航空影像农田类型分类在地理国情监测中的应用研究

航空影像的植被信息提取是遥感影像分类中的难点,仅利用光谱信息难以提取农田类型。本文以江苏农田为主要覆盖的典型区域为研究对象,选择航空影像利用随机森林算法提取不同的农田信息。本研究采用多尺度的分割方法,面向对象实现特征信息提取。根据光谱、纹理以及几何形状特性筛选出较为合适的特征作为参数,利用随机森林算法实现植被二级分类,分类精度达到84.60%,KAPPA系数为0.753,可为地理国情生产提供一定的参考。     

使用量子优化算法进行高光谱遥感影像处理综述

高光谱遥感技术从20世纪80年代出现以来,已迅速成为对地观测的重要组成部分,其影像信息提取是地物信息提取的主要数据来源。高光谱遥感影像除提供地物的空间信息之外,其成百上千个波段携带的光谱信息所提供的光谱诊断能力可以对地物目标进行精细化解译,大大增强了对地物信息的提取能力。充分利用高光谱遥感影像丰富的光谱信息对地物目标进行精细化解译成为近年来遥感领域的研究热点。对基于量子优化算法的高光谱遥感影像处理方法进行阐述,介绍了量子优化算法的发展与技术,并概括了其在高光谱遥感影像中的应用,并对量子优化算法在高光谱遥感影像处理中的应用发展提出建议和展望。     

改进的光谱角制图沿照度方向分类法及其应用——以ETM数据为例

选取多光谱遥感数据（ETM）对新疆北山西段中坡山笔架山一带进行了遥感蚀变信息提取方法研究。根据光谱角制图信息增强方法的优缺点,通过对光谱照度的研究,提出了结合光谱角分类方法进行沿光谱照度方向距离分类的信息提取方法。实验表明,该方法应用于ETM数据,增强了目标信息,同时剔除掉因照度所产生的大量非目标信息,为优化信息提供了一种有效的方法。在地形比较平坦的研究区取得了很好的应用效果。     

一种面向对象的高分辨率遥感影像信息提取方法

针对传统面向对象分类方法的不足,根据研究对象特征构建了一种改进的面向对象的高分辨率遥感影像信息提取分类方法.首先利用SLIC超像素算法对影像进行分割,并提取分割后影像的纹理、光谱和形状特征;再利用SVM分类器提取影像信息,区分相似性较高的耕地和道路;然后利用随机森林算法提取水体和人工表面;最后对不同地物信息的提取结果进行拼接,实现土地利用分类.结果表明,与传统的面向对象分类方法相比,该方法的分类精度更高.     

高光谱遥感技术在植被信息提取中的应用

高光谱遥感技术与传统遥感技术相比,有着图谱合一和光谱连续的优势,能够实现地物的准确识别和精细分类,并且在岩矿信息提取方面取得了显著成果,然而在植被信息提取中的研究尚处于发展阶段。随着农作物估产和土地利用监测等领域对植被精细信息的要求日益提高,高光谱遥感在植被研究中的应用显得越发重要。本文针对高光谱在植被信息提取中的应用进行研究,实现传统多光谱遥感难以完成的准确识别与分类。     

高分辨率遥感影像的随机森林变化检测方法

基于面向对象分析(OBIA)的遥感影像变化检测研究已取得显著的进展,代表了遥感影像变化检测的发展范式,未来是发展更加智能的解译分析方法。随机森林作为一种新的机器学习算法,其预测效果和性能稳定性要优于许多单预测器和集成预测方法。本文充分利用OBIA及随机森林机器学习算法的优势,提出了利用随机森林进行面向对象的遥感影像变化检测。首先基于熵率对影像进行超像素分割,通过最优超像素个数评价指数来获取最佳的影像分割结果,并提取每个超像素在前、后时相影像上的光谱特征和Gabor特征作为随机森林的特征输入数据,用于模型的训练。在初始像素级检测结果之上,自动进行分类样本选择并构建分类器模型,用训练好的模型来提取最终的变化区域。利用Quickbird、IKONOS、SPOT-5等3组多光谱影像进行试验,结果表明,本文方法在变化检测精度上要优于对比方法。     

高光谱图像处理与信息提取前沿

高光谱遥感是对地观测的重要手段,高光谱图像处理与信息提取技术则是高光谱遥感领域的核心研究内容之一。本文简要介绍了高光谱遥感的主要特点,系统梳理了高光谱图像处理与信息提取面临的关键问题和主要研究方向,在此基础上,从噪声评估与数据降维方法、混合像元分解方法、图像分类方法、目标探测与异常探测方法等4个方面对高光谱图像处理与信息提取的理论发展过程和最新前沿进展进行了综述。另外,还对高光谱图像处理与信息提取中的高性能处理技术进行了总结和分析。未来,伴随着智能化信息分析和高性能硬件处理技术发展,高光谱遥感卫星系统也将步入智能化时代。针对这一趋势,本文指出高光谱图像处理与信息提取方法要注重多学科交叉,充分利用机器学习、人工智能等领域的新成果;要重视软硬件结合,发展高光谱图像高性能实时处理技术;要紧密结合应用需求,发挥高光谱遥感的优势和特点,发展新理论和新方法。     

基于机载多光谱遥感数据的溢油信息提取方法

为研究应用紫外-可见光-近红外-热红外遥感数据识别海上溢油的方法,利用机载多光谱溢油监测设备获取了舟山海域多光谱遥感数据,并利用野外地物光谱仪获取了水体和油膜的反射光谱。通过提取并分析机载多光谱遥感图像上多目标的影像特征和光谱响应特征,利用决策树分类法对海上油膜相对厚度的分布进行分类和制图。研究表明,基于机载多光谱遥感数据的溢油信息提取方法总体分类精度达93.7%,能够准确区分薄油膜和厚油膜,可有效提取海洋溢油污染信息,完全能够满足海洋溢油污染遥感监测需求。     

面向林地信息提取的 Pleiades-1影像融合算法评价分析

以Pleiades-1影像为对象,以探究其面向林地信息提取的融合算法选择为视角,通过基于目视和定量特征分析、辅助面向对象分类分析的方法,为林业部门遥感影像大规模融合应用提供参考。研究认为Pansharp和GramSchmidt算法融合结果目视效果良好,各波段与原多光谱相关系数均高达0.8以上,清晰度与纹理增强明显。两种融合算法影像在不同林地层次信息提取能力各有优势,Pansharp融合结果在林地层次分类总精度可达86.55%,Gram-Schmidt融合结果则在森林类型层次具有最高的分类总精度78.76%。具体融合算法的选取需根据其应用的信息提取层次而定。     

基于高斯混合模型的建筑物QuickBird多光谱影像数据分类研究

针对任何一种遥感影像数据的信息提取都有其无法逾越的理论极限,正确认识这种极限有利于明确相关算法研究的方向,降低工程应用成本.制约影像信息提取精度的"同物异谱"现象以及与之相关的影像对象"光谱异质性"问题正是科学认识这种极限的关键和切入点.城市下垫面中的建筑物屋顶材料不同,光谱反射率也不同,"同物异谱"现象严重.基于高斯混合模型的期望最大(Expectation Maximization,EM)估计算法,能为分析建筑物类内以及同一建筑物对象内部光谱异质性程度提供科学依据, 进而提高分类精度.本文以QuickBird多光谱影像为实证研究数据, 利用高斯混合模型及其EM估计算法拟合出不同材料屋顶的密度分布, 实现建筑物影像对象分类, 得到优于传统监督、非监督分类的结果.