基于SVM和PWC的遥感影像混合像元分解

支持向量机与两两配对方法结合可分解遥感影像混合像元.首先支持向量机的输出值转化为两两配对的后验概率,再由两两配对的概率值求得多类后验概率,最终像元所属类别的后验概率作为地物的组分信息.利用多波段遥感数据验证了此方法的可行性,并将结果与线性分解模型进行比较.结果表明,SVM与PWC结合进行混合像元分解在准确性方面优于一般线性模型的精度,并且此方法可用于图像分类中.     

综合多特征的极化SAR图像随机森林分类算法

为抑制相干斑噪声对极化SAR图像分类结果的干扰,本文提出一种综合多特征的极化SAR图像随机森林分类方法。该方法首先利用简单线性迭代聚类(SLIC)算法生成超像素作为分类单元;然后,基于高维极化特征图像,利用训练好的随机森林模型,统计决策树的分类投票数,计算各超像素的类别概率;最后,利用超像素间的空间邻域特征,采用概率松弛算法(PLR)迭代修正超像素的类别后验概率,并依据最大后验概率(MAP)准则得到分类结果;实现综合利用超像素和空间邻域特征,降低相干斑噪声干扰的极化SAR图像分类方法。实验对比结果表明:本文方法能得有效抑制极化SAR图像中相干斑噪声的干扰,得到高精度且光滑连续的分类结果。     

利用马尔柯夫随机场图模型的变化像斑类别判定方法

提出了一种利用马尔柯夫随机场(MRF)图模型获取变化像斑变化后类别的方法。用吉布斯(Gibbs)分布描述MRF图模型,通过计算最大后验概率获取变化像斑类别,以此类别为初始值,通过建立像斑类别空间关系概率矩阵,在初始结果基础上进一步判定变化像斑的类别。实验结果证实了该方法的可行性。     

统计数据总量约束下全局优化阈值的冬小麦分布制图

大范围、长时间和高精度农作物空间分布基础农业科学数据的准确获取对资源、环境、生态、气候变化和国家粮食安全等问题研究具有重要现实意义和科学意义。本文针对传统阈值法农作物识别过程中阈值设置存在灵巧性差和自动化程度低等弱点,以中国粮食主产区黄淮海平原内河北省衡水市景县为典型实验区,首次将全局优化算法应用于阈值模型中阈值优化选取,开展了利用全局优化算法改进基于阈值检测的农作物分布制图方法创新研究。以冬小麦为研究对象,国产高分一号(GF-1)为主要遥感数据源,在作物面积统计数据为总量控制参考标准和全局参数优化的复合型混合演化算法SCE-UA (Shuffled Complex Evolution-University of Arizona)支持下,提出利用时序NDVI数据开展阈值模型阈值参数自动优化的冬小麦空间分布制图方法。最终,获得实验区冬小麦阈值模型最优参数,并利用优化后的阈值参数对冬小麦空间分布进行提取。通过地面验证表明,利用本研究所提方法获取的冬小麦识别结果分类精度均达到较高水平。其中冬小麦识别结果总量精度达到了99.99%,证明本研究所提阈值模型参数优化方法冬小麦提取分类结果总量控制效果良好;同时,与传统的阈值法、最大似然和支持向量机等分类方法相比,本研究所提阈值模型参数优化法区域冬小麦作物分类总体精度和Kappa系数分别都有所提高,其中,总体精度分别提高4.55%、2.43%和0.15%,Kappa系数分别提高0.12、0.06和0.01,这体现出SCE-UA全局优化算法对提高阈值模型冬小麦空间分布识别精度具有一定优势。以上研究结果证明了利用本研究所提基于作物面积统计数据总量控制以及SCE-UA全局优化算法支持下阈值模型参数优化作物分布制图方法的有效性和可行性,可获得高精度冬小麦作物空间分布制图结果,这对提高中国冬小麦空间分布制图精度和自动化水平具有一定意义,也可为农作物面积农业统计数据降尺度恢复重建和大范围区域作物空间分布制图研究提供一定技术参考。     

融合空间关系的遥感图像分类

针对光谱纹理特征分类方法的不足,提出了一种融合空间关系的遥感图像分类方法。利用直方图提取像斑特征,采用G统计量构建单像斑概率,通过迭代统计方法计算地物类别邻接概率,利用地物类别邻接概率表达像斑邻域概率,加权组合单像斑概率与像斑邻域概率构建像斑联合概率,依据最大后验概率准则获取图像分类结果。在QucikBird图像上的试验结果表明:与传统的光谱纹理分类方法相比,该方法能够提高图像分类的精度;整体分类精度与Kappa系数分别提高了1.5%和2.1%。     

