NOAA AVHRR数据的高精度导航定位

在ＮＯＡＡＡＶＨＲＲ数据的导航定位中,一般只进行卫星轨道根数调整和卫星时间漂移校正,而未考虑卫星姿态系统偏差的影响。该文在定量分析影响导航定位精度的主要因素基础上,提出了一种新的导航算法。该导航算法不仅对卫星时间漂移、卫星轨道根数进行约束最优调整,而且通过估算卫星姿态偏差将其融入到导航定位中加以校正。同时,将导航算法和卫星轨道计算、地面扫描点地理经纬度的计算方法以及参考图像的高精度配准等结合起来考虑,利用具有足够定位精度的１∶１００ 万数字地图数据和高分辨率Ｌａｎｄｓａｔ ＴＭ图像,提取地面控制点,使ＡＶＨＲＲ数据导航定位精度在整条轨道大范围内提高到１ 个像元,在星下点附近小于１ 个像元。     

两种SAR数据目标定位的比较

和以前的定位方法相比,距离-多普勒(R—D)定位法因不需要选地面参考点进行定位,在许多遥感应用方面具有独特的优势和重要意义。本文论述了利用卫星星历数据和雷达回波数据的距离-多普勒信息对SAR图像目标定位的原理,并对相对位置定位算法的计算公式进行了推导。通过该定位方法对Radarsat和ERS图像目标进行了定位,详细说明了轨道参数、斜距参数、多普勒参数等获取方法,比较了这两种数据目标定位具体算法和精度的差异。     

星载ASR图像的两种实用比R—D定位模型及其精度比较

以加拿大Radarsat卫星为例，在简要介绍了SAR图像的产品格式及其多级别，多类型的特点并比较了有关遥感图像的几种定位方法之后，指出距离－多普勒（R－D）原理用于SAR图像像素的绝对定位模型的优点，在分析了直接坐标变换所遇到的困难后，提出了两种基于R－D原理的实用化定位方法，并对算法进行了验证，作定位精度作了比较分析，试验结果表明，相对位置法所取得的定位精度达到了目前国际上有关这一领域的研究所取得的精度，效果良好，迭代法所取得的定位精度也在加拿大RSI公司技术文档的规定范围内，具有一定的实用性。     

FY-3D卫星姿轨误差标校及对定位影响研究

卫星轨道及姿态误差是影响图像地理定位精度的关键因素,以风云三号D星（Fengyun-3D,FY-3D）中分辨率光谱成像仪（medium resolution spectral imager,MERSI）为例分析了轨道及姿态实测数据,分析结果表明,FY-3D轨道及姿态均存在多种因素导致的误差,为确定该误差来源,利用卫星搭载的全球卫星导航系统掩星探测仪高精度星历对星上姿态数据全链条计算进行分析,确定姿态误差来源于星上算法存在误差,提出订正优化方案并分析其可行性,进而利用订正后的姿态及轨道数据进行图像地理定位。实测结果表明,MERSI的1 km图像地理定位精度在沿轨和跨轨方向均提升了约20%,达到亚像元级,分析结果表明,通过标校姿轨误差以提高定位精度的方法行之有效。     

BDS卫星实时钟差估计

随着无人驾驶等高新技术的快速发展，实时精密单点定位在GNSS领域中受到越来越多的关注。研究实时卫星钟差的获取和实时定位精度具有较大的现实意义，本文为研究耦合BDS卫星轨道、钟差产品对定位精度的影响，采用不同精度的轨道产品实时获取卫星钟差。分析了卫星钟差误差与轨道误差之间的相关性及钟差对轨道误差的吸收能力，发现卫星钟差能够吸收95%以上的轨道径向误差和部分切线误差，在一定程度上弥补了轨道误差引起的定位误差。采用耦合的卫星轨道、钟差产品，单BDS系统定位精度可达到分米级的定位结果。     

基于多源遥感数据的水体信息提取研究

卫星遥感技术已被广泛应用到水体信息提取中,但目前基于遥感技术的水体信息提取多采用单一的遥感数据源,而没有充分利用多源数据的信息复合优势,因此,提取结果经常受天气气候或空间分辨率限制。本文研究了不同尺度、不同平台的多种遥感数据源的水体信息提取方法。首先,基于波谱间关系决策树分类算法对Landsat ETM+图像进行水体提取,利用其分辨率优势较准确地提取出水体范围;其次,在Radarsat SAR图像上利用阈值法粗提取水体信息后,结合DEM剔除阴影得到水体信息;最后,利用灾前Landsat ETM+图像水体信息提取结果和灾中Radarsat SAR图像水体信息提取结果,进行差值处理,得到洪水淹没范围。研究结果可以为洪水灾害监测与评估提供信息依据。     

