光谱—频域属性模式融合的高光谱遥感图像变化检测

高光谱作为“图谱合一”的遥感技术,具有精细光谱和空间影像的地面覆盖观测与识别优势。然而,高光谱遥感数据的光谱信息表征以及空间信息的利用给双时相高光谱遥感图像变化检测任务带来了巨大的挑战。为此,本文探讨了一种光谱—频域属性模式融合的高光谱遥感图像变化检测方法 SFDAPF(Spectral-Frequency Domain Attribute Pattern Fusion)。首先,设计一种基于梯度相关性的光谱绝对距离,使双时相高光谱遥感图像像元对的属性模式从光谱信息表征方面得到了逐级量化;其次,基于傅里叶变换理论提出一种变化像元属性模式显著性增强策略,从全局空间信息利用方面改善了变化与非变化属性像元对的可分性;再次,将全图属性模式显著性水平与梯度相关性的光谱绝对距离进行融合,得到变化检测的综合界定值;最后,依据虚警阈值确定双时相高光谱遥感图像变化检测的二值化结果。将本文提出的SFDAPF方法在开源的双时相高光谱遥感图像河流和农场数据集上进行了变化检测性能验证,结果表明SFDAPF方法能够优于传统的和最新的变化检测方法,变化检测的总体精度在河流和农场数据集上分别达到了0.96508和0.9...     

结合邻域SAC-NED测度的高光谱图像分类方法

提出了一种光谱相似性测度用于高光谱图像分类方法。通过将光谱向量进行归一化处理,将计算得到的欧氏距离与光谱角余弦的值域归化到相同区间,得到光谱角余弦与欧氏距离联合测度值(SAC-NED)。在对图像像元进行分类时,以距离加权的方式将邻域像元参与中心像元SAC-NED值的计算,将像元分到SAC-NED值最大的类别。通过与其他5种常用相似性测度方法的实验结果对比表明:该算法能够提升高光谱图像分类的准确性和稳定性。     

高光谱图像空间光谱维去相关噪声评估

高光谱图像噪声评估既是评价图像质量的重要内容,也是衡量传感器性能的重要指标。一般噪声评估方法通过对图像规则分割或利用某种距离准则对图像进行连续性分割,计算图像子块的局部标准差或多元线性回归的残差来实现对图像噪声的估计。但这些方法获取的图像子块并不是完全均匀的,图像子块中仍然会存在地物边界,导致图像噪声评估的结果不准确。为了有效提取图像中的均匀子块,本文提出了一种优化的空间光谱维去相关（OSSDC）方法,基于光谱角距离和欧氏距离双重判定,从光谱曲线的形状和数值上寻找相似像元,获取图像中的均匀子块,然后利用多元线性回归计算残差实现对图像噪声的估算。利用模拟图像和实际航空飞行实验获取的高光谱图像对优化算法进行检验,同时与几种常用噪声评估方法进行对比分析,结果表明优化后的算法计算结果更准确,稳定性和适用性优于其他方法。     

一种基于变权重组合的光谱相似性测度

光谱相似性测度是高光谱遥感影像信息提取的关键。在欧氏距离和光谱角余弦的基础之上提出一种变权重组合的光谱相似性测度,即光谱变化权重相似性测度。这种光谱相似性测度可根据不同地物类别自动对欧氏距离和光谱角余弦测度指标配比权重。选用标准光谱库和机载OMIS高光谱影像对SCWM进行测试,并引入误分率和混淆矩阵对分类结果进行评价。结果表明,相对于仅采用一种或两种光谱相似性测度的分类方法,光谱变化权重相似性测度具有更精细的光谱识别能力。     