融合时间特征的高分辨率遥感影像分类

为了充分利用历史矢量数据,并考虑地物类别的时间关联,提出了一种融合时间特征的高分辨率遥感影像分类方法。将历史时期矢量数据与新时期遥感影像相结合,利用二次分割获取像斑,通过支持向量机(support vector machine,SVM)算法获取像斑类别及像斑的单时期后验概率;依据历史时期及新时期像斑类别属性的关联,获取定量表达时间特征的地物类别转移概率;加权组合像斑的单时期后验概率与转移概率,采用迭代方法获取影像最终分类结果。在Quick Bird影像上的实验表明,该方法能够有效引入时间特征及先验知识,提高影像分类的精度。     

条件随机场模型约束下的遥感影像模糊C-均值聚类算法

遥感影像具有丰富的空间相关信息,而传统的基于像元光谱的聚类算法并不能将空间信息融入聚类,聚类结果往往不好。针对这一问题,本文提出了一种条件随机场模型约束下的模糊C-均值聚类算法,通过邻域像元的分类先验信息对中心像元的类别进行约束从而提取空间相关信息,基于二阶条件随机场将光谱信息和空间相关信息同时融入聚类,并使用环形置信度迭代算法得到像元分类后验概率的全局最优推测。试验证明,本文算法能够有效地保持地物的形状特征,分类精度相比传统算法有所提高。     

结合遥感数据与地统计学方法的海岸线超分辨率制图

使用黄河三角洲海岸Landsat卫星遥感数据,基于研究区域低分辨率6波段的海陆类型软分类结果及其变差函数,以高分辨率8波段的指示变差函数为精细尺度先验信息模型,采用数据探索性分析、协同指示克里格和序贯指示协同模拟技术,生成海陆类型发生概率模拟图像,通过等值线法提取海岸线空间分布特征。实验表明,基于地统计学方法的超分辨率制图技术在低分辨率遥感数据中融合高分辨率空间结构先验模型,可以较好表达精细尺度上的海岸线空间分布特征,同时保持原始数据的海陆类型组分信息及其空间结构特征。地统计学方法集成多尺度乃至多源空间信息的潜力通过海岸线超分辨率制图形式得到展示。     

半监督条件随机场的高光谱遥感图像分类

善于捕捉空间信息的条件随机场模型虽然已被应用于高光谱遥感图像分类,但条件随机场的性能受到了标注训练样本数量的制约。为解决上述问题,本文提出了一种半监督条件随机场模型用于高光谱遥感图像分类。在该模型中,首先,利用空间-光谱拉普拉斯支持向量机定义关联势函数,以利用未标注样本中包含的信息获取样本类别概率;然后,在交互势函数中嵌入未标注的空间邻域样本,以充分利用空间信息实现对样本类别概率的修正;最后,采用分布式学习策略和平均场完成半监督条件随机场的训练和推断。本文在两个公开的高光谱数据集(Indian Pines数据集,Pavia University数据集)上进行了实验。实验结果表明Kappa系数提升3.94%。     

利用面向对象分类方法提取冬小麦种植面积的研究

应用陆地卫星TM数据和遥感图像处理软件eCognition5.0和ENVI4.3软件,以面向对象的方法和监督分类波谱角法分别提取泰安市2005年冬小麦种植面积及其分布信息。逐像素分类的结果存在"椒盐"效应,而且很难克服同物异谱、同谱异物现象,面向对象的分类方法可以有效的集成专家知识和各种辅助数据,克服逐像素分类的弊端。分类结果表明,利用面向对象的分类方法可以获得比传统的像素级分类方法更高的分类精度,为冬小麦种植面积的自动提取提供了广阔的前景。     

Winter wheat biomass estimation using high temporal and spatial resolution satellite data combined with a light use efficiency model

Winter wheat biomass was estimated using HJ CCD and MODIS data, combined with a radiation use efficiency model. Results were validated with ground measurement data. Winter wheat biomass estimated with HJ CCD data correlated well with observed biomass in different experiments (coefficients of determination R² of 0.507, 0.556 and 0.499; n?=?48). In addition, R² values between MODIS estimated and observed biomass are 0.420, 0.502 and 0.633. Even if we downscaled biomass estimated using HJ CCD data to MODIS pixel size (9?×?9 HJ CCD pixels to approximate that MODIS pixel), R² values between estimated and observed biomass were still higher than those from MODIS. We conclude that estimation with remote sensing data, such as the HJ CCD data with high spatial resolution and shorter revisit cycle, can show more detail in spatial pattern and improve the application of remote sensing on a local scale. There is also potential for applying the approach to many other studies, including agricultural production estimation, crop growth monitoring and agricultural ecosystem carbon cycle studies.     

