基于Bayes融合法的多源遥感影像分类

提出了顾及各类数据源成像模型，上下关系模型的可靠性的基于Ｂａｙｅｓ融合分类的方法，并采用该方法对ＬａｎｄｓａｔＴＭ和航空ＳＡＲ影像进行了土地利用分类试验。结果表明，同单独ＳＡＲ影像分类结果相比，融合分类法将分类精度提高了２０％。     

利用DEM进行星载SAR影像的几何精纠正

星载ＳＡＲ影像的几何精纠正旨在纠正原始ＳＡＲ影像上存在的各种几何变形，提高点位精度。星载ＳＡＲ影像上由地面高差引起的点位位移是多山地区星载ＳＡＲ影像上的主要几何误差。简单采用二维变换函数（如多项式）无法改正该项误差，必须建立ＳＡＲ影像的三维构像模型，并利用数字地面高程模型（ＤＥＭ）来改正包括该项误差在内的ＳＡＲ影像上的所有几何误差。本文对ＳＡＲ影像的传统三维构像模型进行了分析和模型定向试验，发现在没有准确的轨道参数和原始成像参数的情况下，模型定向的精度很差，因此这里提出了一种新的ＳＡＲ影像的三维构像模型。该模型克服了传统模型依赖原始成像参数的不足。山东试验场ＥＲＳ—１星载ＳＡＲ影像数据的处理试验表明，该模型的定向精度可达地面３６米（ＥＲＳ—１星载ＳＡＲ影像的标称地面分辨力为３０米）。     

人工神经网络在多源遥感影像分类中的应用

在研究人工神经网络理论的基础上,应用动量法和学习率自适应调整的策略,改变ＢＰ神经网络的主要缺点,提出对同一地区空间配准的Ｌａｎｄｓａｔ ＴＭ３,ＴＭ４,ＴＭ５影像和航空ＳＡＲ影像,一方面采用该种网络对两类影像分别进行分类,将其分类结果按提出的融合规则进行分类融合得到最终分类结果,另一方面采用该网络对两类影像进行融合分类,得到相应分类结果,比较这两者的结果表明,基于改进的ＢＰ神经网络用于土地利用分类     

证据推理应用于多源信息融合分析

运用证据理论合并来自不同数据源的证据,以实现各种数据所含信息融合的原理和方法。该方法的最大特点是将数据源中存在的不确定性引入数据分析过程。另外,利用证据推理,可以在数据分析过程中方便地引入专家解译图解的经验和知识。最后通过利用ＥＲＳ ＳＡＲ数据和ＴＭ影像进行融合分析,证明该方法在遥感图解自动分类中有很好的应用前景。     

遥感多光谱影像数据与航片数字化影像融合方法的研究

本文探讨利用ＨＩＳ变换对航片化影像分析与遥感多光谱影像ＳＰＯＴ ＸＳ、Ｌａｎｄｓａｔ ＴＭ和ＭＳＳ进行融合的方法，并提出了一种改进的方法。试验结果表明：本文提出的方法行之有效。融合后的影像在很大程度上保留了原多光谱影像的光谱特征，空间分解力较我光谱影像提高到近３倍，清晰度也提高了。因而具有更强的解译和量测能力，能进一步提高分类精度、制作专题图的精度，多时相监测能力等。     

使用ERS-1/2干涉测量SAR数据生成DEM

干涉合成孔径雷达（ＩＮＳＡＲ）数据已被证明能生产精确的数据高程模型（ＤＥＭ），我们已开发了从单视ＳＡＲ复影像数据自动生成数字高程模型的新软件，基于ＳＡＲ多视强度影像的最小二乘曩像匹配被用于复影像对的配准，达到很高的配准精度（０．０１～０．０５像元精度）。一种新的计算目标点３维坐标（Ｘ，Ｙ，Ｚ）的方程还被提出，卫星轨道，姿态和基线参数以及相位常数被纳入在方程中并被表示了时间的线性函数，利用至少６个地面控制点能够同时估算这些参数，本文还给出了意大利埃特地区ＥＲＳ－１／２ＳＡＲ数据处理结果。     

