Feature extraction for hyperspectral remote sensing image using weighted PCA-ICA

Principal component analysis (PCA) and independent component analysis (ICA) are linear feature extraction methods in terms of the second-order statistics and higher-order statistics and have good compatibility and complementarity. For the feature extraction of the hyperspectral remote sensing image, an approach of the combined PCA and ICA was followed in the real remote sensing classification applications. In this study, the weighted PCA-ICA method was introduced to extract the feature information from HJ-1A hyperspectral imager (HSI) image. And then the real airborne visible infrared imaging spectrometer (AVIRIS) image case was performed by the distance similarity measure. Experimental results on HJ-1A HSI and AVIRIS images indicate that the proposed method can get high average accuracy of 89.55% and kappa coefficient of 0.8101 than the typical methods under certain condition with a suitable number of eigenvectors and weighted values.     

基于整数小波和非负有序独立成分分析的遥感影像融合

结合ICA算法可以去除高阶冗余信息和IWT具有多分辨率、运算速度快的特性,在非负性条件的约束下,提出一种基于整数小波变换和非负有序独立成分分析(IWT-ONICA)的遥感影像融合方法。将该方法用于全色影像和多光谱影像的融合,数理统计(峰值信噪比、扭曲度、熵等)和目视判读结果表明,该方法融合效果优于其他方法,融合结果更加清晰,可视性更好。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

引导滤波联合局部判别嵌入的高光谱影像分类

高光谱遥感影像分类是高光谱遥感影像处理和应用的重要组成部分。然而,高光谱遥感影像具有波段数量较多和空间分辨率较高等特点,给分类任务带来一定的挑战。为了提高分类精度,充分利用影像的空间信息和像素间的局部信息,提出一种引导滤波联合局部判别嵌入的高光谱影像分类方法。首先,对高光谱遥感影像进行归一化,利用主成分分析方法实现特征提取,将提取的第一主成分影像作为引导图像;其次,采用引导滤波分别提取各波段影像的空间特征;然后,将提取的空间影像特征进行叠加,通过局部Fisher判别分析完成低维嵌入;最后,将得到的低维嵌入特征输入支持向量机分类器得到分类结果。采用Indian Pines和Pavia University两幅高光谱影像进行实验的结果表明：在分别从各类地物中随机选取10%和100个样本作为训练样本的情况下,其总体分类精度分别提高到98.28%和99.45%;对比其他相关方法,该方法能够获取更高的分类精度。该方法在低维嵌入的同时,有效利用了影像的空间信息,改善了分类效果。     

基于多源遥感影像的长春市城市建成区提取

夜光遥感影像记录的城市灯光与人类活动密切相关,已广泛应用于城市信息提取。珞珈一号作为新一代夜光遥感数据源,比以往的夜光数据具有更高的空间分辨率和光谱分辨率,可以更清晰地表达城市建成区范围和内部结构。本文利用珞珈一号夜光遥感影像,通过人类居住指数（human settlement index, HSI）、植被覆盖和建筑共同校正的城市夜光指数（vegetation and build adjusted nighttime light urban index, VBANUI）及支持向量机（support vector machine, SVM）监督分类3种方法对长春市城市建成区进行提取,并与利用NPP/VIIRS（suomi national polar-orbiting partnership/visible infrared imaging radiometer suite）夜光遥感影像、采用同样方法得到的结果对比。结果显示：本文提出的VBANUI提高了传统植被覆盖校正的城市夜光指数（vegetation adjusted nighttime light urban index, VANUI）的提取精度,使用珞珈一号夜光遥感影像通过VBANUI提取的城市建成区结果最优,其Kappa系数为0.80,总体分类精度为90.74%;使用珞珈一号和NPP/VIIRS夜光遥感影像通过HSI按最佳阈值提取城市建成区的Kappa系数分别为0.75和0.72,总体分类精度分别为88.27%和86.54%;复合数据的SVM监督分类法中Landsat-NDBI、Landsat-NDBI-VIIRS、Landsat-NDBI-LJ和Landsat-NDBI-LJlog的Kappa系数分别为0.602、0.627、0.643和0.681,总体分类精度分别为81.11%、81.52%、82.25%和84.48%。研究结果表明：3种提取方法下,均为使用珞珈一号夜光遥感影像的结果优于使用NPP/VIIRS夜光遥感影像的结果,证明相比于NPP/VIIRS夜光遥感影像,珞珈一号夜光遥感影像更适用于城市尺度的建成区范围提取。     

