基于流变特性与纹理特征的底质层界智能识别

针对传统的人工识别浅剖图像层界方法精度不足、效率低下的问题,提出了一种基于浮泥流变特性与灰度共生矩阵的航道底质层界智能识别方法。利用航道浅剖数据计算灰度共生矩阵特征值来描述底质层界纹理,粗略提取层界边缘;通过浮泥流变特性模型智能识别、连接同一层层界矢量点,准确识别底质层界。对比智能和人工提取连云港航道浅剖数据层界实验的结果表明:结合浮泥流变特性与灰度共生矩阵算法的层界识别方法,可以准确描述底质分布情况,快速自动识别层界线,智能化提取航道底质层界。     

基于声纳图像纹理特征的海底底质分类方法研究

一般不同底质的海底声纳图的纹理特征不同。重点分析了不同底质声纳图像纹理特征的差异,为底质分类的实现提供了基础。并提取了海底声纳图像的灰度共生矩阵,将灰度共生矩阵的统计特征作为特征向量。最后应用自组织迭代(ISODATA)分类算法依据对特征向量进行分类,从而实现了海底底质的划分。     

基于纹理特征分析的辽东湾SAR影像海冰检测

基于灰度共生矩阵(GLCM)开展辽东湾ENVISAT ASAR海冰影像的纹理特征分析研究.在纹理分析过程中,研究GLCM的方向、位移量和灰度量化级等参数对SAR海冰影像纹理特征的影响,得到适合辽东湾海冰检测的灰度共生矩阵参数的值及纹理统计特征量.利用BP神经网络分类法,建立辽东湾SAR影像的海冰检测方法,并结合MODIS影像和TM影像对该海冰检测方法的结果进行比较,验证其有效性.     

基于纹理特征的围填海SAR图像分水岭分割方法

本文提出了一种基于纹理特征的围填海SAR图像分水岭分割方法,首先对机载MiniSAR图像进行灰度共生矩阵纹理滤波,获得纹理特征图像,再对纹理特征图像进行分水岭算法分割,将获得的形态学重建图像进行门限阈值分割,得到最后的二值化分割结果。该方法一方面通过调整灰度共生矩阵纹理滤波的窗口大小,抑制了斑点噪声的影响;另一方面,利用分水岭算法对边缘模糊杂乱图像的优势,提高了围填海信息提取的准确性。实验结果表明,本方法对高分辨率SAR图像围填海监测图像的分割效果良好。     

纹理特征提取及辅助遥感影像分类技术研究

研究了利用灰度共生矩阵提取纹理特征的方法，并对利用纹理特征影像辅助光谱特征分类的方法进行了研究。实验结果表明，纹理特征辅助光谱特征分类能够提高遥感影像分类的准确性和精度。     

溢油SAR图像分类中的纹理特征选择

针对海洋SAR图像的特点,采用基于灰度共生矩阵的纹理分析方法,提出适用于海洋溢油SAR图像分类的纹理特征量。并讨论了纹理特征量的筛选和纹理窗口大小的确定等问题。最后采用人工神经网络方法验证了SAR图象分类效果。     

一种联合光谱和纹理特征的滩涂提取技术

提出一种联合光谱和纹理特征的支持向量机分类算法,先通过计算灰度共生矩阵得到纹理影像,然后将纹理波段与光谱波段进行叠加形成一幅多波段影像,再使用支持向量机分类算法对该影像进行分类,从而得到最终的滩涂提取结果。实验结果表明,该方法对于滩涂及周边地物具有较好的分类效果。     

基于力学原理的海洋网格数据梯度计算

分析和讨论了关于网格数据梯度的定义(方向导数,梯度,最大梯度)及其应用范围,给出了解析计算公式和离散计算公式.根据海洋动力学中地转流的计算原理,讨论和分析了海洋动力网格数据梯度计算的方法,阐述了海洋网格数据梯度计算需要注意的几个基本事项.指出在大多数情况下,应该尽可能采用基于力学原理的梯度计算方法.利用海面高度样本数据进行了梯度试算,指出利用现有软件进行计算时,需要注意不同算法之间的差别.     

基于灰度共生矩阵的遥感图像纹理库设计

随着很多高分辨率卫星陆续发射和应用,遥感影像中纹理信息也越来越丰富,图像纹理数据的分析纹理显得十分重要。通过对图像进行纹理分析,并建立纹理数据库,能够进一步提高纹理信息在遥感影像质量分析、影像分类、计算机自动识别等方面的精度和效率。研究了如何对图像的纹理进行有效的提取和统计,通过基于灰度共生矩阵的实验进行纹理分析,得到一系列相关数据,为纹理库的设计提出了相应的思路。     

基于树型小波变换和尺度共生矩阵的居民地提取

利用基于树型框架小波变换和尺度共生矩阵的方法对遥感影像中居民地进行识别提取。通过非完全树型框架小波变换把图像变换到不同的尺度层上，然后在不同尺度层之间，提取相互依存的尺度共生矩阵信息，进而形成居民地的纹理特征。实验结果表明，用基于小波的尺度共生矩阵的方法对居民地有较好的提取结果。     

