多端元模式下的A, B, C端元

在多参数样品群的对比分类中,端元相关法的实质是先确定尽可能少的几个特征端元,再把各样品分别与这几个端元加以对比,以避免逐一对比各对样品之间的相关程度。 基于双端元模式的A-B相关法已有讨论。本文进而讨论三端元模式以及在多端元模式下确定三个端元的方法。 文中用X表示向量X的模;用Q(X,Y)表示向量X和Y间的夹角的余弦(Q因子),有时也用Qxy表之。     

海域使用遥感分类体系设计研究

文章基于海域使用行政管理对遥感监测的信息需求,根据遥感信息提取原理和现行海域使用动态监测系统中遥感资料的监测能力,设计出一套针对遥感监测应用的海域使用分类体系。该分类体系分两个层次:一是用海地物分类及指标;二是海域使用分类及指标,包括用海类型、用海方式和用海动态的分类及指标。该分类体系的应用,有助于构建海域使用动态监测系统中的遥感分类业务化流程,规范对遥感监测目标的界定。     

高光谱遥感图像分类精度对比研究

根据国家重点基础研究发展规划项目"干旱、半干旱地区的环境动力机制重大理论基础研究"的需要,开展各种针对高光谱图像的经典分类精度对比研究.采用ENVI软件中常规高光谱分类算法和自编的模糊算法程序,对3个典型的试验区进行对比试验.结果表明,经典分类算法中的光谱角填图(SAM)、欧氏最小距离、马氏距离分类精度较高,模糊识别法中的相关系数法、绝对指数法、相对指数法、夹角余弦法的精度均比较高而且比较稳定;其它方法精度比较低.虽然有多种因素影响分类的精度,但是只要措施适当,还是可以取得比较满意的分类精度.     

基于国产高分遥感的人工种植红树林种间分类方法研究——以广西茅尾海红树林为例

红树林的种间结构组成对红树林生态系统的健康和发展至关重要,而红树林种间分类问题一直以来都是基于遥感手段的红树林监测中的难点。针对该问题,以人工种植为特点的广西茅尾海红树林遥感种间分类为例,基于面向对象的分类思想,提出了一种现场样本与分割对象相结合的红树林种间分类方法。利用GF-2 PMS1高分辨率卫星遥感影像数据,开展了广西茅尾海红树林湿地典型植被精细分类和空间分布研究,并将分类结果与基于像素和传统面向对象SVM分类方法进行了对比。结果显示:总体上,面向对象分类方法更适合用于茅尾海红树林湿地典型植被分类;对于局部混生明显的区域使用基于像素SVM分类方法效果会更好;传统面向对象分类方法中将整个影像分割对象单元作为训练样本可能会在某种程度上造成负面影响。因此,使用文中提出的样本选择新方法进行面向对象分类精度最高,总体精度达到了93.13%,Kappa为0.89。     

基于模糊聚类分析的莱州湾南岸地下水化学分布特征研究

针对莱州湾南岸咸水入侵区地下水质连续、渐变和边界模糊的特征,利用规格化变换对莱州湾南岸地下水化学组分数据进行标准化,采用夹角余弦法作为相似系数,用平方法计算传递闭包构造模糊等价矩阵进行模糊聚类分析,将莱州湾南岸地下水划分为3类并绘制其平面分区图.在此基础上,用探索性数据分析技术的箱线图分别识别各类地下水各组分的分位数、中位数、极值等数据分布情况,并结合 Radial 图绘制各类地下水各组分均值;利用基于 CA 舒卡列夫分类方法的 Piper三线图识别了各类地下水的水化学类型;最后在相关分析基础上选取代表性指标绘制等值线图,结合模糊聚类分区探讨了分区各指标的空间结构特征及内在机理.综合上述分析,定义玉区为海水入侵重点治理区,域区为海水入侵综合防范与整治区,芋区为卤水区.     

