基于CHRIS数据的三峡坝区水体叶绿素浓度遥感监测

本文探讨利用新一代微卫星遥感数据CHRIS/PROBA定量反演三峡坝区叶绿素(Chl)浓度的方法。首先对CHRIS/PROBA高光谱影像进行去条带、几何校正、辐射校正、大气校正等预处理,得到水体像元的遥感反射率;然后结合三峡坝区水质,分析了悬浮物对叶绿素浓度反演的影响,采用半经验回归方法建立了叶绿素浓度反演算法;最后在对算法验证的基础上,将模型应用到经过一系列预处理的影像中,得到三峡坝区叶绿素浓度的遥感反演结果,并对反演结果进行了分析。分析表明,CHRIS/PROBA影像在三峡坝区水质的遥感监测中是可用的,且反演结果精度较高。     

基于GF-1卫星数据的水库叶绿素a浓度联合反演研究

探明不同区域及不同营养状况下水库叶绿素a的共同敏感波段,基于G F-1号卫星16 m分辨率的多光谱WFV传感器影像构建叶绿素a浓度普适性反演模型.文中以湖南省3种不同营养状况的水库为研究对象,在实测高光谱及GF-1/WFV影像预处理基础上,对比实测高光谱数据与GF-1/WFV影像数据,采用相关性分析筛选叶绿素a敏感波段,基于GF-1/WFV影像数据构建叶绿素a浓度一元回归联合反演模型,生成浓度等级图.研究表明,相关性分析下叶绿素a的敏感波段区间为550～620 nm,波段区间对应影像中的绿波段(520～590 nm),模型反演精度较优,满足水库叶绿素a浓度监测精度要求,可为发展基于遥感影像大面积反演不同污染程度水质叶绿素a浓度提供基础支持.     

加入高程因子的航空高光谱影像大气辐射校正

地形效应是影响遥感定量分析的主要障碍之一。尤其对于航空高光谱遥感而言,其地形效应更为显著,地形高程、角度带来的影响都不可忽略。基于青海雪鞍山地区的CASI高光谱影像和LiDAR地形数据,开展地形高程变化对航空高光谱遥感的影响研究。在假定每一个高程点为水平朗伯体的前提下,首先,基于MODTRAN软件模拟计算不同高程对应的大气上行辐射、地物至传感器之间的大气透过率、大气半球反照率和下行总辐射,进行地形高程变化对4个参量的影响分析;然后,设计实现了加入高程因子的大气辐射校正,完成了测区航空高光谱影像的反射率反演计算;最后,与FLAASH大气校正的反射率结果进行比较,发现同类地物的反射率曲线在谱形方面接近,但反射率数值存在差异,尤其是FLAASH大气校正结果中短波波段甚至出现负值,无疑是错误的。实验表明,高程因子的变化对山地航空高光谱影像成像过程的影响不可忽略,要实现精确的航空高光谱影像大气辐射校正必须消除其影响。     

多层级二值模式的高光谱影像空-谱分类

利用高光谱遥感影像的空间纹理特征，可以提高高光谱遥感影像的分类精度。提出了一种多层级二值模式的高光谱影像空-谱联合分类方法。该方法将高光谱影像转化为局部二值模式特征图像获取像元微观特征，基于特征图像生成多层级特征向量获取像元宏观特征。为验证该方法的有效性，选取PaviaU、Salinas和Chikusei高光谱影像数据，利用核极限学习机分类器，分别针对光谱、局部二值模式、多层级二值模式等特征开展实验。结果表明，多层级二值模式空-谱分类总体精度分别达到97.31%、98.96%和97.85%，明显优于传统光谱、3Gabor空-谱等分类方法。该方法可为高光谱影像分类提供更加有效的类别判定特征，有助于提高影像分类精度并获取更加平滑的分类结果图。     

机载高光谱仪几何检校方法及其在海岸带航空遥感调查中的示范应用

海岸带航空高光谱遥感测量与调查时,水面无法进行地面控制点测量,不能通过传统的空中三角测量方法得到数据准确的外方位元素,因此如何保证海岸带航空遥感数据的几何精度是测量的关键问题之一。在总结分析了CASI 1500H型推扫式机载高光谱仪的几何检校原理与模型特点的基础上,设计了一套针对该系统的几何检校方案,检校结果表明,无控制点情况下CASI 1500H高光谱影像的几何精度得到显著提高。使用该几何检校方法对大襟岛及其周边海域进行了CASI 1500H航空高光谱数据获取,基于该数据进行了大襟岛及周边海域的悬浮泥沙浓度反演示范应用,总体反演精度优于70%,满足海岸带航空遥感调查需求。     