结合纹理特征的SVM海冰分类方法研究

海冰分类是遥感监测领域中的重要应用之一，海冰分类的准确性对于评估海冰冰情、保证航海安全和开辟北极航道具有重要的意义。针对海冰分类问题，本文选用Sentinel-1遥感数据，结合纹理特征分析，提出了一种改进的SAR海冰分类方法。该方法选用灰度共生矩阵提取特征值，通过实验得到适宜用于海冰分类的多特征组合，在此基础上利用支持向量机开展SAR海冰类型的分类研究。实验结果表明，该方法可以实现对海冰SAR图像中一年冰、多年冰和海水3种类型识别，与传统的海冰分类方法神经网络和最大似然法相比较，使用SVM分类方法，结合纹理特征开展海冰类型监测是可行的，同时也表明多特征组合有利于提高SAR图像的分类精度，从而验证了本方法的有效性，为海冰分类提供了一种新思路。     

基于遥感的海岛植被生态宏观评价方法初探

以遥感中的像元二分模型为理论基础,通过求解归一化植被指数(NDVI),估算海岛植被覆盖度,形成了一个能够综合反映海岛生态系统状况的植被生态遥感评价指数,有助于不同海岛之间植被生态状况的对比分析和评价.选取舟山群岛中3个面积较大的海岛作为研究对象,利用陆地卫星TM遥感资料,计算得到3个海岛的植被生态遥感评价指数.分析表明...     

基于遥感的旅游型海岛监控要素的研究

基于高分辨率遥感技术,以海南蜈支洲岛为例,对其进行光谱分析与信息提取,获得旅游型海岛遥感监控要素,它包括7个方面,11个要素,分别是海岸类型、海水环境、区位条件、植被资源、淡水资源、交通条件、人工建筑物设施等7个方面,海岸类型、水体类型、离岸距离、空间容量、海岛聚集度、归一化植被指数、植被覆盖率、淡水资源面积、空运资源、港口资源、旅游设施等11个要素,为海岛旅游的定量研究提供一些借鉴方法。     

黄河口典型植被光谱及NDVI变化对比分析

作为黄河口地区两种典型的植被群落类型,芦苇群落(Comm. Phragmites australis)与互花米草群落(Comm. Spartina alterniflora)在遥感影像的表征较为相似,利用单时相遥感影像识别时,易存在混淆区域。工作中发现,两种植被处于不同生长期时,其遥感影像具有不同的表征。为了提高黄河口地区芦苇、互花米草两类植被群落遥感识别结果的可靠性,本文通过获取多时相遥感影像中芦苇、互花米草群落纯净像元的光谱值,分析植被"红边"光谱曲线随时间的变化特征,进一步计算研究区多期遥感影像NDVI (Normalized Difference Vegetation Index),提取纯净像元的NDVI值,对比分析这两种植被NDVI指数在时间序列上的变化特征,发现芦苇群落与互花米草群落的NDVI值在时间序列上存在明显区别。结果表明,利用5月的影像能够较好地识别芦苇群落的分布范围,利用11月影像能够较好地识别互花米草群落的分布范围。本研究结果可为今后黄河口地区这两类典型植被群落的遥感识别方法研究提供可靠依据。     

黄河口受石油烃渗漏影响植被的高光谱检测方法研究

以黄河口为研究区,应用现场和HJ-1高光谱遥感数据,开展了植被受石油烃渗漏影响的高光谱检测方法研究。选择了常用于判别植被受石油烃渗漏污染的红边蓝移指数 REP_blue、土壤含氧量相关指数 CTR和叶绿素敏感指数CHL ,通过分析研究区主要植被芦苇和柽柳地物光谱和HJ-1高光谱影像中同位置像元光谱,对3种指数在研究区的有效性进行了评价。基于在图像像元光谱检测中表现较好的指数,提出了一种针对 HJ-1高光谱遥感影像的受石油烃渗漏影响植被检测方法。结果表明,3种指数对于油井旁植被现场光谱的检出效果均好于图像光谱,同时,相比于其它两种指数,CHL指数的检出效果较差;应用发展的受石油烃渗漏污染影响植被检测指数,对覆盖研究区的 HJ-1高光谱遥感影像进行了检测,发现检测结果中71．1％的位置附近存在油井,说明该方法具有一定的检测能力。     

Forecasting Crop Yield Based on the Satellite Monitoring of Carbon Dynamics in Terrestrial Ecosystems

Izvestiya, Atmospheric and Oceanic Physics - A low-parametric model of crop biomass dynamics using the data of satellite remote sensing of the underlying surface vegetation index and routine...     

Terrestrial and Submerged Aquatic Vegetation Mapping in Fire Island National Seashore Using High Spatial Resolution Remote Sensing Data

The vegetation communities and spatial patterns on the Fire Island National Seashore are dynamic as the result of interactions with driving forces such as sand deposition, storm-driven over wash, salt spray, surface water, as well as with human disturbances. We used high spatial resolution QuickBird-2 satellite remote sensing data to map both terrestrial and submerged aquatic vegetation communities of the National Seashore. We adopted a stratified classification and unsupervised classification approach for mapping terrestrial vegetation types. Our classification scheme included detailed terrestrial vegetation types identified by previous vegetation mapping efforts of the National Park Service and three generalized categories of high-density seagrass, low-density seagrass coverages, and unvegetated bottom to map the submerged aquatic vegetation habitats. We used underwater videography, GPS-guided field reference photography, and bathymetric data to support remote sensing image classification and information extraction. This study achieved approximately 82% and 75% overall classification accuracy for the terrestrial and submnerged aquatic vegetations, respectively, and provided an updated vegetation inventory and change analysis for the Northeast Coastal and Barrier Network of the National Park Service.