以建成区提取为目标的Landsat8影像融合方法研究

建成区提取是城市环境监测中重要的一步,Landsat8影像广泛应用于灾害监测、城市环境监测、道路交通等领域。针对Landsat8全色影像空间分辨率高,纹理信息丰富,而多光谱影像光谱信息丰富,空间分辨率低的特点,开展以建成区提取为目标的Landsat8影像融合方法研究,探究大面积建成区提取对影像融合方法选择的影响。本文探究了Brovey变换,NNDiffusion,Gram-Schmidt(GS)法,PCA变换和小波变换(WT)等5种融合方法,利用融合影像结合"三指数法"提取建成区。结果表明:GS融合方法在光谱保持性方面具有较好的效果,各项评价指标均占优,建成区提取精度达到85.66%和83.3%。     

无人机遥感数据处理与滑坡信息提取

高分辨率的DEM和DOM数据是对地形地貌信息的准确描述,也是滑坡信息提取的重要数据源。首先,针对滑坡信息提取的要求,本文采用无人搭载微型单反相机的影像获取平台,结合野外测量的GPS数据,弥补了无人机POS信息精度低的劣势;针对无人机影像的特点,运用摄影测量基本原理与计算机视觉算法,获取高精度、高分辨率的DEM与DOM影像,保留了丰富的光谱与纹理信息。其次,借助ESP辅助工具获取了DOM影像的最佳分割尺度,并结合研究区地物特征构建了基于模糊分类与SVM算法相结合的决策树,运用面向对象的分类方法实现了对研究区内植被、道路、疑似滑坡区域的信息提取。最后,依照研究区地物分布的空间特征确定了高风险等级区域,并对该区域进行滑坡的形态与纹理分析以及精度评价,其中提取的疑似滑坡区域用户精度为91.44%、生产者精度为84.65%,结果表明无人机遥感在滑坡信息提取领域具有较高的应用价值。     

面向对象的极高海拔区水体及冰川信息提取——以珠穆朗玛峰国家级自然保护区核心区为例

极高海拔地区多为河流发源、冰川发育地,由于地形起伏强烈,且野外考察验证工作困难,传统的遥感信息提取方法很难保证该地区水体及冰川的提取精度。本文基于ASTER影像,运用面向对象的图像信息自动分析方法,对珠穆朗玛峰国家级自然保护区核心区的水体及冰川信息进行了提取研究。为保证信息提取的准确度,将数字高程模型(DEM)及其衍生数据(坡度、坡向),归一化植被指数(NDVI)数据,及有助于区分水体、冰川与其他地物的相关指数(冰雪指数NDSII)及波段运算结果(b1-b3)、(b3/b4)等,分别作为一个波段叠加到原始图像中,使之成为对目标地物光谱特征的有益补充。并对不同类型的水体及冰川进行多级、多尺度分割,以满足其对分割尺度的不同要求。分割完成后,综合考虑目标地物的光谱特征、纹理特征、空间结构特征,根据各特征指数的直方图信息,设定合适的阈值,建立了各水体及冰川类型信息提取的知识规则,并结合实地调查对信息提取的精度进行验证,改进了ASTER遥感影像自动快速提取极高海拔区水体及冰川信息的实用模型。     

基于Brovey融合与HSV锐化的ASTER影像绿地信息提取分析

为了突出图像的边缘、线状目标或某些亮度变化率大的部分,生成边缘图像,运用Brovey融合和HSV锐化方法,对广州市部分地区的ASTER遥感影像进行处理,然后,对两种方法分别处理后的图像,采用平行六面体法监督分类,提取城市用地信息,并对分类后的图像进行对比试验,着重对城市绿地信息的提取进行分析,探究ASTER遥感数据的两种影像处理方法对城市绿地信息的提取效果,及其空间分布为城市生态评价和景观生态建设提供必要的基础数据。通过对比试验,结果显示:Brovey方法较好地显示城市绿地的分布状况,可作为城市绿地动态监测的判别方法之一;融合后的影像能够清晰地显示研究区城市绿地的分布结构及毗邻关系;通过采用区域放大、勾画不同地类边缘轮廓、配合人工解译等工作,能够增加城市绿地与其他用地类型的差异,突显城市绿地的分布、结构、生态学特征。     

基于知识的遥感影像居民地信息提取——以山东省蓬莱市为例

如何自动获得居民地信息是遥感专题信息提取研究的热点问题,该文以山东省蓬莱市为研究区,基于对2004年TM影像光谱特征的分析,建立了基于知识的居民地信息自动提取模型,并对提取结果进行了精度评价。结果表明,利用该模型可以很好地将蓬莱地区的城镇居民地自动提取出来,其提取精度与传统的监督分类方法相比有了很大提高。     