Identification and mapping of winter wheat by integrating temporal change information and Kullback–Leibler divergence

Crop acreage and its spatial distribution are a base for agriculture related works. Current research combining medium and low spatial resolution images focuses on data fusion and unmixing methods. The purpose of the former is to generate synthetic fine spatial resolution data instead of directly solving the problem. In the latter, high-resolution data is only used to provide endmembers and the result is usually an abundance map rather than the true spatial distribution data. To solve this problem, this paper designs a conceptual model which divides the study area into different types of pixels at a MODIS 250 m scale. Only three types of pixels contain winter wheat, i.e., pure winter wheat pixels (P_A), the mixed pixels comprising winter wheat and other vegetation (M_A) and the mixed pixels comprising winter wheat and other crops (M_B). Different strategies are used in processing them. (1) Within the pure cultivated land pixels, the Kullback–Leibler (KL) divergence is employed to analyze the similarity between unknown pixels and the pure winter wheat samples on the temporal change characteristics of NDVI. Further P_A is identified. (2) For M_A, a proposed reverse unmixing method is firstly used to extract the temporal change information of cultivated land components, after which winter wheat is identified from the cultivated land components as previously described. (3) For M_B which only appears on the border of P_A, a mask is created by expanding the P_A and temporal difference is utilized to identify winter wheat under the mask. Finally, these three results are integrated at a TM scale with the aid of 25 m resolution land use data. We applied the proposed solution and obtained a good result in the main agricultural area of the Yiluo River Basin. The identified winter wheat planting acreage is 161,050.00 hm². The result is validated based on the five-hundred random validation points. Overall accuracy is 94.80% and Kappa coefficient is 0.85. This demonstrates that the temporal information reflecting crop growth is also an important indicator, and the KL divergence makes it more convenient in identifying winter wheat. This research provided a new perspective for the combination of low and medium spatial resolution remote sensing images. The proposed solution can also be effectively applied in other places and countries for the crop which has a clear temporal change characteristic that is different from others.     

联合卷积神经网络与集成学习的遥感影像场景分类

针对人工设计的中、低层特征难以实现复杂场景影像的高精度分类以及卷积神经网络依赖大量训练数据等问题，结合迁移学习与集成学习，提出了一种联合卷积神经网络与集成学习的遥感影像场景分类算法。首先基于迁移学习的思想，利用在自然影像数据集上训练好的多个深层卷积神经网络模型作为特征提取器，提取图像多个高度抽象的语义特征；然后构建由Logistic回归和支持向量机组成的Stacking集成模型，对同一图像的多个特征分别训练Logistic模型，将预测概率结果融合构建概率特征；最后利用支持向量机对概率特征训练和预测，得到场景影像的分类结果。利用UCMerced_LandUse和NWPU-RESISC 45两种不同规模的遥感影像数据集进行试验，即使在只有10%的数据作为训练样本情况下，本文方法能够分别达到90.74%和87.21%的分类精度。     

FY-3250m分辨率数据的华北平原冬小麦提取

冬小麦是中国最主要的粮食作物之一,利用遥感技术提取冬小麦种植区是遥感应用研究的一个重要方向。2008年以来发射的系列风云三号(FY-3)卫星均携带着中分辨率光谱成像仪(MERSI),该传感器有5个250 m分辨率的波段,波段范围包括可见光、近红外和热红外,观测数据包含丰富的地表信息,为大范围冬小麦种植区提取提供了新的数据源。首先,选取生长季前期多幅高质量的MERSI数据,采用分层提取的方法,对于不同的层次选用与待提取类别最为敏感的特征波段来构建相应的决策树,从而将每一幅影像中冬小麦种植区提取出来,然后,将多幅数据融合为一幅生长季内的冬小麦种植区图。最后,使用野外实地调查的数据进行精度验证,面积提取精度为90.8%。结果表明,在春季返青后,即可做出当季冬小麦种植分布图,为农情监测提供及时的信息支撑。     