光学遥感在识别花岗伟晶岩型锂矿床中的应用

花岗伟晶岩型锂矿是一种重要的锂矿资源,近年来,光学遥感技术在花岗伟晶岩型锂矿找矿应用中效果显著,开启了遥感找锂矿的研究热潮.本文基于对全球及国内花岗伟晶岩型锂矿空间分布特征、成矿地质特征的综合分析,归纳总结了目前伟晶岩型锂矿识别的光学遥感数据源及技术方法:ASTER、Landsat-8等中等分辨率影像具有较高的光谱分辨率,可利用锂矿独特的光谱特征,通过信息增强方法来识别锂矿;而WorldView-2、WorldView-3等高分辨率影像具有较高的空间分辨率,可以通过图像色彩增强方法提取到细小的伟晶岩型锂矿露头.提取技术方法包括RGB组合、波段比值、主成分分析、辐射增强等,RGB组合方法虽然能在锂矿提取中起到一定作用,但主观因素影响较大,且提取出的伟晶岩是否含有锂矿需要进一步研究;主成分变换以及波段比值主要依据锂矿的光谱特征信息,得出的结果具有客观性和科学性,但提取精度还需要提高;辐射增强通过改变影像的像元灰度值来突出花岗伟晶岩型锂矿信息,能够很好的解决花岗伟晶岩型锂矿和围岩光谱信息差异细微的技术瓶颈.最后,本文指出了多源遥感数据协同应用、自动化及智能化算法的引入等将是开展花岗伟晶岩型锂矿遥感找矿的发展趋势.     

基于面向对象分类的稀土开采区遥感信息提取方法研究

离子吸附型稀土矿是我国宝贵的矿产资源,运用遥感影像分类技术提取稀土开采区可以准确地实现对稀土开采状况的监测,但仅利用光谱信息往往难以保证分类精度。本文以江西寻乌稀土矿区为研究区,以IKONOS影像为数据源,应用面向对象分类方法提取了稀土开采区的遥感信息。针对稀土开采区的分布特点,选择基于边缘的分割算法进行影像分割;结合地形信息、光谱信息及几何信息建立规则集,进行特征提取;最后采用隶属度函数法实现面向对象分类,并与传统的光谱角填图分类进行对比分析。研究结果表明,面向对象分类法提取稀土开采区的总体精度为92.49%,Kappa系数为0.857 6,与传统监督分类方法相比有了很大的提高。     

基于随机补片和DeepLabV3+的建筑物遥感图像变化检测

为有效解决传统遥感图像变化检测预处理复杂的问题,提出一种基于随机补片和DeepLabV3+的建筑物遥感图像变化检测方法。以ResNet50特征提取网络为基础,创建DeepLabV3+语义分割网络,并在图像和标签中创建大小为224像素×224像素的随机补片作为网络输入,训练建筑物提取网络;修改建筑物提取网络输入层为6通道,通过矩阵运算将两期遥感图像转换为一幅6通道非RGB图像,利用转换后的非RGB图像进行网络训练并验证变化检测精度。实验1利用ENVI5.3软件,采用马氏距离法进行变化检测;实验2采用改进的U-Net网络和随机补片,完成网络训练和精度验证;实验3使用实验2的训练数据和验证数据,采用随机补片和DeepLabV3+网络进行变化检测网络训练及精度验证。实验结果表明,该方法实验1、实验2、实验3建筑物变化检测平均交并比分别为24.43%、83.14%、89.90%,边界轮廓匹配分数分别为61.47%,80.24%、96.51%。     

