国产单极化SAR数据在锰渣尾矿库自动化识别中的应用

为了挖掘国产单极化SAR数据在自动化识别尾矿库中的作用,辅助光学数据以提高锰渣尾矿库的识别精度,针对锰渣尾矿库及其在光学遥感图像中容易混淆的目标,从定性的角度分析了二者的散射特性以及在SAR图像中的差异特点;并开展锰渣尾矿库自动化识别研究;利用面向对象的方法对光学遥感图像进行分割;选取典型锰渣尾矿库及其易混淆目标,进行纹理特性计算。实验结果表明:可以通过纹理特征有效地建立锰渣尾矿库在雷达图像中的识别规则,为实现光学遥感数据和雷达数据相结合的计算机自动识别锰渣尾矿库提供基础。     

利用频谱能量进行高分辨率遥感图像地物识别

提出了一种基于频谱能量的高分辨率遥感图像地物识别方法。首先将预处理后的典型地物的遥感图像通过傅立叶变换从空间域转变到频率域,然后用位于频谱中心的一个矩形窗口提取频谱图上对能量贡献起主导作用的低阶频谱能量系数作为目标识别的主要特征值,并利用该特征值结合SVM分类方法对目标地物样本进行识别和分类。研究结果表明,每种地物样本均获得了较高的识别结果,总体精度达到了88.96%。     

遥感图像多通道滤波方法及实用意义

遥感图像中的花纹结构是识别地物的重要依据之一,而花纹结构与图像的空间频谱紧密相关。本文介绍一种利用航空像片空间频谱特征进行地质信息提取的方法。即,首先用傅里叶光学方法把一幅遥感图像按空间频率分解成几张大小一样的黑白底片,然后把几张底片输入到数字图像处理系统作彩色合成,最终达到增强或提取地质信息的目的。     

高分辨率遥感图像频域特征提取与图像分割研究

遥感图像分割是面向对象识别的关键,论文基于频谱分析理论与频域滤波方法,对IKONOS卫星图像的特征提取与图像分割技术进行了研究,根据振幅和相位信息提取遥感图像的纹理和边缘特征,并提出多频段标记算法实现了结合纹理和边缘特征的图像分割.论文主要研究内容与结论包括:     

沿海矿山生态环境修复中遥感影像自动配准方法的应用

本文从遥感影像解译角度出发，浅析遥感影像解译在沿海矿山生态修复调查中的作用，概略梳理沿海矿山生态修复遥感解译的基本方法，针对基于光学遥感图像配准技术存在的问题，提出了一种利用对象区域形状特征的配准方法。本文采用分割方法提取基准图像和待配准图像中具有结构性的小区域，按照小区域的属性与几何形状特征进行匹配，利用空间关系做控制约束，查询正确的同名小区域对，提取小区域的中心点作为匹配控制点对，解算仿射变换模型参数，有效解决影像间的自动配准问题。采用该方法对实际光学影像进行试验，取得了良好的试验结果与实用价值，为沿海矿山生态修复调查工作中确定矿山空间位置与设计方案提供了保障。     

利用高分辨率光学遥感图像检测震害损毁建筑物

地震发生后，利用高分辨率遥感图像进行建筑物损毁检测，有利于快速评估灾害损失。在分析损毁建筑物梯度分布的基础上，提出了一种利用梯度局部空间统计检测震害损毁建筑物的方法。首先用Prewitt算子提取图像梯度信息；然后对梯度图像进行局部空间统计，统计各建筑物屋顶内部梯度的空间相关性，得到初步损毁检测结果；最后，在先验知识的指导下进行极小值分析和阴影检测，进一步修正建筑物损毁检测结果。分别以玉树地震后的Quickbird卫星遥感图像和盈江地震后的光学航空图像为例进行实验，结果表明，利用梯度局部空间统计检测震害损毁建筑物的方法效果优于传统损毁检测方法，总体精度达到80%以上，能够有效检测损毁建筑物。     

一种光机混合的图像识别系统

本文分析了光学图像识别和计算机图像识别二者的特点，提出了一种光机混合物的图像相关识别系统。首先用计算机制作高质量的匹配滤波器，然后用光学相关识别系统进行相关识别。     

