利用掩膜和多因子逐步正交交换区分遥感数据中的岩性信息

主成分变换对于区分多光谱遥感数据中岩性信息有一定效果。利用主成分变换的２个因子散点图分类提取多光谱遥感数据中较弱岩性信息时,发现这些弱信息并不是出现在散点图重合部分的重心位置,说明多光谱原始遥感数据之间除了存在着起支配作用的主特征值外,还存在反应较弱信息的特征因子。而主成分变换只表示了特征空间系列变换的一种结果,为了提取和显示多因子变化空间中出现的较弱特征信息,开发了多因子逐步正交变换算法软件,在     

WorldView-2影像与OLI影像协同岩性模糊分类

Landsat系列、ASTER等中等空间分辨率遥感数据（中分数据）覆盖了碳酸盐矿物、粘土矿物、铁氧化物矿物等矿物的诊断光谱区间,广泛应用于矿物、岩石信息提取,但受限于空间分辨率,混合像元现象明显,严重制约了其岩性分类精度。WorldView-2、QuickBird等高空间分辨率遥感数据（高分数据）提供了岩石地层表面丰富的空间结构信息,同时空间分辨率的提高也是缓解混合像元效应的最有效途径,但高分数据覆盖的光谱区间往往较窄,难以满足大多数特征吸收谱段位于短波红外、热红外区间的矿物、岩石信息提取。在岩性自动分类方法上,前人研究中仍以采用基于像元的分类方法为主,分类结果的“椒盐现象（Salt-and-pepper,出现在分类结果图中大量孤立的错分点或小图斑）”严重。为结合中分数据的光谱信息优势和高分数据的空间结构信息优势,同时减少基于像元的岩性分类方法中的“椒盐现象”,提高岩性自动分类精度,本文以Landsat 8 OLI数据和WorldView-2数据为例,提出了一种协同中、高分遥感数据进行面向对象的岩性模糊分类的方法。首先通过“结构协同”和“光谱协同”方案对WorldView-2数据和OLI数据进行信息协同,利用主成分变换对协同后数据的纹理信息和光谱信息进行压缩和增强,然后将增强后的纹理信息和光谱信息进行波段绑定,并进行多尺度分割。根据岩性单元间的光谱特征和纹理特征的差异,构建各岩性单元的模糊逻辑隶属度函数,实现对研究区岩性的模糊分类。实验结果表明,该方法成功划分了岩性单元的分布,总体岩性分类精度为89.35％。     

基于主成分分析的遥感图像模拟真彩色融合法

对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是遥感应用的关键问题之一。基于主分量变换法,提出了基于主成分分析的模拟真彩色融合法。该方法不仅具有主成分分析融合法的光谱波段选择灵活和光谱信息损失小等优点,同时该方法还可获得逼真的自然色彩的融合图像,提高了图像的融合效果。利用QuickBird全色和多光谱数据进行了试验,并与色彩空间变换法(IHS)、比值变换融合法和乘积变换法等传统方法,在定性和定量两个方面进行了比较分析。结果表明,新方法很好的保留了多光谱影像的光谱信息,提高了空间细节的表现能力,是一种有效实用的遥感图像融合方法。     

基于主成分分析的遥感图像模拟真彩色融合法

对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是遥感应用的关键问题之一.基于主分量变换法,提出了基于主成分分析的模拟真彩色融合法.该方法不仅具有主成分分析融合法的光谱波段选择灵活和光谱信息损失小等优点,同时该方法还可获得逼真的自然色彩的融合图像,提高了图像的融合效果.利用QuickBird全色和多光谱数据进行了试验,并与色彩空间变换法(HIS)、比值变换融合法和乘积变换法等传统方法,在定性和定量两个方面进行了比较分析.结果表明,新方法很好的保留了多光谱影像的光谱信息,提高了空间细节的表现能力,是一种有效实用的遥感图像融合方法.     