基于选权迭代估计与非监督分类的多光谱图像变化检测

针对多光谱图像的变化检测问题,提出了一种基于选权迭代估计(iterative estimation with weight selection,IEWS)与非监督分类(unsupervised classification,UC)的多光谱图像变化检测方法。借鉴IEWS的思想,并以类似于迭代加权多元变化检测(iteratively reweighted multivariate alteration detection,IRMAD)的迭代模式进行回归估计,得到初步的变化检测结果;并通过对初始变化信息的UC处理,以及对不同类别的IEWS,得到最终的变化检测结果。利用该方法对TM图像进行了实验,结果表明:所得到的变化信息在空间位置上同该区域相应时间段内土地利用/覆盖的变化情况具有很好的一致性;同时与多元变化检测及IRMAD方法变化检测的结果相比较,表明该方法对相对较小的变化信息具有更好的变化检测能力。     

利用流形学习进行高光谱遥感影像的降维与特征提取

基于最新的非线性降维方法——流形学习的理论,从高光谱遥感数据内在的非线性结构出发,采用全局化的等距映射(Isomap)方法进行降维,取得了优于常用的MNF方法的结果。把光谱角和光谱信息散度与测地距离相结合用于Isomap算法,结果在冗余方差和光谱规范化特征值方面优于采用传统欧氏距离计算邻域的Isomap方法。实验表明,流形学习是一种有效的高光谱遥感数据特征提取方法。     

一种动态调整权值的交叉相关光谱匹配算法

针对传统算法对于光谱距离特征缺乏描述,并且无法动态调整光谱之间的相似程度这一问题,加入2个光谱特征的评价指标因子:均方根误差与欧氏距离,将二者的权重进行动态调整,得到实验精度在权重系数最优情况下,比基于欧氏距离的匹配方法精度提高了20%以上,且比传统交叉相关光谱匹配方法更加稳定。实验证明,该方法能够较好地改善交叉光谱匹配算法,利用动态的权重系数调整比传统方法更合适于用于高光谱影像的光谱匹配和信息提取。     

基于K均值聚类的高光谱遥感影像分类研究

讨论了信息熵和均匀光谱间隔(USS)两种无监督高光谱影像波段选择方法,分析比较了基于K均值聚类的欧氏距离、相关系数以及光谱角3种相似性度量。实验表明,利用USS对高光谱影像降维,采用将欧氏距离作为相似性度量的K均值聚类方法进行影像分类,所得到的分类结果精度较高,计算时间较短。     

基于独立成分分析的高光谱变化检测

现有的变化检测方法并未充分研究变化前后高光谱遥感影像端元的联系,不能准确地分析地物变化信息。本文提出了一种基于独立成分分析的高光谱遥感影像变化检测方法,对差值影像进行基于偏斜度的独立成分分析,在不同组分图中分别显示单一地物的变化情况,进而提取变化信息。实验表明,该方法能够在获得较高检测率的同时维持较低的误检率,检测效果优于传统方法。     

结合NSCT和KPCA的高光谱遥感图像去噪

针对高光谱遥感图像易受噪声干扰,本文提出了一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和核主成分分析KPCA(Kernel Principal Component Analysis)的去噪方法。首先对高光谱各波段图像进行NSCT分解;然后利用KPCA对NSCT系数进行处理,并在KPCA重构时依据各类噪声的特性选取合适的主成分;最后用处理过的系数进行逆变换得到去噪图像。实验结果表明,本文方法抑制了高光谱遥感图像中的噪声干扰,较完整地保留了原始数据的有效信息。     

CHRIS／PROBA高光谱数据的预处理

针对CHRIS／PROBA高光谱遥感数据的特点,对CHRIS影像进行去条带处理、辐射校正、大气校正等预处理,获得较好质量的影像,为影像的进一步分析和实际应用提供保障。     

天宫一号高光谱数据辐射校正的CUDA并行优化

高光谱图像经过辐射校正后,消除了探测元的响应差异,能更好地满足专题信息提取的数据要求.利用探测元的列均值、列标准差等统计信息对天宫一号高光谱短波红外数据进行辐射校正检验,并基于GPU CUDA计算模型对均值归一化、矩匹配、相邻列均衡等3种相对辐射校正算法进行了并行计算优化.通过辐射校正计算流程拆分,CPU控制流程逻辑,GPU执行数据级并行计算,并建立CUDA的计算单元与数据单元的映射关系,获得5—7倍的计算加速比,这些辐射校正算法依据图像自身统计信息,且易于进行并行计算优化,满足实时校正的处理时效要求,为未来高光谱数据在轨实时辐射校正提供了新思路.     

