中的细节,为进一步结合空间维、光谱维特征的高精度目标探测与识别创造了有利条件。     

基于光谱滤波器的混合像元分析

提出一种利用光谱滤波器进行遥感图像混合像元全约束分解的新算法。该算法利用端元光谱中与背景光谱正交的光谱成分构建光谱滤波器,滤除混合像元中的背景干扰成分,直接获取信号光谱的丰度。采用该光谱滤波器多次迭代分解,修正单个混合像元的端元光谱空间,获取其确切的端元光谱配置,保证了分解时各端元丰度的非负性,实现混合像元的全约束分解。多光谱数据仿真实验证明,与全约束最小二乘法(FCLS)和正交投影(OSP)分解法相比,该方法虽然在时间方面略逊一点,但其分解结果与实际结果的相关系数高,均方根误差小,具有很高的分解精度,在遥感定量分析方面具有重要的应用潜力。最后给出了该算法在真实的高光谱图像中进行混合像元分析的结果。     

高光谱遥感影像混合像元分解研究进展

受高光谱成像仪低空间分辨率及复杂地物的影响,高光谱遥感图像存在大量混合像元。为提高地表分类精度以及满足亚像元级目标探测的需求,混合像元分解技术一直是高光谱遥感研究热点之一。本文主要对高光谱混合像元分解技术中的核心问题:端元数目估计、端元提取算法、丰度估计算法进行综述,系统地分析了各种典型算法的原理及优缺点,进一步阐述研究过程中建立高精度遥感混合反演模型与遥感产品业务化中的混合像元分解技术难题,同时针对今后混合像元分解技术发展方向,指出在继续引入新型算法理论方法基础上,结合用户应用需求,推进高光谱混合像元分解算法业务化应用,为高光谱遥感工程化应用提供支持。     

端元快速提取的光谱梯度特征搜索法

由于数据量大,目前大多数端元提取算法均需较长的计算时间,限制了这些算法的有效应用。本文提出了以光谱梯度特征为搜索条件的快速端元提取方法,其核心包括基于光谱梯度特征的候选端元快速筛选和基于光谱解混误差的端元识别两部分。由于能够从影像中快速筛选出少量的像元光谱作为候选端元,故具有较好的计算性能;同时由于避免了非端元光谱参与端元识别,使得识别的结果具有更高的精度。试验表明,相比经典的IEA算法和ECHO算法,该算法不仅能大幅度提高端元提取速度,而且具有更准确的端元识别能力。同时,基于该算法原理,也可对现有各种算法进行改进,提升现有的各种端元提取算法的运算速度。     

动态调整权重的光谱匹配测度法分类的研究

提出了动态调整权重的光谱匹配测度的分类方法，它可以根据不同影像、不同分类目的等自适应调整光谱距离和光谱形状测度在分类中的权重，从而达到正确分类的目的。通过对高光谱影像分类的试验，验证了该方法的正确性。     

3D Visualization for the Analysis of Forest Cover Change

Abstract

Visualization techniques have been developed to recreate natural landscapes, but little has been done to investigate their potential for illustrating land cover change using spatio‐temporal data. In this work, remote sensing, geographic information systems (GIS) and visualization techniques were applied to generate realistic computer visualizations depicting the dynamic nature of forested environments. High resolution digital imagery and aerial photography were classified using object‐oriented methods. The resulting classifications, along with preexisting land cover datasets, were used to drive the correct placement of vegetation in the visualized landscape, providing an accurate representation of reality at various points in time. 3D Nature's Visual Nature Studio was used to construct a variety of realistic images and animations depicting forest cover change in two distinct ecological settings. Visualizations from Yellowstone National Park focused on the dramatic impact of the 1988 fire upon the lodgepole pine forest. For a study area in Kansas, visualization techniques were used to explore the continuous human‐land interactions impacting the eastern deciduous forest and tallgrass prairie ecotone between 1941 and 2002. The resulting products demonstrate the flexibility and effectiveness of visualizations for representing spatio‐temporal patterns such as changing forest cover. These geographic visualizations allow users to communicate findings and explore new hypotheses in a clear, concise and effective manner.     