多特征流形鉴别嵌入的高分辨率遥感影像分类

针对高分辨遥感影像同谱异物、同物异谱导致单一特征分类结果精度较差的问题,本文提出了多特征流形鉴别嵌入的高分辨率遥感影像分类方法。该方法首先提取高分辨率影像数据的光谱特征与LBP纹理特征;然后通过样本数据的联合光谱、纹理特征的空间距离及对应的类别信息,构建影像对象的类间图与类内图,用于学习高分辨率影像上的鉴别流形结构,保证在嵌入空间上尽可能不同地物特征分离、相同地物特征紧聚,确保相同地物光谱、纹理特征的相似性,完成光谱、纹理鉴别特征的有效提取,以充分挖掘影像特征,有效提高影像的分类精度。在GF-2遥感数据集上进行试验,结果表明本文算法可实现多特征的有效融合,分类精度均优于传统方法,可达93.41%。     

基于Sentinel-2影像的河流湖泊遥感提取

河流信息提取一直以来都是水利行业重要的工作内容,基于遥感技术的优势,采用高分辨率卫星影像Sentinel-2多光谱影像,进行河流信息提取,以此得到高精度的河流信息。结果表明：基于遥感分类手段的河流提取具有很高的精度,河流呈现连续状态分布,并且植被区域与其他区域分类精度较好;基于遥感反演手段的河流提取同样具有很高的精度,反演手段从光谱信息中准确识别出水域信息并反映出来,河流信息呈客观分布且未出现断流现象,即该方法在河流提取中具有较好的应用。     

基于主成分分析的农作物空间分布信息提取

针对遥感农作物分类精度低、作物区分不明显的特点,本文提出了一种基于主成分分析的农作物空间分布信息提取方法.通过主成分分析,增强影像的光谱特征,提高样本的可分离性和影像分类精度,满足农作空间分布识别要求.最后以GF-1卫星影像为研究对象进行试验,结果表明,本文提出的方法分类精度可达95％以上,实验结果符合实际情况.     

面向高光谱遥感影像的分类方法研究

20世纪80年代初期出现的高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起。高光谱影像丰富的光谱信息使其较全色遥感、多光谱遥感能够更好地进行地面目标的分类识别,然而其复杂的高维数据结构也对传统的遥感影像分类方法提出挑战。提出很多针对高光谱遥感影像的分类方法,对其进行研究。     

基于GeoEye-1影像的自适应浅海水深反演方法

本文基于GeoEye-1影像研究了自适应浅海水深反演方法在甘泉岛附近浅海区域的适用性.GeoEye-1遥感影像经预处理后,通过反射率计算叶绿素浓度进而确定出对数比值模型的参数进行建模,实现无实测数据的多光谱水深反演,并通过实测数据对反演结果进行验证.结果表明:利用自适应水深反演方法对甘泉岛附近浅海区域水深反演精度较高,...     

基于CBERS的黄河湿地生物量反演研究

本研究以黄河湿地郑州段为研究区,利用RS与GIS技术,基于2009年5月7日获得的CBERS 2B卫星CCD多光谱遥感影像和地面实测植被生物量信息,采用回归算法构建反演模型,经对比分析得到最优计算模型。结果表明,反演模型计算精度达到86.32%,利用CBERS 2B卫星CCD多光谱遥感影像可满足植被生物量的反演需要。     

基于LBV变换的遥感影像多步骤分类法研究

面对与日俱增的遥感数据,如何快速准确地进行影像分类成为遥感领域亟待解决的问题。本文在前人的基础上提出了一种基于LBV变换的遥感影像多步骤分类方法。L:地物的总辐射水平,集中反映了裸地的信息;B:地物的可见-红外光辐射平衡,是地面水分状况和水体存在的一个良好指标;V:地物辐射随波段变化的方向和速度向量,能集中反映地面植被状况。多步骤分类法遵循由易到难的原则,能克服类别之间的互相影响,从而提高分类精度。文章结合LBV变换和多步骤分类法的优点对影像进行了分类,结果表明该方法简单易行,且能达到良好的分类精度。     

面向对象的高光谱遥感影像稀疏表示分类

稀疏表示用于高光谱遥感影像分类多是基于像素层次来处理的。文中提出一种面向对象的高光谱遥感影像稀疏表示分类方法。首先从高光谱影像中提取4个波段组成标准的多波段影像,进行面向对象的影像分割;然后计算各对象在各波段上的光谱均值,并选取少量样本进行训练;最后利用基于Fisher字典学习的稀疏表示进行高光谱遥感影像的分类。实验结果表明,该方法可以利用较少的样本得到较好的分类效果,与基于像素层的稀疏分类相比较,分类精度与效率均有所提高,分类结果更接近真实地物,避免了零碎图斑。     

基于分类规则挖掘的遥感影像分类研究

分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性.     