基于影像的Landsat TM/ETM+数据正规化技术

阐述了基于影像的LandsatTM／ETM^＋的数据正规化技术及其发展。该技术通过将Landsat影像的亮度值转换成传感器处的辐射值和反射率采对影像进行辐射校正。实例表明，使用正规化技术处理后的影像可以明显削弱日照和大气的影响，去除它们产生的噪声；其所书的传感器处的反射率与地面实测反射率的RMS值非常小。     

Relative Radiometric Correction of Multitemporal Satellite Imagery Using Fourier and Wavelet Transform

Remotely sensed multitemporal, multisensor data are often required in Earth observation applications. A common problem associated with the use of multisource image data is the grey value differences caused by non-surface factors such as different illumination, atmospheric, or sensor conditions. Image normalization is required to reduce the radiometric influences caused by non-surface factors and to ensure that the grey value differences between temporal images reflect actual changes on the surface of the Earth. This paper proposes new approaches to radiometric correction of multitemporal satellite imagery using wavelet analysis and Fourier transform. The results obtained are compared with commonly used NO-change regression (NC) normalization and Histogram Matching spatial domain methods. Both visual inspection and statistical accuracy assessment show that proposed transform domain approaches are valid.     

Automatic Pseudo-invariant Feature Extraction for the Relative Radiometric Normalization of Hyperion Hyperspectral Images

A new relative radiometric normalization approach is presented based on the spectral profile shape of hyperspectral data. We calculate the spectral similarity value of pixels at the same location using spectral angle mapping. The cumulative moving average and its differential values are used to determine the appropriate number of pseudo-invariant features automatically. Band-by-band linear regression of the pseudo-invariant features is used to refine the radiometric normalization results iteratively. We tested the algorithm using six Hyperion data subset images. The proposed method yielded stable results with similar or better performance than other methods for all test sites, when assessed by visual inspection and quantitative analysis.     

De-striping hyperspectral imagery using wavelet transform and adaptive frequency domain filtering

Hyperspectral imagers are built line-by-line similar to images acquired by pushbroom sensors. They can experience striping artifacts due to variations in detector response to incident imagery. In this research, a method for hyperspectral image de-striping based on wavelet analysis and adaptive Fourier zero-frequency amplitude normalization has been developed. The algorithm was tested against three other de-striping algorithms. Hyperspectral image bands of different scenes with significant striping and random noise, as well as an image with simulated noise, were used in the testing. The results were assessed visually and quantitatively using frequency domain Signal-to-Noise Ratio (SNR), Root Mean Square Error (RMSE) and/or Peak Signal-to-Ratio (PSNR). The results demonstrated the superiority of our proposed algorithm in de-striping hyperspectral images without introducing unwanted artifacts, yet preserving image details. In the noise-induced image results, the proposed method reduced RMSE error and improved PSNR by 3.5 dB which is better than other tested methods. A Combined method, integrating the proposed algorithm with a generic wavelet-based de-noising algorithm, showed significant random noise suppression in addition to stripe reduction with a PSNR value of 4.3 dB. These findings make the algorithm a candidate for practical implementation on remote sensing images including high resolution hyperspectral images contaminated with stripe and random noise.     

