结合随机森林的高分一号分类最优组合研究

选取高分一号(GF-1)PMS多光谱影像,提取该数据的指数、共生矩阵纹理等特征与原始多光谱影像叠加,对叠加后影像进行随机森林分类并提取各波段重要性系数。根据重要性系数进行最优波段组合初选择,在此基础上利用最佳指数法(OIF)选取土地覆盖分类最优波段组合,利用随机森林分类器对该组合进行土地覆盖分类,与传统的OIF最优波段选取结果进行分类精度对比。结果表明,提出的方法能够有效提取最优波段组合,最优波段组合为B2-B5-CON,与传统方法相比,在随机森林分类中总精度要高出20.49%。     

一种基于最佳指数模型的 TM 遥感影像最佳波段组合计算方法

如何通过定量计算选择最佳波段组合一直是TM等多波段遥感影像信息提取的研究热点。本文综合利用Erdas提供的可视化空间建模工具（ Spatial Modeler ）和面向对象的编程技术,提出了一种基于最佳指数（ Opti-mum Index Factor ,OIF）的定量计算与定性分析相结合的TM遥感影像最佳波段组合方法。实验证明,该方法快速有效,极大提升了TM等多波段遥感影像最佳波段组合的计算过程。     

一种经验型归一化差异水体指数模型

针对NDWI和MNDWI两种水体指数在水体信息提取过程中易夹杂无用背景信息的问题,该文提出一种经验型归一化差异水体指数ENDWI。利用TM影像的绿光波段、近红外波段和中红外波段构建归一化波段组合,较好的减少了建筑物和道路错提的现象,进一步消除了背景噪音,实现了对水体信息的快速提取。以南昌市六区县的TM影像作为数据源,进行实例论证,实验结果显示ENDWI方法对城区、湖泊区、河流区等局部特定水域的提取更具优势,总体分类精度分别达到了97.45%、98.07%和97.23%,提取过程简单有效,具有一定的实用价值。     

改进剖面匹配和EKF对SAR影像道路半自动提取

道路提取作为典型的线状目标提取,是遥感影像目标解译的研究热点。合成孔径雷达（SAR）影像包含了丰富的物理特性,能够全天时、全天候地获取影像数据,已广泛应用于道路提取中。传统的道路提取方法分为全自动和半自动方法。全自动道路提取会出现漏检和错检,需要大量的人工后处理。半自动方法结合人工干预,是对计算机的计算能力和人工解译准确性的有效折中。提出了用一种改进剖面匹配和扩展卡尔曼滤波（EKF）的方法对SAR影像道路进行半自动提取的方法。首先构建了道路提取模型,其次通过改进剖面匹配算法获取准确的观测值,最后利用EKF对观测值进行更新获取道路最优估计值。选取美国缅因州Howland地区L波段UAVSAR数据和海南陵水地区X波段机载SAR数据进行实验,结果表明,该方法在较少人工干预的情况下,能够对复杂场景道路进行有效稳健的提取。     

基于Sentinel-2的潮间红树林提取方法

位于潮间带的红树林可能在高潮时被海水淹没的特点，使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后，提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段，强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取，提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示，该方法提取红树林的用户精度达到93.98%，并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。     

改进的OIF和SVM结合的高光谱遥感影像分类

文章提出了一种结合改进的最佳指数法(OIF)和支持向量机(SVM)进行高光谱遥感影像分类新方法.利用本文提出的稳定系数进行波段初选择,根据相关系数选择波段组合生成新影像,并对新影像进行OIF计算,得到OIF值最大的波段组合为最佳波段组合;构建SVM分类器,对最佳波段组合分类;最后将分类结果与其他监督分类方法比较,并在相同核函数下与PCA和SVM结合的方法进行精度比较分析.实验结果表明,本文方法能够有效提取最佳波段组合,在SVM算法下获得较高分类精度.     

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。     

基于高分辨率遥感影像的地理国情普查水体信息提取方法

地理国情普查体系内容之一是提取水体地表覆盖信息,掌握我国水体现状以及空间分布情况。常规归一化差异水体指数（NDWI）算法不能完全满足基于高分辨率遥感影像提取水体信息的需要。本文以WorldView2的4波段（B、G、R、N）影像为数据源,研究基于高分辨率遥感影像的、面向对象的水体信息提取方法。研究发现：水体在蓝波段（Layer B）上表现出较强反射特性,利用蓝波段的比率值（Ratio Layer B）、标准方差值（Standard Deviation Layer B）两项指标,结合水体指数,能够构建基于高分辨率遥感影像水体提取的基本规则集,完成水体信息的自动提取,并且提取的结果质量较好。通过选取验证区,对提取方法的稳健性进行了验证,结果证明：该方法能够在地理国情普查这种基于高分辨率遥感影像的工程化生产应用中发挥重要作用。     

基于MODIS数据的水体提取研究

通过对遥感图像各类地物的光谱和水体在中等分辨率的EOS／MODIS上的波谱特征的分析,论述了水体最为明显的波段组合,研究了如何从不同时期（枯水期、丰水期）的中等分辨率MODIS遥感影像提取水体的方法,并以武汉市梁子湖为例,对水体提取范围和精度进行比较和分析。实验表明：遥感图像经空间变换后再利用相同的方法提取的水体,更容易区分水体和阴影,产生的噪声也少,提取的水体范围更准确、计算的水域面积精度更高。     