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。     

多时相Radarsat数据在广东肇庆地区稻田分类中的应用

将1996年获取的4个时相的Radarsat图像用于广东肇庆地区的稻田分类试验,结果表明,多时相Radarsat数据对水稻类型的识别精度较高,而且稻田的轮作规律容易推测出来。本文系统地介绍了这一试验研究的最新进展,探讨了神经网络分类方法在SAR图像处理中的应用潜力和Radarsat数据在中国南方水稻监测中的最佳时相选择和有效分辨率问题。     

星载SAR复数图像的配准

星载干涉雷达测量已经被证实用于生成大范围（乃至全球）的DEM或监测地表位移具有广阔的应用前景，其中SAR复数图像序列的精确配准是保证生成有效干涉相位图的重要环节之一。本文分析了卫星InSAR系统中所涉及的几种坐标系统变换问题，并提出了基于此的几何配准方案，即基于卫星轨道状态矢量、SAR成像几何进行配准的算法；同时，还设计了基于几何配准结果和能量影像相关技术的配准算法，最后使用ERS－1／2、JERS－1和RADARSAT卫星获取的3种SAR复数图像对分别做几何配准和相关配准试验和比较，并对卫星SAR图像质量和轨道数据质量作了定性分析。     

基于ALOS PALSAR数据的卫星轨道拟合方法

以ALOS PALSAR数据为例,介绍了多项式轨道拟合法和轨道根数描述法两种卫星轨道描述方法。利用这两种方法确定了任意时刻的卫星轨道状态矢量,并结合数学软件Matlab进行计算,比较了两种方法的精度。实验结果表明,多项式轨道拟合法比轨道根数描述法的拟合精度更高,与原始数据的误差更小。卫星轨道拟合的目的在于提高雷达定位精度,对雷达数据校正及其相关研究具有重要意义。     

基于Radarsat和TM图像融合与分类的土壤盐渍化信息遥感监测研究

单一雷达影像数据通常不能提供足够的用以监测干旱地区盐渍化的信息。雷达图像与TM图像的融合可以提高遥感数据的利用率,增强数据的可靠性和信息的互补性,有助于提高分类精度。本文采用了GramSchmidt变换融合法将Radarsat和TM图像进行融合,并将该融合方法与一些常用融合方法(HIS融合、PCA融合、Brovey融合)进行了比较,结果表明该融合方法优于其他方法。最后采用支持向量机分类法(SVM)对Radarsat、TM融合后的图像进行了分类。结果表明:同单独Radarsat影像和TM影像分类结果相比,该融合分类法将分类精度分别提高了近30%和2%。因此该融合分类法更适合于遥感图像盐渍化信息监测。     

长时间序列Radarsat图像的神经网络模拟及土地覆盖变化的快速检测

土地覆盖的短期时空变化模式研究,对土地覆盖的快速、动态监测具有重要意义,也是遥感研究的新热点。本文利用2000—2001年的时间序列Radarsat图像,采用功率谱分析方法,对土地覆盖的短期时—空变化的周期特征进行了分析,由此建立了基于时间序列影像分析的神经网络预测模型,从植被主要生长季节的时间序列雷达卫星影像获取训练样本,对研究区域的典型土地覆盖的短期动态变化过程进行了学习。学习后的模型能够利用多个时间序列的Radarsat影像对下一时刻的影像进行模拟,并进一步检测变化。在模拟结果基础上,定义相对变化距离函数和检测门限,对模拟影像及实际影像中的变化区域进行了检测。检测精度范围在66.67%(农村居民点)—91.67%(水体)之间,平均检测精度为81.66%。由于时间序列信号的引入,神经网络模型能够较好地获取土地覆盖的短期动态变化信息。     

城区Radarsat图像变化检测研究——以成都市区为例

以成都市区Radarsat图像为数据源,基于雷达图像服从的分布,对城区变化存在的平滑转变和阶越转变2种类型,运用指定 的数学算子和最大似然规律进行图像变化检测。通过和实地数据对比,得到了比较理想的检测效果。     

基于小波多分辨率分析方法的海冰遥感影像数据融合

采用小波多分辨率分析方法，对辽东湾2000－01－18的海冰遥感数据（NOAA／ARHRR和Radarsat/ScanSAR)进行了融合分析，并从几方面对结果作了深入的分析和对比。文中首次采用了小波分析中的多层次分解和重构技术用于数据融合分析。     

A Frame Grabber Related Error In Subpixel Target Location

The accuracy of subpixel target image location is an important factor that contributes to the overall precision of three dimensional measurement when using CCD cameras. This shorter contribution reports the effect of an electrical adjustment of a frame grabber that results in a significant and systematic error in the accuracy of target image location using some target location methods.