多时相TM影像相对辐射校正研究

多时相影像对应波段中地物波谱“准”不变特征点(Pseudo-Invariant Features,PIFs)的选取是相对辐射校正的前提,采用目视解译选取主观性较强,在一定程度上影响了校正精度。利用绍兴试验区两时相TM影像,通过样本点间差异阈值,主成份分析和回归分析方法控制选取影像对应波段间的PIFs,使得校正样本点的选取具有客观性。在此基础上获取增益和偏移量并对两时相影像进行相对辐射校正,取得了较好的校正效果,从而有利于土地利用/覆盖变化监测。     

Normalizing shadows in multi-temporal aerial frame imagery using relative radiometric adjustments to support near-real-time change detection

This study addresses the problem of shadows in multi-temporal imagery, which is a key issue with change detection approaches based on image comparison. We apply image-to-image radiometric normalizations including histogram matching (HM), mean-variance (MV) equalization, linear regression based on pseudo-invariant features (PIF-LR), and radiometric control sets (RCS) representing high- and low-reflectance extrema, for the novel purpose of normalizing brightness of transient shadows in high spatial resolution, bi-temporal, aerial frame image sets. Efficient shadow normalization is integral to remote sensing procedures that support disaster response efforts in a near-real-time fashion, including repeat station image (RSI) capture, wireless data transfer, shadow detection (as precursor to shadow normalization), and change detection based on image differencing and visual interpretation. We apply the normalization techniques to imagery of suburban scenes containing shadowed materials of varied spectral reflectance characteristics, whereby intensity (average of red, green, and blue spectral band values) under fully illuminated conditions is known from counterpart reference images (time-1 versus time-2). We evaluate the normalization results using stratified random pixel samples within transient shadows, considering central tendency and variance of differences in intensity relative to the unnormalized images. Overall, MV equalization yielded superior results in our tests, reducing the radiometric effects of shadowing by more than 85 percent. The HM and PIF-LR approaches showed slightly lower performance than MV, while the RCS approach proved unreliable among scenes and among stratified intensity levels. We qualitatively evaluate a shadow normalization based on MV equalization, describing its utility and limitations when applied in change detection. Application of image-to-image radiometric normalization for brightening shadowed areas in multi-temporal imagery in this study proved efficient and effective to support change detection.     

多目标无人机微型凝视高光谱成像仪辐射校正

微型凝视高光谱成像仪可以同时获取两个空间维度和一个光谱维度图像，且仅记录整个高光谱图像的外方位元素而不是记录每一帧图像的外方位元素，避免了扫描时的几何不稳定性，有效解决了小型线扫式高光谱成像仪成像几何变形大的问题，适合于姿态不稳定小型无人机负载平台。目前，研究大多集中于线扫式高光谱成像仪辐射校正方法。凝视型高光谱成像仪应用时间较短，国内外没有较为成熟的数据处理研究，阻碍了无人机微型凝视高光谱成像系统的应用。本文研究了无人机载微型凝视高光谱成像仪辐射响应线性度特性和辐射响应变异性的校正方法，并定量评估该方法的有效性。结果表明，辐射响应变异性校正前，高光谱图像存在明显的渐晕效应和条带现象，校正后，不同波段中像元的辐射响应变异系数显著下降，且渐晕效应和图像条带明显减少。本文提出了基于多目标辐射定标方法，并通过比较定标后的高光谱图像光谱与地面光谱仪实测地物光谱来验证辐射定标的精度。结果表明，多目标辐射定标方法的定标结果表现出更好的效果，特别对于近红外波段，与光谱仪实测的地物反射率差异较小。     

多时相遥感图像相对辐射校正

相对辐射校正是多时相遥感图像处理和分析的前提.本文分析了几种常规的相对辐射校正方法的优缺点,然后在此基础上提出了一种基于小波变换的遥感图像相对辐射校正方法.该方法对源图像小波变换域的低频成分实施辐射变换,并保持高频成分不变,重构的图像具有保持高频信息的特性,因而能够较好地保留源图像中由于地物变化引起的辐射差异.