高分辨率遥感数据铁染异常提取方法及其应用

利用多光谱遥感数据提取异常信息在我国西部地质工作程度较低的基岩裸露、半裸露地区是一种快速经济的找矿手段。在目前常用的中、低空间分辨率遥感数据中,铁染异常多为混合像元,直接影响着异常信息提取的精度。针对这一问题,在分析铁染异常的地质依据和波谱特征基础上,确定了WorldView2和IKONOS等高分辨率遥感数据与铁染异常特征波谱范围相对应的波段,采用主成分变换方法进行铁染异常信息提取。在西昆仑黑恰一带基于IKONOS数据进行铁染异常信息提取时,新发现规模较大的菱铁赤铁矿化带;在西昆仑老并一带基于WorldView2数据提取的铁染异常区与磁铁矿化范围基本吻合。研究结果表明,利用高分辨率遥感数据提取铁染异常的精度较高。     

Landsat 8 OLT遥感数据融合方法及其质量评价

遥感数据融合可有效改善影像的光谱和空间分辨率,提高影像的视觉效果和信息提取能力,是多源、多尺度、多元遥感数据信息集聚的重要途径。采用乘积变换(Brovey)、HSV变换、主成分分析(PCA)和光谱锐化(Gram-Schmidt)4种方法对Landsat8OLI全色和多光谱数据进行融合,运用Matlab软件计算提取融合后图像的均值、标准差、信息熵、平均梯度和相关系数等指标,从定性和定量两个方面对这4种融合结果进行分析比较,结合主观、客观因素分别分析对比4种融合方法的融合效果。通过研究,增进了对不同融合方法的理解和认识,为进一步挖掘Landsat8OLI遥感数据的潜力奠定基础,为Landsat卫星遥感数据的应用提供技术支持。     

顾及植被的复杂艰险地区多光谱遥感岩性识别

针对复杂艰险地区修建道路时,地质岩性难以现场获取的问题,该文利用ASTER多光谱遥感影像,研究和设计了一种顾及植被覆盖的复杂艰险地区多光谱遥感岩性信息识别提取方法.该方法根据植被覆盖情况先分类后进行岩性识别:对中高植被覆盖区进行植被信息的抑制处理,再对中低植被覆盖区采用主成分分析法进行岩性信息提取;对低植被地表裸露区域采用端元提取、光谱角填图的方法进行岩性信息的提取.最后将岩性识别提取结果与现场地勘结果进行对比验证.结果表明该方法进行岩性信息提取结果与已有的现场勘察结果基本一致,具有重要的参考和应用价值.     

特征变换的延安建筑物提取研究

针对高空间分辨率卫星遥感数据多光谱波段数较少和原始波段组合光谱特征利用有限等问题,该文提出了一种基于特征变换的建筑物信息提取方法。以陕西省延安市宝塔地区为研究区,基于快鸟数据采取特征变换、波段选择、数据融合等解决高空间分辨率原始光谱特征利用有限等问题,采用知识规则的面向对象分类方法进行建筑物识别研究。实验表明,缨帽变换波段能有效地突出建筑物信息,4种融合算法中主成分变换融合适用进一步面向对象分类,建筑物识别的总体精度达到89.3%。此方法能有效识别沿坡脚或滑坡体分散分布的建筑物,为快速获取居民空间分布信息和辅助灾害应急评估等提供参考。     

基于WorldView2数据的岩性信息增强方法——以内蒙古扎嘎乌苏地区为例

为了进一步探讨岩性信息增强方法在岩性遥感解译中的应用效果,选择内蒙古索伦山扎嘎乌苏地区进行岩性遥感信息增强方法研究。针对因异物同谱、同物异谱及表层浅覆盖等因素导致的岩石影像特征复杂、色彩反差较弱及细节信息不够丰富等一系列问题,对研究区岩石波谱曲线特征、WorldView2数据光谱特征及空间特征进行了综合分析。在对WorldView2数据进行几何纠正和图像融合等预处理的基础上,应用基于光谱特征和空间特征的一系列有效的岩性信息增强方法,对研究区进行岩性解译。将解译结果与研究区1:50 000比例尺地质图对比,划分出了更多的岩性种类,提高了岩性解译的精度,为更加精确的岩性识别提供了依据。     

基于SPOT 5图像的岩溶地貌单元自动提取方法

通过对峰林、峰丛和岩溶洼地3者的地理特征和影像特征的研究,基于遥感图像本底值提出了能有效反映目标特征的遥感指数——植被指数、土壤亮度指数、图像主成分变换第1主成分值及地形数据等,并构建了遥感指数的集成计算法,建立了遥感自动提取模型.指数集成运算法能够有效地增大峰丛、峰林与其他地物之间的光谱差异,使这些岩溶地貌单元的灰度值高于其他地物,从而利于岩溶地貌单元提取阈值的自动选取.基于构建的遥感自动提取模型先提取了峰丛、峰林信息,并在此基础上提取了岩溶洼地信息.经实验研究表明,该方法具有较高的提取精度和效率.     