Landsat8 OLI图像增强与岩性识别方法

新疆维吾尔自治区阿克陶县布伦口地区海拔高、穿越条件差、岩性复杂,因而研究Landsat8 OLI数据信息增强与岩性识别在该区有强大的应用需求,也有遥感岩性识别的理论意义。区内不同岩性单元光谱较为相似,仅利用最佳波段组合(OIF)指数、主成分分析(PCA)和独立主成分分析(ICA)等图像增强方法均不能最大限度地区分各岩性单元。通过分析独立主成分变换之后各岩性单元的特征向量,发现不同岩性单元特征向量差异比原图像光谱差异增大,为扩大差异,依据特征向量统计结果构建比值运算,再联合PCA特征向量进行彩色合成,各岩性单元可识别性显著增加。研究表明:(1)采用联合多种图像增强的方法能将研究区不同岩性单元进行分离;(2)国道314南北两侧地层均划归布伦阔勒岩群的结论有误,其北侧仍属布伦阔岩石,南侧实为片麻状二长花岗岩;(3)沙湖南东原划归志留纪的岩石单元可进一步分解为志留纪地层和元古代布伦阔勒岩群岩石单元。该方法有推广应用价值和深化研究的前景。     

基于多尺度循环注意力网络的遥感影像场景分类方法

高分辨率遥感影像场景分类一直是遥感领域的研究热点.针对遥感场景对尺度的需求具有多样性的问题,提出了一种基于多尺度循环注意力网络的遥感影像场景分类方法.首先,通过Resnet50提取遥感影像多个尺度的特征,采用注意力机制得到影像不同尺度下的关注区域,对关注区域进行裁剪和缩放并输入到网络.然后,融合原始影像不同尺度的特征及其关注区域的影像特征,输入到全连接层完成分类预测.此分类方法在UC Merced Land-Use和NWPU-RESISC45公开数据集上进行了验证,平均分类精度较基础模型Resnet50分别提升了1.89%和2.70%.结果表明,多尺度循环注意力网络可以进一步提升遥感影像场景分类的精度.      

喀斯特地区遥感影像解译新算法——支持向量机算法

现行的遥感影像解译方法有监督分类和非监督分类。在监督分类中有平行算法,最小距离算法、最大似然算法等,而支持向量机是监督分类中的一种新的算法。本研究选择贵阳市花溪区小碧乡局部地区为研究对象,采用SPOT数据,分别运用最大似然算法和支持向量机算法对研究区遥感影像进行解译。通过建立混淆矩阵,来计算分类精度和Kappa系数。结果表明:支持向量机具有分类精度高,分类图斑完整等优点;但在时间的消耗上,支持向量机算法要比最大似然算法长。对于这两种算法而言,都存在地物光谱特征明显相异的地物易于区别,光谱相似的地物容易造成错分的现象,然而支持向量机分类精度要比最大似然分类精度高一些。支持向量机对样本数量具有敏感性,样本数量过多将导致运算时间过长。因此在实际运用中应根据实际情况,选择适合的算法。      

面向对象的喀斯特地区土地利用遥感分类信息提取

传统的面向像元分类方法虽然对光谱差异较为明显的遥感影像信息提取具有较好的效果,但会不可避免地产生“椒盐现象”,同时对纹理和形状信息不能充分应用,造成了大量信息损失。为了提高喀斯特地区土地利用遥感信息提取的精度,本文采用面向对象的分类方法,对贵州省毕节地区开展了土地利用遥感信息自动提取研究。首先对该地区Landsat-5 TM影像进行多尺度分割,形成影像对象层,然后综合应用基于知识决策树分类和基于样本的最邻近分类等技术对喀斯特地区进行遥感解译。结果表明,面向对象分类技术能较好地对喀斯特地区土地利用信息进行提取,同时避免了“椒盐现象”的产生,经野外采集样点数据验证,一级类分类精度为91.7 %,二级类分类精度为89.4 %,表明该方法在贵州省毕节地区应用效果良好。      