盐田水体遥感分类方法研究

以连云港台北盐场为研究区，介绍了监督分类法和神经网络分类法及其在盐田水体遥感分类中的具体应用。研究结果表明，用神经网络分类法进行遥感影像自动分类，其分类精度高，显示了其在遥感领域较为广阔的应用前景。     

应用模糊关系聚类法确定岩石组构要素优选方位

以往采用投影作图法确定岩石组构要素优选方位。本文依据模糊数学原理,提出解决该问题的一种新方法,它通过计算夹角余弦,建立组构要素模糊关系矩阵,做模糊聚类分析,直接确定优选方位。该方法也适用于节理统计与分组。     

深圳市海岸带土地利用遥感监测方法探索

随着遥感对地观测技术的发展,卫星遥感在海岸带动态监测中占据愈来愈重要的地位,探索海岸带遥感监测的最佳方法,对今后的海岸带监测工作有重要的意义。文章从数据源、信息提取方法、监测频率这3个维度出发,选择深圳市两个典型的海岸带区域(人类活动频繁区域和人类活动稀少区域)作为研究区,针对两种海岸带区域寻求其海岸带土地利用遥感监测的最佳方法。研究结果表明:对于人类活动频繁区域(深圳湾北岸),数据源最好选择高分辨率ZY-3卫星影像,土地利用信息提取方法选择支持向量机分类,监测周期1~2年为最佳;对于人类活动稀少区域(大鹏湾东岸),数据源则可以选择分辨率较低的Landsat 8卫星影像,土地利用信息提取方法依然以支持向量机分类方法为最佳,监测周期则为5年。     

水下光谱辐射计光学特性的测试与分析

为适应高精度水下光学测量的需求，设计研制了多通道水下光谱辐射计。该辐射计可同步测量12波段的下行／上行光谱辐照度和7波段的上行光谱辐亮度。对该辐射计的主要性能指标，如余弦响应特性、浸没因子、光谱辐射精度、稳定性和重复性进行了室内测试和分析，用MonteCarlo方法模拟了阴影误差，给出并分析了现场实验数据及部分推导的物理量。结果表明，该光谱辐射计各波段的中心波长和带宽偏差小于1．6nm，稳定性优于5％，阴影误差可控制在5％之内，具有良好的余弦响应特性，满足当前定量化水色遥感现象光辐射测量的技术要求。     

基于深度置信网络(DBN)的赤潮高光谱遥感提取研究

赤潮是严重的海洋灾害,有效监测赤潮对于保护海洋生态环境具有重要意义。高光谱遥感具有光谱分辨率高、图谱合一等优势,适合于海洋赤潮监测。深度学习是机器学习领域的前沿,为高光谱遥感分类提供了新的思路。深度置信网络(Deep Belief Network,DBN)兼具监督分类与非监督分类的特点,通过构建DBN模型,将DBN应用于赤潮灾害遥感监测中,应用渤海机载高光谱遥感数据开展赤潮分类,以达到提取高光谱图像中赤潮水体范围的目的。通过设置对照实验,对比经典的SVM监督分类方法与ISODATA非监督分类方法,发现DBN模型在相同实验条件下具有更高的分类精度,赤潮遥感提取精度提高了3%～11%。     

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。     

基于DeepLabv3架构的高分辨率遥感图像分类

针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF(Markov random field,MRF)算法。选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息。选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析。结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3%左右,并且可以充分表达高分辨率遥感图像细节信息。     

协同主动学习和半监督方法的海冰图像分类

海冰遥感光谱影像分类中标签样本难以获取,导致海冰分类精度难以提高,但是大量包含丰富信息的未标签样本却没有得到充分利用,针对这种情况,提出一种协同主动学习和半监督学习方法用于海冰遥感图像分类。在主动学习部分,结合最优标号和次优标号、自组织映射神经网络以及增强的聚类多样性算法来选择兼具不确定性和差异性的样本参与训练;在半监督学习部分,利用直推式支持向量机,并且融合主动学习思想从大量未标签样本中选取相对可靠且包含一定信息量的样本进行迭代训练;然后协同主动学习分类结果和半监督分类结果,通过一致性验证保证所加入伪标签样本的正确性。为了验证方法的有效性,分别采用巴芬湾地区30 m分辨率的Hyperion高光谱数据(验证数据为15 m分辨率的Landsat-8数据)和辽东湾地区15 m分辨率的Landsat-8数据(验证数据为4.77 m分辨率的Google Earth数据)进行海冰分类实验。实验结果表明,相对其他传统方法,该协同分类方法可以在只有少量标签样本的情况下,充分利用大量未标签样本中包含的信息,实现快速收敛,并获得较高的分类精度(两个实验的总体精度分别为90.003%和93.288%),适用于海冰遥感图像分类。     