海洋表面膜特征的SAR图像探测

讨论并分析各种成因类型的海洋表面膜特征及其在海洋ＳＡＲ图像中影像特征。对渤海湾的ＳＡＲ图像中的表面膜特征进行检测并对这些表面膜特征成因进行了分类。     

使用ERS-1/2 SAR干涉测量数据生成DEM

干涉合成孔径雷达（ＥＮＳＡ－Ｒ）数据已被证明能生产精确的数字高程模型（ＤＥＭ）。我们已开发了从单视ＳＡＲ复影像自动生成数字高程模型的新软件。基于ＳＡＲ多视强度影像的最小二乘影像苑被 用二复影像对的配准,达到极高的配准精度。同时提出一种新的计算目标点三维坐标的方程卫星轨道,半途而废和基线参数以及相位常数被纳入方程中并被表示为时间的线性函数。利用至少６个地面控制点能够同时估算这些参数。本文给出了动作持     

欧空局干涉合成孔径雷达差分测量与相关特性的应用

本文评述了利用欧洲空间局ＥＲＳ－１卫星进行的干涉合成孔径雷害差分测量（Ｄ－ＩＮ－ＳＡＲ）试验。该技术能控测到厘米甚至毫米级的高程变化,简述干涉合成孔径雷达（ＩＮＳＡＲ）影像之间的相关性,它可充当地表分类与变化探测的度量标准。     

SAVR法──影像表面分维估计的新方法

本文在分形表面积与体积关系的基础上，导出了一种估计影像表面分维数的新方法──ＳＡＶＲ法。通过对合成的已知维数分形影像数据的测试，表明新方法在分维估值准确性和无标度区特性方面表现较优，进一步与ＢＬＡＮＫＥＴ法分维估计实验比较得出，ＳＡＶＲ法具有较强的保持多分辨影像分维估值的稳定性。最后提出了基于ＳＡＶＲ法方向分维的纹理特征度量并给出了在方向纹理分析中的应用实例。     

影像融合技术应用于地表分类之探讨

本论文尝试讨论两个主题：主题一为利用主成分分析PCA方法应用于像元阶层资料融合技术的研究。主题二为应用Dempster-Shafer evidence theory方法于特征阶层数据融合技术的研究。在第一个主题中，由于合成孔径雷达的数据具有全偏极特性，在此选取了对植被较为敏感的HV极化合成孔径雷达数据，与具有光谱特性的光学SPOT数据做数据融合处理以利接下来的地物分类。首先，本研究利用小波转换技术来滤除合成孔径雷达斑驳噪声，在接下来融合步骤中，主成分分析出来的第一部分（PCI）是用做完滤除噪声后的合成孔径雷达取代，在数据融合后，进行地物分类是采用最大似然法来分类融合影像。在第二个主题中，利用全偏极雷达数据的极化特性结合SPOT数据的光谱特性，其主要目的是为了增加分类的精确度。首先使用李式滤波器滤除全偏极雷达数据噪声，接下来同样是使用采用最大似然法来分类融合影像，（不同的在于全偏极雷达影像使用Wishart几率分布，在光学影像采用multivariate Gaussian几率分布）将每个类别中每个像元属于某个类别的几率值计算出来，再利用Dempster-Shafer evidence theory来结合这些类别的机率值。最后产生出一张新的分类影像。实验的结果显示分类的精确度比较于未融合的资料都有明显提升的效果，也证明了此两个数据融合方法对于不同数据特性的融合都是很成功的。     

单波段单极化高分辨率SAR图像纹理分类研究

以2003年7月淮河洪水监测获取的高分辨率SAR图像为试验数据，首先对数据进行了分析，指出了高分辨率SAR图像的特点，之后通过小波变换对图像进行两层小波分解得到子图像，并在选择合适的能量计算窗口条件下，计算子图像的纹理能量，最后使用了BP神经网络方法进行纹理分类。研究结果表明，采用小波纹理分类方法对高分辨率SAR图像分类是可行的，可以获得高的分类精度，同时也指出了纹理分类的不足和进一步研究的方向。     