Automatic building extraction from very high-resolution image and LiDAR data with SVM algorithm

Recent developments in the field of remote sensing have introduced new sensor technologies in usage of LiDAR, SAR, and high-resolution optical data. Classification performance is expected to increase through combining these various data sources. The purpose of this study is to develop a new approach for automatic extraction of buildings in urbanized and suburbanized areas. For this purpose, multi-feature extraction process including the spatial, spectral, and textural features were conducted on the very high spatial resolution multispectral aerial images and the LiDAR data set. SVM algorithm was trained by using this multi-feature data, and the classification was performed. After the classification of building and non-building, objects were extracted with high accuracy for the test areas. As a result, it has been proven that multi-features derived from combination of optical and LiDAR data can be successfully applied to solve the problem of automatic detection of buildings by using the proposed approach.     

高光谱遥感油气探测技术

高光谱遥感探测技术已成为探测油气藏的前沿新技术之一.研究以油气微渗漏地表共生异常理论为基础, 采用基于小波主成份分析(principal component analysis, PCA)最大似然分类、端元提取分类、光谱库典型蚀变光谱分类和植被指数决策树分类方法, 对榆林典型稀疏植被地区的进行油气勘探, 提取了与烃异常相关的粘土、碳酸盐、植被异常等相关的专题信息产品, 得出综合异常区图.对照分析已知气井与油气异常区分布, 证明了油气微渗漏信息的提取与识别方法的有效性.      

多源遥感数据在西准噶尔哈拉阿拉特山地区1:5万地质填图中的对比研究

以ETM、SPOT5和Quickbird为主要信息源,在哈拉阿拉特山地区开展1:5万区域地质填图,对该地区的地层单元、中—小规模地质体(如岩脉、小岩体和火山口)和地质构造特征进行了详细地遥感解译分析,并开展了大量的遥感野外地质调查验证.结果表明,采用彩色空间HSV变换融合法将SPOT5高精度遥感图像数据与ETM图像数据...     

珊瑚礁遥感研究进展

受到气候变化和人类活动的影响，全球的珊瑚礁生态系统正迅速退化，通过遥感技术监测珊瑚礁栖底物质的结构组成和变化对于管理和保护珊瑚礁生态系统具有重要意义。珊瑚礁上层水体对光强的衰减、栖底物质光谱的复杂性以及空间的异质性，构成了珊瑚礁遥感的特点，同时也是难点；从光谱可分性分析、遥感图像分类、混合光谱分解、变化检测4个方面总结分析了近几年国际上在珊瑚礁遥感领域所做的研究，并指出应从高光谱影像分析、声学遥感和光学遥感相结合、完善珊瑚礁遥感物理模型等方面推进珊瑚礁遥感的发展。     

基于改进IHS融合方法的冰川变化监测研究

随着卫星及传感器的发展,对地观测技术已广泛用于冰川变化监测中。针对多时相、同源遥感影像,提出了一种改进的IHS融合冰川变化监测方法。将不同时期影像进行改进IHS融合,使冰川变化区域突显出来,然后利用决策树分类方法对变化区域进行提取。利用两期LANDSAT影像进行基于改进IHS融合方法的冰川变化监测实验,并与常用于冰川变化监测研究的波段比值法进行比较,实验结果表明,该方法无论在定性分析还是定量分析上均优于波段比值法。     