福建围填海及其对海洋环境影响的遥感初探

把遥感技术应用于海岸带现状的动态研究和遥感海洋环境反演是当前遥感应用的热点之一。文章主要利用美国资源卫星专题扫描仪(thematic mapper,TM)遥感影像研究福建围填海状况及大陆海岸线的变化,通过ENVI、ArcGIS软件对研究区遥感影像进行处理,实现海岸线的自动提取、土地分类,以监测福建围填海的动态变化。通过相同季节的中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)遥感影像反演福建海域海水表层温度及叶绿素浓度等海洋参数来了解围填海对海洋环境的可能影响。     

基于Sentinel-2影像的围海养殖信息提取

为了能够利用遥感图像快速准确地提取围海养殖矢量信息,本文选取养殖水体、堤坝及育苗室等交错分布的海参围海养殖区域作为研究区域,根据研究区域Sentinel-2遥感影像的光谱特征,选用归一化差异水体指数（Normalized Difference Water Index,NDWI）、改进归一化差异水体指数（Modified Normalized Difference Water Index,MNDWI）和增强水体指数（Enhanced Water Index,EWI）三类水体指数,分别进行提取实验,利用同时期高空间分辨率的高分二号卫星（GF-2）影像作为参考,验证不同方法的提取精度,精度评价结果表明：相较MNDWI和EWI两类水体指数,NDWI的分类精度更高,且利用NDWI提取研究区域的围海养殖信息的效果更好,所以该方法可在养殖区域的动态监测和规划管理中发挥数据支撑作用。     

海域使用格局卫星遥感监测与评价——以葫芦岛试验区为例

研究了海域使用类型遥感监测的分类系统,探索建立了各类海域使用类型的卫星遥感监测方法。在此基础上,以葫芦岛试验区为例,对该验区海域使用格局进行了卫星遥感监测与评价。结果表明:卫星遥感技术结合地理信息系统技术与全球定位系统技术可以较好地对海域使用空间格局进行监测和评价。葫芦岛试验区海域使用类型以工矿业用海和渔业用海为主,工矿业用海以大斑块的集中用海为主要特征,而渔业用海则以小斑块的分散用海为主。在海域使用空间格局上,葫芦岛区块海域以工矿业用海为主,兴城区块海域以工矿业和渔业用海为主,绥中区块海域则是以渔业用海为主,葫芦岛试验区海域使用空间格局具有明显的空间分异特征。     

遥感影像融合中的四元数插值方法研究

利用四元数来整体描述多光谱遥感影像,采用四元数插值算法对影像进行重采样,并通过对重采样后的影像进行融合处理来分析比较遥感影像的四元数插值和现有插值方法的效果和区别。实验验证了四元数插值算法的可行性和优越性,为遥感影像的重采样提供了一条新的技术途径。     

大数据量遥感影像的快速调度与显示

随着遥感技术的飞速发展,特别是传感器分辨率的提高,遥感影像的数据量急剧增加,如何有效地从这些庞大的影像数据中获取用户感兴趣的信息已成为当前的研究热点。针对大数据量影像的快速调度与显示问题,提出了一种基于文件的数据组织与管理方法,实现了单幅和多幅大数据量影像的实时调度与快速显示。经过与当前几种常用的商用软件进行对比发现:提出的方法占用计算机资源少,预处理后的影像浏览速度基本与数据量大小无关,可以在任意一台普通配置的计算机上无缝、平滑地快速显示大数据量影像。     

一种融合纹理特征与NDVI的随机森林海冰精细分类方法

海冰的精准分类对于掌握海冰生长发育状况,保障航海安全等具有重要意义。由于受数据源和分类方法等影响,使得海冰分类精度提高受限。本文面向高空间分辨率的光学遥感影像,提出了一种融合纹理特征和归一化差分植被指数（NDVI）的海冰精准分类方法,运用随机森林分类器构建海冰分类方法。以青岛胶州湾为实验区,高分二号（GF-2）为实验数据,进行了海冰类型提取,并与其他分类方法进行对比。结果显示:针对GF-2高分辨率光学遥感数据,融合纹理特征和NDVI的随机森林方法,相比于传统的随机森林、支持向量机、自动决策树和融合纹理特征的最大似然分类方法,总体分类精度分别提高13.70%、11.60%、19.22%、29.37%。Kappa系数分别提高0.16、0.13、0.22、0.44。相比于融合纹理特征和归一化水指数（NDWI）的随机森林方法,总体分类精度提高了9.67%,Kappa系数提高了0.09。这表明本文构建的海冰分类方法可有效提高海冰分类精度,为海冰的精确分类提供了一种有效的技术手段。