频谱组合法中的椭球改正

本文首先讨论了频谱组合法中的椭球改正,推导了椭球改正的计算公式,并且在我国范围内进行了实际计算,最后得出了对于精化我国大地水准面有益的结论。     

估算混合植被叶绿素含量的理想波段分析

应用Lopex数据库评价了19个波谱指数对物种的敏感性, 分析了叶绿素含量与波谱反射率以及波谱导数的相关性, 目的在于探寻对叶绿素含量变化的敏感性, 对物种和叶片结构变化不敏感的理想波段, 应用大尺度遥感数据估算混合植被冠层叶绿素含量。分析结果表明：红边指数对混合植被的叶绿素含量具有较好的指示作用;估算冠层叶绿素含量的理想波段为698—710nm附近较窄的波段范围;对于波谱导数, 估算混合植被叶绿素含量的理想波段范围为720—735nm和535—550nm附近波谱导数。     

地物波谱研究现状及方法的初步探讨

地物波谱特性是遥感技术应用的物理基础,是遥感定量分析的基础,地物波谱研究是遥感基础研究的重要内容。文中阐述了几种典型地物的波谱特征,介绍了测量方法及影响因素,并对国内外波谱数据库建设现状作了描述和分析,系统总结了前人研究成果后对地物波谱研究的发展方向提出了构想。     

基于高光谱卫星遥感数据的UPDM分析方法

提出了一种用于处理多高光谱卫星数据的UPDM分析方法。研究结果证明．该方法应用干Landsat／TM(ETM^-)、Terra／MODIS和ADEOS—II／GLI等高光谱卫星传感器时．光谱重构均方根误差小于0．029适用于研究高光谱卫星遥感数据。     

基于层次密度分析的遥感影像分割方法

传统的全局性密度分析指标往往无法适应局部集群分布特征,提出一种新的层次密度分析方法,达到自适应遥感影像分割的目的,取得了较好效果.     

水体光谱测量与分析Ⅰ：水面以上测量法

水色遥感的基础之一是水体光谱特征测量与分析。水体光谱特性包括两个方面 :表观光学特性(AOPs)和固有光学特征 (IOPs)。该文主要讨论与水色遥感基本参数直接相关的表观光学量的测量与分析。现场表观光谱的测量从方法上可分为两类 :剖面测量法和水表面以上测量法。两种方法相对独立 ,适用范围上具有互补性。该文主要针对水面以上测量法进行讨论。水色遥感一般要求表观光谱特性的测量必须能够导出离水辐射率LW、归一化离水辐射率LWN、遥感反射率Rrs、和刚好处于水面以下 0 -深度的辐照度比R等。国际上有关水色的测量规范中 ,仅有针对大洋一类水体的。中国的近岸水体和湖水绝大部分是二类水体 ,因此该文也将对二类水体光谱测量的有关参数化问题进行讨论。同时 ,对数据分析处理中的一些关键参数的确定 ,提出新方法     

基于高光谱遥感的四种典型道路光谱特征分析

利用高光谱遥感的方法,采用美国ASD公司生产的FieldSpec 4(背负式非成像高光谱仪),光谱范围覆盖350—2 500 nm,开展了对水泥混凝土道路、沥青道路、砖路和泥路这4种最为常见的典型道路的高光谱数据野外观测。利用光谱均值、反射率计算、一阶导数、二阶导数、倒数后对数变换等方法,对原始光谱数据进行处理,分析对比4种道路的光谱曲线,研究4种道路各自的光谱特征并找到能很好地区分这4种不同道路类型的最佳波段。旨在探索不同道路类型的光谱特征,为道路识别与提取提供重要依据。     

一种新的网目印刷光谱预测模型

在分析纽伦堡和克拉普光谱预测模型的基础上，提出了一种新的网目印刷光谱预测模型。实验结果表明，新光谱预测模型的光谱预测值与理想值的吻合度明显高于其他模型。