基于加权融合TIR数据的LST反演与硅化信息提取——以广东仁差盆地铀多金属矿区为例

硅化蚀变带是多种金属热液矿床的重要找矿标志之一，利用遥感技术实现快速大范围识别硅化蚀变信息具有重要意义，但硅化蚀变通常为弱信息，目前常规的遥感方法难以有效识别。本文以广东省仁差盆地铀矿区为例，以PAN图像高频分量图与TIR图像进行加权融合并进行地温反演，分析硅化蚀变带与地温异常的关系，建立遥感硅化蚀变弱信息增强识别模型。结果表明：采用PAN图像高频分量图像与TIR图像进行加权融合，可提高TIR图像的空间分辨率，较好保存热目标光谱特征；融合前后数据反演的LST图变化不大，后者提高了对地物热异常识别能力；硅化蚀变带在近似LST图中表现为较断裂带更为细小的高温异常带，并以此为依据进行预测识别。经验证，已知硅化带与识别硅化带较为吻合。     

基于SVM的多源信息复合的高空间分辨率遥感数据分类研究

遥感图像尤其是高空间分辨率（1—4m）遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景，传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法，复合光谱、纹理和结构信息等多源数据信息，对IKONOS高空间分辨率图像进行分类，并与最大似然法和单源数据（光谱）SVM分类结果进行定性和定量比较分析。研究结果表明，多源数据复合的SVM高空间分辨率遥感图像分类方法，能够有效解决单源数据信息图像分类效果破碎的问题；总精度达到68．38％，Kappa达到0．5993；对高维输入向量具有高的推广能力；比单源信息的SVM和最大似然方法图像分类精度更高，适合高空间分辨率遥感图像分类。     

频谱段图像及其应用的探讨

本文描述了一种形成频谱段图像的方法,这种图像记录了相应地物的纹理信息。初步试验表明,在空间遥感中,这种频谱段图像是一种有用的数据源。     

基于MATLAB的遥感影像纹理特征分析

随着遥感技术的飞速发展,遥感影像计算机分析也随之成为遥感技术应用的一个重要组成部分.传统的遥感影像分析方法大都是基于影像光谱特征的计算机自动分类,忽略了影像的空间结构信息,精度不高.研究了利用灰度共生矩阵提取遥感影像的纹理特征,实现了MATLAB下采用监督分类方法应用最短距离分类器及滤波完成了全色遥感影像的分类分析.     

Tree Crown Detection,Delineation and Counting in UAV Remote Sensed Images: A Neural Network Based Spectral–Spatial Method

UAVs are fast emerging as a remote sensing platform to complement satellite based remote sensing. Agriculture and ecology is one of the important applications of UAV remote sensing, also known as low altitude remote sensing (LARS). This work demonstrates the use and potential of LARS in agriculture, particularly small holder open field agriculture. Two UAVs are used for remote sensing. The first UAV is a fixed wing aircraft with a high spatial resolution visible spectrum also known as RGB camera as a payload. The second UAV is a quadrotor UAV with an RGB camera interfaced to an on-board single board computer as the payload. LARS was carried out to acquire aerial high spatial resolution RGB images of different farms. Spectral–spatial classification of high spatial resolution RGB images for detection, delineation and counting of tree crowns in the image is presented. Supervised classification is carried out using extreme learning machine (ELM), a single hidden layer feed forward network neural network classifier. ELM was modelled for RGB values as input feature vectors and binary (tree and non-tree pixels) output class. Due to similarities in spectral intensities, some of the non-tree pixels were classified as tree pixels and in order to remove them, spatial classification was performed on the image. Spatial classification was carried out using thresholded geometrical property filtering techniques. Threshold values chosen for carrying out spatial classification were analysed to obtain optimal values. Finally in the delineation and counting, the connected tree crowns were segmented using Watershed algorithm performed on the image after marking individual tree crowns using Distance Transform method. Five representative UAV images captured at different altitudes with different crowns of banana plant, mango trees and coconut trees were used to demonstrate the performance of the proposed method. The performance was compared with the traditional KMeans spectral–spatial method of clustering. Results and comparison of performance parameters of KMeans spectral–spatial and ELM spectral–spatial classification methods are presented. Results indicate that ELM performed better than KMeans.     

多源遥感影像数据的融合方法探讨

在分析和总结多源遥感影像数据融合的基础上,探讨了多源遥感影像数据融合的层次、模型、结构及其特点.归纳总结了多源遥感影像数据融合方法,目的是提高多光谱影像分辨率的同时保持色调不变,从另一个角度理解为在已知低分辨率多光谱影像和高分辨率全色影像的基础上,模拟生成高分辨率多光谱影像.本文介绍了遥感影像融合技术,系统阐述了几种常见的遥感影像融合方法及其应用.     