基于高分一号与Landsat-8影像的水体浊度反演比较

为分析高分一号WFV传感器16 m遥感影像在水质反演方面的能力,本文选取南四湖为研究区,以高分一号卫星影像与Landsat-8卫星OLI影像为数据源,结合地面同步实测水体浊度数据,建立反演水体浊度的原始光谱反射率模型、归一化反射率模型和波段比值模型,并对各模型进行精度评价,分别比较两个传感器在浊度反演能力方面的差异。结果表明:利用高分一号WFV 16m遥感影像进行水质反演具有较高的精度,且具备更高的空间分辨率和更短的重访周期,可以替代Landsat-8多光谱数据。     

随机森林回归模型用于土壤重金属含量多光谱遥感反演

本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。     

光谱特征扩展的时间序列Landsat数据地表覆盖分类

时间序列遥感影像常用于地表覆盖监测及其变化监测。然而,利用时序遥感数据—尤其是中分辨率遥感数据监测地表覆盖变化,其方法基本是先对多期影像分别进行监督分类然后对比分类结果。由于这种方法需要对每期遥感影像单独选择分类训练样本,而对于历史影像,常常难以获得可靠的样本数据。本文基于遥感数据定量化处理,尝试利用光谱特征扩展方法对时间序列Landsat数据进行分类:首先,结合一种新的大气校正方法和相对辐射归一化方法,对时间序列Landsat数据进行定量化处理,以消除各期影像之间的辐射差异,获得地表反射率数据。然后,论文选择一期易于获得分类训练样本的反射率数据作为"参考影像",并结合样本数据提取不同地表覆盖类型的光谱特征。最后,将"参考影像"中提取的地物光谱特征,扩展到所有时间序列反射率数据进行分类。论文利用青藏高原玛多地区的5景Landsat数据对本文的方法进行了验证,结果显示:基于光谱特征扩展的分类方法,可有效对定量化处理后的Landsat数据进行分类,分类总体精度为88.35%—94.25%,分类结果和传统的单景监督分类结果具有较好的一致性。此外,研究也发现,"参考影像"和待分类图像获取时间的季相差异会影响其分类的精度。     

纹理特征辅助遥感影像分类技术的探讨

随着卫星遥感影像分辨率的不断提高,人们希望从遥感图像中获得更多有用的数据和信息,所以遥感影像的分类变得尤为重要.但是基于光谱特征的影像分类精度过低,不能满足生产的需要,所以研究利用其他辅助手段来提高遥感影像的分类成为未来发展的一个重要方向.本文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.     

基于多尺度超像素的高光谱图像分类研究

随着遥感技术的快速发展,高光谱遥感影像的分类方法研究受到普遍关注。现有高光谱遥感影像分类研究采用单一尺度下的超像素方法进行图像分割处理,无法确定最佳超像素个数,较易忽视图像细节信息,且单一核矩阵无法表征多特征信息导致分类精度降低。因此,本研究拟在多尺度下采用超像素分割方法对高光谱影像的第一主成分分量进行多尺度超像素分割处理,通过权值耦合多尺度空间光谱核与原始空间光谱核形成合成核来进行高光谱影像分类,并以Washington DC Mall高光谱影像为实验数据对本文方法进行测试与分析。实验结果显示,相较于对比方法,这一方法的有效分类精度最高提升6.93个百分点。结果证明该方法可以有效解决图像光谱无法自适应、光谱信息获取不全面的问题,能够显著提升高光谱影像分类精度。     

面向对象的LiDAR数据多特征融合分类

针对单源遥感数据分类精度不高的问题,提出一种基于多特征融合的面向对象分类方法.该方法利用LiDAR点云数据的高程信息,并融合地物粗糙度特征,以及航空影像的地物光谱、形状和上下文信息等多种特征,再基于SVM分类器构建面向对象的分类方法,以提高城区环境下遥感数据分类的可靠性.试验表明,该方法可有效地提高城区地物的分类精度,且分类结果更符合人的视觉认知规律.