遥感多维空间数据场特征的角度分析与应用

科学计算的可视化是空间数据场的可视化。标题、矢量、张量是线性电磁系统中定义多维数据的基本参数。从瞬变电磁系统的因果律出发，可以将遥感传感器对电磁波的响应看作是地表电磁场量的映射，像元是记录电磁场量的一种方式。由于电磁场量的线性关联，多波段遥感数字图像可以表示为多维空间数据场量。在多维向量空间中可以对数据场量进行度量、分解和构造向量角度函数。遥感多维空间数据场有效弱信息提取方法则是基于多维空间数据场角度分析展开的。     

陆面温度反演的新进展

指出了利用多通道数据反演陆面温度所存在的问题,在说明非同温混合像元热辐射方向性规律的基础上,对利用多角度数据进行陆面组分温度反演进行了可行性分析。     

基于ENVI／IDL的AVHRR1B数据格式读取与预处理软件模块开发

NOAAAVHRR提供的1B数据,是以一个文件存储图像数据和相关的辅助数据,目前的商用遥感图像处理软件大多无法直接读取与图像有关的定标、定位、太阳与传感器位置等数据,对图像的后续定量化处理与应用带来了困难。本文在深入分析1B数据格式的基础上,实现了基于ENV~IDL平台的1B格式数据读取与预处理模块开发,这对于AVHRR图像数据的应用具有重要的现实意义。     

多源遥感信息自动解译技术研究与应用

随着遥感技术的日益发展,遥感影像的空间、时相与光谱等分辨率不断提高,传统的信息获取方法已不能满足国土、规划等业务需求,为了提高遥感信息提取自动化程度及数据成果精度,本文研究了一套集合多种分类与变化检测方法的新技术,根据不同数据源影像特点实现择优处理,解决了目前传统方法耗时耗力、技术单一、针对性弱、精度与效率较低等问题。同时,通过程序开发形成对应的系统,应用于"三旧改造"地块监测、广东省基本农田监测等业务中,取得了良好的应用效果。     

利用TM高光谱图像提取青藏高原喀喇昆仑山区现代冰川边界

采用阈值法、监督分类、非监督分类、谱间关系法对冰川的TM图像进行了分类,证明利用比值图像取阈值是对冰川区图像分类的有效手段。对图像处理的结果进行了分析和解释,并指出了存在的问题。     

数据驱动的多源遥感信息融合研究进展

多源遥感信息融合技术是突破单一传感器的观测局限,实现多平台多模态观测信息互补利用,生成大场景高“时-空-谱”无缝的观测数据的重要手段。随着人工智能理论与技术的日益完善,数据驱动的多源遥感信息融合获得了研究者的广泛青睐,然而,数据驱动算法与生俱来的低物理可解释性,弱泛化能力都阻碍了其在多源遥感信息融合领域的长远发展。因此,本文分别对同质遥感数据融合,异质遥感数据融合,以及点-面融合的有关研究成果进行了系统的梳理和归纳,分析了各融合问题的发展趋势。最后,对算法研究进展进行了总结,剖析了数据驱动的融合算法所面临的挑战,指出了未来多源遥感信息融合领域的研究方向。     

机载激光雷达数据的误差分析及校正

数据质量分析是遥感机理/应用研究（尤其是定量遥感）首要和关键的一步,直接影响遥感反演的精度和遥感应用的效果。激光雷达（Light Detection and Ranging,LiDAR）是一种新兴的主动遥感技术,对数据后处理算法的研究还有待进一步加强,尤其对激光雷达数据的质量分析显得十分迫切。采用了一种基于扫描航带间重叠区数据分析的方法对LiDAR数据质量进行评价,分析误差来源,计算误差的大小,并分别对数据的随机和系统误差进行校正。以机载激光雷达数据为例来进行验证,实验结果表明,这种方法能有效地减少数据误差,达到提高数据质量的目的。     