基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物（简称为倾斜建筑物）常被分为体散射类型,使得该类建筑物往往被误分为植被。本文通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberpfaffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行实验,证明本文提出的方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。     

黑河遥感试验中尺度上推研究的进展与前瞻

尺度问题是遥感科学研究的一个关键科学问题,但其理论和方法的发展严重受限于稀缺的多尺度观测数据。黑河生态水文遥感试验(Hi WATER)的核心目标之一是开展多尺度观测以支持尺度转换研究。本文综述了Hi WATER中定点观测的尺度上推研究进展,内容包括:(1)尝试严格定义了空间平均、空间尺度上推、观测足迹、代表性误差、观测真值等概念;(2)介绍了Hi WATER获取的多尺度(单点—像元—区域—流域)生态水文观测数据;(3)发展了基于地统计理论的多尺度采样方法,改进了基于时间稳定性的采样方法;(4)定量评估了辐射、碳通量、土壤水分、地表温度单点观测的代表性误差,实证了异质性地表遥感产品真实性检验的不确定性主要来源于观测的时空代表性;(5)发展了定点观测的尺度上推方法,将克里格方法推广至回归克里格、面到面、不等精度观测等情形,发展了贝叶斯框架下的非线性尺度上推方法,实证了引入遥感观测作为协同信息可显著提高尺度上推的精度。总之,Hi WATER初步形成了从采样设计、多尺度观测、代表性误差的度量、尺度上推新方法到真实性检验的研究框架。     

MODIS与TM冬小麦种植面积遥感测量一致性研究——小区域实验研究

针对大范围冬小麦种植面积遥感测量业务化运行中所存在的不同空间分辨率遥感影像的获取能力、空间分辨率与测量精度之间相互制约的现实问题,选择典型实验区,采取全覆盖的多时相低分辨率MODIS数据与中高分辨率TM样区数据相结合的方法,以支持向量机（SVM）为主要技术手段,通过选取不同比例的TM样本量,对MODIS进行混合像元分解,并对MODIS冬小麦测量结果与TM测量结果进行一致性分析,进而提出了一套可用于大范围冬小麦种植面积遥感测量业务化推广的识别和精度检验方法。研究结果表明：当TM样本量大于5%时,相对于TM识别结果而言,MODIS像元精度可以稳定在82%以上;当TM样本量大于40%时,区域精度可以稳定在97%。因此,从理论上讲,在实际业务化运行中,只要能够获得监测区40%的中高分辨率的影像,采用本研究提出的多尺度冬小麦种植面积测量方法,基本上可以满足业务化运行的精度要求。     

融入空间关系的二型模糊模型高分辨率遥感影像分割

为解决高分辨率遥感影像分割中,由光谱测度的空间复杂性、相同类型地物目标异质性增大带来的类属不确定性以及分割决策不确定性等引起的分割精度下降问题,提出一种融入空间关系的区间二型模糊模型高分辨率遥感影像监督分割方法。(1)建立高斯函数模型作为一型模糊模型,用来刻画像素类属的不确定性;(2)模糊化一型模糊模型中的均值或标准差,建立区间二型模糊模型,以强化类属的不确定表达和增加分割决策信息;(3)综合一型模糊模型及区间二型模糊模型的上、下隶属函数建模模糊决策模型;(4)融入邻域像素关系,使用待分像素及其邻域像素在模糊决策模型中的隶属度共同决定像素的类属。采用本文算法分别对真实高分辨遥感影像及合成影像进行分割,并对测试结果进行定性和定量分析。结果表明,本文算法可以得到更高的分割精度。     

利用矢量影像法进行土地利用变化自动检测

为解决土地利用矢量图与遥感影像的变化检测问题,提出了一种基于类别的矢量图与遥感影像变化检测方法。在矢量图约束下,对遥感影像进行影像分割获取像斑;提取像斑在遥感影像上的直方图特征,采用G统计量度量像斑之间的特征距离;利用像斑与其他相同类别像斑之间的特征距离,构建单波段上像斑的类别异质度,自适应加权组合各波段上像斑的类别异质度构建像斑的类别异质度;依据最大熵方法获取各地物类别对应的异质度阈值,以类别为单位对各像斑进行变化判别,获取变化检测结果。在QuickBird遥感影像上的试验验证了本文方法的有效性,实现了矢量图与遥感影像的自动变化检测。