一种从SAR影像到光学影像的翻译方法

光学传感器在夜晚和云雨天气难以成像,合成孔径雷达（synthetic aperture radar,SAR）虽然能够全天时、全天候工作,但其成像难以理解,对此提出利用SAR影像翻译为光学影像的新思路来弥补二者的缺陷。给出了遥感影像翻译定义,提出一套包含图像理解、目标转换等环节的影像翻译技术流程。通过支持向量机分类、种子填充和基于样本的纹理合成算法等手段实现SAR影像典型目标向光学影像的转换与表达。最后,利用该方法实现了ENVISAT-ASAR转换为Landsat TM,ALOS PALSAR转换为GeoEye的两类影像翻译,并利用SAR影像翻译结果修补光学影像空缺。影像翻译和补缺实验证明了SAR影像翻译为光学影像的可行性和有效性。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

ALOS PALSAR and Hyperion Data Fusion for Land Use Land Cover Feature Extraction

Detailed and enhanced land use land cover (LULC) feature extraction is possible by merging the information extracted from two different sensors of different capability. In this study different pixel level image fusion algorithms (PCA, Brovey, Multiplicative, Wavelet and combination of PCA & IHS) are used for integrating the derived information like texture, roughness, polarization from microwave data and high spectral information from hyperspectral data. Span image which is total intensity image generated from Advanced Land observing Satellite-Phase array L-band SAR (ALOS-PALSAR) quad polarization data and EO-1 Hyperion data (242 spectral bands) were used for fusion. Overall PCA fused images had shown better result than other fusion techniques used in this study. However, Brovey fusion method was found good for differentiating urban features. Classification using support vector machines was conducted for classifying Hyperion, ALOS PALSAR and fused images. It was observed that overall classification accuracy and kappa coefficient with PCA fused images was relatively better than other fusion techniques as it was able to discriminate various LULC features more clearly.     

利用SVM的全极化、双极化与单极化SAR图像分类性能的比较

支持向量机(SVM)以其在小训练样本时良好的分类性能,目前已广泛应用于多个领域.本文在极化SAR图像特征提取基础上,将SVM应用于极化SAR图像分类,定性和定量地比较了全极化、双极化和单极化SAR图像的分类性能,分析了不同的极化组合对分类结果的影响,并根据地物极化散射特性分析了分类精度差异的成因.实测极化SAR数据的实验结果表明,全极化数据能获得最好的分类性能,双极化次之,单极化最低,且在某些情况下,双极化与全极化分类性能接近.     

顾及分类器参数的全极化SAR图像特征选择与分类

全极化SAR获取的信息量远多于传统SAR,但信息量的增加并不能确保分类精度的提高,如何有效进行特征选择至关重要。针对自适应特征选择问题,提出一种顾及分类器参数的特征选择和分类方法。该方法以支持向量数为评估依据,结合遗传算法进行特征选择,并同时对分类器参数进行寻优;最后利用优选的特征集和模型参数进行分类。为验证算法的有效性,利用两组全极化数据进行了监督分类实验。实验结果表明,提出方法降低了SVM分类器对自身参数的敏感性,而且能在较少特征个数下具备良好的泛化性能,分类精度优于未经过特征选择和参数优化的方法。     

Optimum Data Vector Approach to Multibaseline SAR Interferometry Phase Unwrapping

Phase unwrapping is a key problem not only in all quantitative applications of synthetic aperture radar (SAR) interferometry but also in other fields. In this letter, a new phase unwrapping approach is investigated. Our study is based on the model of the optimum data vector. In order to autocoregister the SAR images, the proposed method takes advantage of the multibaseline optimal weighted joint data vector by extracting all the coherence information available in the neighboring pixels. Moreover, the method employs the projection of the joint signal subspace onto the corresponding noise subspace to estimate the unwrapped interferometric phases (or the terrain heights). The proposed method can accurately determine the dimensions of the noise subspace and provide the robust unwrapped interferometric phases even in the presence of the large image coregistration errors. Moreover, the multibaseline processing idea is a combination of data optimization, image coregistration, interferogram filtering, and phase unwrapping.     

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。