深度学习农作物分类的弱样本适用性

基于大数据驱动的深度学习挖掘图像数据的规律和层次已成为遥感影像解译的研究热点。海量标签样本是训练深度学习模型的前提条件,但成本昂贵的人工标记样本限制了深度学习技术在遥感领域的应用。本文提出了一种基于弱样本的深度学习模型农作物分类策略：以GF-1影像为数据源,将传统分类器SVM分类结果视为弱样本,训练深度卷积网络模型DCNN（Deep Convolutional Neural Networks）,获取辽宁省水稻和玉米的空间分布,分析弱样本的适用性。结果显示：测试集总体精度达到0.90,水稻和玉米F1分数分别为0.81和0.90;在不同地形地貌、复杂种植结构的农业景观下均表现出良好的分类效果;与SVM结果的空间一致性为0.90;当弱样本最大面积误差比例小于0.36时,弱样本仍适用于DCNN作物分类,结果的总体精度保持在0.86以上。综上,该策略一定程度上消除了深度学习模型对大量人工标记样本高度依赖的局限性,为实现大尺度农作物遥感分类提供了一种新途径。     

Comparison of four UAV georeferencing methods for environmental monitoring purposes focusing on the combined use with airborne and satellite remote sensing platforms

This work is aimed at the environmental remote sensing community that uses UAV optical frame imagery in combination with airborne and satellite data. Taking into account the economic costs involved and the time investment, we evaluated the fit-for-purpose accuracy of four positioning methods of UAV-acquired imagery: 1) direct georeferencing using the onboard raw GNSS (GNSSNAV) data, 2) direct georeferencing using Post-Processed Kinematic single-frequency carrier-phase without in situ ground support (PPK1), 3) direct georeferencing using Post-Processed Kinematic double-frequency carrier-phase GNSS data with in situ ground support (PPK2), and 4) indirect georeferencing using Ground Control Points (GCP). We tested a multispectral sensor and an RGB sensor, onboard multicopter platforms. Orthophotomosaics at <0.05 m spatial resolution were generated with photogrammetric software. The UAV image absolute accuracy was evaluated according to the ASPRS standards, wherein we used a set of GCPs as reference coordinates, which we surveyed with a differential GNSS static receiver. The raw onboard GNSSNAV solution yielded horizontal (radial) accuracies of RMSEr≤1.062 m and vertical accuracies of RMSEz≤4.209 m; PPK1 solution gave decimetric accuracies of RMSEr≤0.256 m and RMSEz≤0.238 m; PPK2 solution, gave centimetric accuracies of RMSEr≤0.036 m and RMSEz≤0.036 m. These results were further improved by using the GCP solution, which yielded accuracies of RMSEr≤0.023 m and RMSEz≤0.030 m. GNSSNAV solution is a fast and low-cost option that is useful for UAV imagery in combination with remote sensing products, such as Sentinel-2 satellite data. PPK1, which can register UAV imagery with remote sensing products up to 0.25 m pixel size, as WorldView-like satellite imagery, airborne lidar or orthoimagery, has a higher economic cost than the GNSSNAV solution. PPK2 is an acceptable option for registering remote sensing products of up to 0.05 m pixel size, as with other UAV images. Moreover, PPK2 can obtain accuracies that are approximate to the usual UAV pixel size (e.g. co-register in multitemporal studies), but it is more expensive than PPK1. Although indirect georeferencing can obtain the highest accuracy, it is nevertheless a time-consuming task, particularly if many GCPs have to be placed. The paper also provides the approximate cost of each solution.     

基于GOODALL相近指数的遥感图像和其它空间数据综合分类方法

介绍 Ｄａｖｉｄ Ｗ． Ｇｏｏｄａｌｌ 的基于概率的相近指数理论,研究它被应用在遥感图像和其它空间数据综合分类中的可能性,并首次在 Ｇ Ｒ Ａ Ｓ Ｓ环境下实现了基于 Ｄａｖｉｄ Ｗ． Ｇｏｏｄａｌｌ 的相近指数的遥感图像和其它空间数据综合分类算法,并对该算法进行了测试,将分类结果与其它几种较流行的分类方法结果进行了比较。