相向飞行全极化SAR图像对建筑物的立体重构

用多方向飞行的全极化SAR图像可能提取特定三维目标的高度与位置信息,进而实现目标物的几何立体重构。全极化SAR图像数据与单极化SAR相比,可以选择多种极化组合数据,提供对于特定目标几何特征敏感的数据类型,通过多方向飞行SAR图像反演该目标或目标群的高度与位置信息。本文用两幅相向飞行的PI-SAR(日本机载极化与干涉SAR,X波段、1.5m分辨率)图像,提取日本仙台电视塔高度、日本东北大学建筑物群的立体重构。     

神经网络支持下的Sentinel-2卫星影像自动云检测

为解决利用Sentinel-2卫星影像进行地物信息提取时云层遮挡造成的信息误判问题，提出了一种基于深度学习的遥感影像云区高精度分割方法。该方法通过预处理的遥感样本数据构建出一种深度神经网络模型，自动提取高层次影像特征；再将影像特征输入分类器，实现遥感影像的像素级分类，从而分割出云覆盖矩阵；最后将云覆盖矩阵转化为云二值图，结合感兴趣区矢量准确获取指定区域云检测结果。选取典型区域进行测试，结果表明：该方法检测精度较高，速度较快，且无须辅助信息与人工干预，可用于Sentinel-2卫星影像不规则区域自动云检测。     

空间目标三维姿态估计方法

提出了一种利用天文观测图像对卫星及其子部件三维姿态进行估计的方法。该方法利用等积剖分格网建立多视角姿态模型数据库,利用基于混合噪声的最大似然算法对观测图像进行图像复原与滤波等预处理,然后进行分割和几何特征提取,提出了一种尺度不变的特征检索方法对卫星几何特征进行编码,并在姿态数据库中进行最小距离匹配,最终估计出空间目标的三维姿态。实验结果验证了本文姿态估计方法的有效性和准确性。     

面向对象的高分辨率卫星影像道路信息提取

本文采用面向对象方法对高分辨率卫星影像道路信息提取。首先加入建筑物矢量数据对影像分割提取出建筑物,然后采用多尺度进行分割,对分割后的对象进行最近邻采样,得到总体分类图。最后根据道路特点构建道路知识库对道路信息优化。试验表明,面向对象的道路信息提取克服了"椒盐现象",取得了较好的提取效果。     

基于ENVI ZOOM面向对象的FY3A云提取方法研究

利用风云三号A星MERSI数据,基于ENVI ZOOM软件平台采用面向对象的多尺度影像分割技术,并结合监督分类技术提取云层边缘线,继而对影像进行反演处理时剔除云层覆盖区域的干扰。研究表明,与同时段彩色卫星云图进行视觉对比,分类结果较理想,该分类方法易于操作,可有效提高解译精度。     

像元与对象特征融合的高分辨率遥感影像道路中心线提取

提出了一种融合像元-多尺度对象级特征的高分辨率遥感影像道路中心线提取方法。首先在像素级上提取影像的纹理和形状结构特征,在构建的多尺度分割集影像上提取对象的区域光谱特征。然后,将像元级特征与多尺度对象特征进行决策级融合,完成道路网的粗提取。最后,结合本文所提出的非道路区域自动去除算法和张量投票算法,实现道路中心线的精提取。不同场景、不同分辨率数据下开展的试验结果表明,该方法可有效改善传统道路提取方法易产生的"盐噪声"和非道路地物粘连现象。     

Automatic main road extraction from high resolution satellite imageries by means of particle swarm optimization applied to a fuzzy-based mean calculation approach

Manual extraction of road network by human operator is an expensive and time-consuming procedure. Alternatively, automation of the extraction process would be a great advancement. For this purpose, an automatic method is proposed to extract roads from high resolution satellite images. In this study, using few samples from road surface, a particle swarm optimization is applied to a fuzzy-based mean calculation system to obtain road mean values in each band of high resolution satellite colour images. Then, the images are segmented using the calculated mean values from the fuzzy system. Optimizing the fuzzy cost function by particle swarm optimization enables the fuzzy approach to be the best mean value of road with sub-grey level precision. Initially, this method was applied to simulated images where the calculated mean values are consistent with the hypothetic mean values. Application of the method to IKONOS satellite images has shown a prospective outcome for automatic road extraction. Mathematical morphology is subsequently used to extract an initial main road centreline from the segmented image. Then, small redundant segments are automatically removed. The quality of the extracted road centreline indicates the effectiveness of the proposed approach.     

自然光环境下目标的快速提取方法研究

介绍了一种自然光环境下目标提取的方法：在分析自然光下CCD相机获取图像中噪声的特点的基础上，发现被测目标经测量场中特定纹理背景调制后．可以采用差分算法提取图像中的目标及其位置。实践证明，该方法在目标提取中抑制自然光的干扰是有效的和可靠的。     

资源三号卫星成像在轨几何定标的探元指向角法

从资源三号卫星（ZY-3）影像严格几何模型出发,通过对星敏感器坐标系下各CCD探元指向角的分析,提出一种ZY-3成像在轨几何定标的探元指向角法。经对嵩山和洛阳两个试验区     

基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。     

一种改进Hausdorff距离和自适应遗传搜索的遥感目标匹配方法

采用快速点提取算子SIFT算子提取特征点,减少图像数据量,针对传统Hausdorff距离对噪声、出格点较敏感的问题对其进行改进,并以改进后的鲁棒Hausdorff距离作为匹配测度,利用非遍历而又有效的遗传搜索策略进一步提高了匹配速度。对发生旋转变形和灰度变化的遥感影像进行模拟实验,实验结果证明了该算法的有效性和快速性。