遥感数据空间尺度分级模型与基本比例尺关系

多源遥感数据综合应用是遥感发展的必然趋势,统一的遥感数据空间尺度分级模型是多源数据集成与综合应用的基础。虽然已有多种空间尺度分级模型,但很多主流模型并非出于分尺度综合应用目的,缺乏客观的比较和评价。国家基本比例尺系统作为经过论证、中国应用面最广泛、接受度最高的一种尺度分级系统,是以应用为导向的遥感数据空间尺度分级模型的最优参照系。从不同视觉精度下国家基本比例尺对图像空间分辨率的需求出发,比较各空间尺度分级模型的层级分辨率与需求分辨率的匹配情况,包括OGC Well Known Scale Set的Global CRS84Pixel和Google Maps Compatible,以及NASA World Wind、Google Map、百度地图、天地图等软件平台采用的层级格网系统,以及"五层十五级"遥感数据组织模型,通过对数据信息冗余度的分析,对各个模型进行了评价。结果表明,在高视觉精度应用需求下,"五层十五级"模型与基本比例尺精度要求具有较明显的匹配优势,其次为OGC Google Maps Compatible模型和天地图模型,其余模型平均数据冗余倍数在2倍左右;在低视觉精度应用需求下,"五层十五级"模型平均数据冗余度仍为最低,其次为Google Map模型,其余模型平均数据冗余倍数都在2倍以上。     

带有地面高程信息的遥感影像计算机分类方法与实现

以ENVI软件为基础,通过分析带有地面南程信息遥感图像的校准、噪音清除、波段比值分析、消除地物光谱特性变动等处理方法,探讨了带有地面高程信息的遥感影像计算机分类方法.把地面高程信息作为遥感影像分类的一项辅助信息,将使分类后的图像结果更接近真实的地面实际情况,满足分类后的应用要求.     

神经网络计算机及其在遥感应用中的展望

本文概述了神经网络计算机的基本特点、神经网络的形式化描述、目前国际上神经网络计算机的现况以及在遥感图像处理中应用的潜力和展望。     

天宫一号高光谱遥感场景分类数据集及应用

天宫一号高光谱成像仪具有空间分辨率高、光谱分辨率高、图谱合一等特性，在中国航天高光谱领域具有里程碑的意义。针对一般遥感场景分类数据集尺度单一、光谱分辨率较低等问题，本文提出基于天宫一号的多谱段、高空间分辨率、多时相高光谱遥感场景分类数据集(TG1HRSSC)。利用天宫一号高光谱成像仪获取的高质量数据，经过辐射校正、几何校正、空间裁剪、波段筛选、数据质量分析与控制等，制作了一批通用的航天高光谱遥感场景分类数据集，通过载人航天空间应用数据推广服务平台（http://www.msadc.cn[2019-09-10]）进行分发和共享。该数据集包括天宫一号高光谱成像仪获取的城镇、农田、林地、养殖塘、荒漠、湖泊、河流、港口、机场等9个典型地物场景的204个高光谱影像数据，其中5 m分辨率全色谱段1个波段、10 m分辨率可见近红外谱段54个有效波段以及20 m分辨率短波红外谱段52个有效波段。研究利用AlexNet、VGG-VD-16、GoogLeNet等深度学习算法网络对构建的数据集进行场景分类的试验，结果表明该数据集的场景分类应用实现较好效果。由于该数据集具备高分辨、高光谱等特征优势，未来在语义理解、多目标检测等方面有着广泛的应用价值。     

基于支持向量机的SPIN－2影像与SPOT－4多光谱影像融合研究

遥感影像融合是解决多源海量数据富集表示的有效途径之一。针对高分辨率遥感数据SPIN-2(2m)与多光谱遥感数据SPOT-4(20m)的影像融合，提出了基于支持向量机(SVM)的遥感影像融合的新方法。建立了基于SVM的遥感影像融合模型，并进行了分类融合实验，实验效果较好。最后给出了分类融合评价。结果表明，支持向量机可用于遥感影像融合，且分类融合精度较高。     

结合均值漂移分割与聚类分析的遥感影像变化检测

针对传统遥感影像变化检测方法对前后期影像数据质量要求高、适应范围窄、检测精度较低等问题,本文在引入异常点检测思想的基础上,提出了一种结合均值漂移分割与聚类分析的遥感影像变化检测方法。首先将前期地理国情矢量数据与待监测的遥感影像进行地理配准;然后在地理国情矢量数据的基础上对遥感影像作均值漂移算法二次细分割,获得的矢量图斑继承了原有父级类属性,并对同一父级类的影像图斑进行光谱、空间、纹理、指数等特征提取;最后采用高斯混合模型与最大期望值算法聚类获得多个类别,在父级类下找出异常类别的图斑。通过试验对比分析,表明了本文方法的有效性和可靠性,为遥感影像变化检测提供了新思路。     

基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。