基于GF-5、Landsat8与GF-2遥感数据的蚀变信息提取研究——以四川宁南铅锌矿集区为例

四川宁南铅锌矿集区是中国重要的铅锌矿成矿区之一，区内铅锌矿床广泛分布，其围岩蚀变主要为白云岩化、方解石化、黏土矿化、硅化、黄铁矿化及赤铁矿化，是重要的找矿标志，同时也为遥感提取铁染、羟基、碳酸根离子蚀变信息提供了重要的理论依据。由于遥感卫星传感器类型的不同，同一研究区内不同种类影像所得到的数据会有所差异，且采用不同的提取方法所得到的蚀变信息结果也会有所不同，因此，对同一区域进行单一影像或单一提取方法的研究往往存在偶然性与不充分性。据此，文章基于对研究区内Landsat8与GF-5两种影像数据的详细解读，采用3种有效方法进行蚀变信息提取。①波段比值法，对影像数据采用波段比值计算，并对波段比值进行密度分割，从中突出铁染，羟基、碳酸根离子蚀变信息；②主成分分析法和主分量密度分割法对铁染蚀变信息，羟基、碳酸根离子蚀变信息进行提取并作分级处理，结合GF-2高空间分辨率影像以及依据同谱异物、同物异谱、混合像元等原理剔除伪异常，以得到有效的蚀变信息；③光谱角匹配法，通过提取GF-5高光谱影像数据的纯净端员，结合光谱角匹配技术提取有效的蚀变信息矿物。对2种影像数据分别用3种提取方法所得到的蚀变信息结果进行对比，讨论其差异性，并通过叠合已知矿产地信息的方法筛选出效果较好的蚀变信息，将选取出的结果进行综合比对，最终在宁南矿集区圈定出预测靶区，经过室内化探数据验证及野外实地工作验证，证实其真实性，同时也为该地区下一步工作提供真实可靠的资料。     

基于GF-1影像多尺度-光谱差异分割的不同喀斯特地貌区土地利用信息提取

影像分割是高分辨率遥感影像信息提取的前提,遥感影像分割的精确程度直接影响遥感分类的精度。为提高喀斯特山区遥感影像信息提取的精度,采用多尺度-光谱差异分割对喀斯特山区高分辨率影像分割,通过标准最近邻分类法提取土地利用信息,对比了仅多尺度分割、多尺度-光谱差异分割两种分割方法下喀斯特山区土地利用信息提取的精度。结果表明:（1）多尺度-光谱差异分割能改善过分割和欠分割现象。（2）多尺度-光谱差异分割优于单一使用多尺度分割。（3）多尺度-光谱差异分割综合了影像的光谱、纹理、形状等特征,进而提高了喀斯特山区影像分割分类的精度。      

四川省矿山遥感监测主要成果与进展

针对四川省矿产资源分布特征,开展了矿山遥感监测工作,构建了“遥感数据源选取—遥感数字图像处理—遥感信息提取—野外验证—图件制作”相对完整且较为成熟的矿山开发遥感监测技术方法体系。以卫星光学遥感数据为主、航空光学遥感数据和雷达数据为辅,并采用无人机遥感图像; 在正射纠正、几何配准、数据融合等图像预处理基础上,结合有关资料建立矿山开采面、矿山建筑、排土场、尾矿库、选矿厂、滑坡和泥石流的遥感解译标志; 采取以目视解译为主、计算机自动提取与目视解译相结合、辅以野外验证的方法进行遥感解译; 建立以遥感调查数据为主要数据源的矿山地质环境评价指标体系与GIS定量评价方法,实现矿山地质环境评价; 采用矿山遥感监测与传统地质环境调查技术相结合方法,开展矿山环境综合治理区划研究。取得的成果与进展包括: ①首次建立了省域矿产资源开发环境本底数据库,为实现矿山开发环境动态监测和国土资源空间数字化管理提供了基础数据; ②监测成果已在矿产卫片执法、矿山环境治理和矿产资源规划等国土资源管理工作中发挥了重要作用,成为了四川省矿政管理的重要参考依据; ③开展了矿山遥感监测技术方法研究与探索,形成了适应川西南山区的矿山遥感监测技术方法体系。