多基线差分雷达干涉测量的大型人工线状地物形变监测

大型人工线状地物是人类改造自然的产物,同人类生活息息相关。本文从大型人工线状地物定义出发,阐述了其形变现象、成因及衍生灾害;并利用多基线差分雷达干涉测量技术(DifferentialSyntheticApertureRadarInterferometry,DInSAR)实施大型人工线状地物形变监测。通过多数据源实验(ENVISATASAR,广州;PALSAR,香港大屿山;TerraSAR-X,深圳),分析了当前高级DInSAR方法,包括永久散射体和相干目标法在监测大型人工线状地物形变上的能力。实验结果表明,采用了不同的影像干涉对组合策略,永久散射体法适合大数据量SAR影像处理,而相干目标法适合小数据量SAR影像分析。微波穿透性和垂直临界基线随波长增加而增加。因此,在波段选择上,低相干区宜选用长波SAR数据(比如ALOSPALSAR)以获取稳健反演结果;而高相干区宜选用短波TerraSAR-X或者ENVISATASAR数据,以获取高精度地表形变场。结合线状地物几何和物理特性,分别从先验基础GIS/GPS数据、SAR数据源选择、PS点提取和模型改进四方面进行分析和探讨,认为面向线状地物形变监测多基线DInSAR模型的研发是亟待解决的问题。     

空间分辨率与纹理特征对多光谱遥感分类的影响

多光谱遥感分类与影像空间分辨率有着密切的关系,在适宜空间分辨率影像上进行地物分类能够获得更高的精度。随着遥感影像空间分辨率的提高,纹理特征被广泛用于遥感分类,但由于不同地类空间尺度不同,纹理对不同地物分类的影响程度也有所差异。本文基于高分一号2 m全色和8 m多光谱影像融合后的高空间分辨率多光谱数据构建反射率空间序列,选用3种分类方法对序列分类,并分别计算2 m融合数据及8 m多光谱影像的纹理特征,选择特征波段与相应多光谱波段组合用以分类研究,最后计算混淆矩阵评价分类精度。研究结果表明,通过回归分析得到多光谱分类的最佳空间分辨率为5 m,与其他研究中利用全色波段分类的结论一致,这说明最佳空间分辨率的选择不受光谱信息影响;对多光谱分类精度随空间分辨率变化的变化趋势分析发现,分类精度在20~30 m分辨率范围区间内快速降低,这为多光谱遥感分类数据空间分辨率的选择提供了重要参考;此外,对光谱与纹理特征结合后不同地类分类精度的变化分析显示,加入纹理特征后,冬小麦、人工建筑、有林地和水体的分类精度在2 m分辨率下分别提高了1.49%、1.51%、4.94%、1.54%,8 m分辨率下分别提高了2.95%、10.95%、5.91%、5.14%,说明引入纹理特征有利于提高分类精度,但其对不同地物类型、不同分辨率影像的影响程度不同。     

航片数字化影像与SPOT5多光谱影像融合比较分析

通过利用多种图像融合方法分别对航片数字化影像与SPOT5多光谱影像进行融合试验,经定量化指标评价结果表明,利用Pansharp,HPF和HIS融合方法计算后得出的影像在很大程度上保留了原多光谱影像的光谱特征,清晰度有较大提高,具有更强的解译和量测能力.     

多分辨率分解的遥感影像融合方法对比分析

有效地将高空间分辨率全色影像和低空间分辨率的多光谱影像融合起来,对影像上地物的识别具有重要的意义。随着多分辨率分析思想在图像处理中的应用,出现了许多新的多分辨率分解的遥感影像融合方法。典型的方法有:Mallat小波变换(DWT)、àtrous小波变换(SWT)、无下采样轮廓变换(NSCT),以及这些方法分别与IHS和PCA变换相结合的融合方法。在IKONOS上选取了两个具有不同地物覆盖类型的实验区进行融合实验,从光谱保真度和高频信息融入度两方面,对这些方法进行了定量评价和分析。研究表明,多分辨率分解的影像融合方法均具有较好的高频信息融入度,其中,DWT、SWT、NSCT融合方法在高频信息融入度方面最优;DWT、SWT、NSCT与IHS、PCA相结合的融合方法在光谱保真度方面,不仅优于它们自身,也明显优于传统的IHS、PCA方法,其中,NSCT和PCA变换相结合的融合方法,在光谱保真度方面最强。     

基于MATLAB的IHS变换与小波变换影像融合与应用

为了提高Landsat系列卫星多光谱影像的目视解译效果,提出了一种基于IHS变换和小波变换相结合的影像融合方法。在Matlab开发环境下,将多光谱影像的亮度分量I与全色影像先进行直方图匹配,以加大两者的相关性,减小融合影像的光谱偏差,然后分别进行小波分解,最后按照一定融合规则进行影像融合。融合规则中最重要的是小波基、小波分解层数和小波系数的选择。通过比较不同的小波基函数,在不同分解层数下的统计参数值及目视融合效果,最终确定选择coif5作为小波基函数,进行三层小波分解。小波高频系数的选择采用区域的标准差法,选取以当前处理像元为中心的局部区域标准差最大的影像小波系数作为融合影像对应的小波系数。从融合后影像看,本文提出的方法要优于单一的IHS或小波变换融合方法,道路、河流、农田及林地等纹理及细节信息都较融合前明显提高,同时,较高的相关系数和较低的光谱扭曲度,表明光谱信息也保留很好。实验表明,将ETM+多光谱影像和全色影像融合的方法是可行的,融合后影像不仅空间分辨率明显提高,而且又较好地保留了多光谱影像的光谱信息特征。     

浅析SPOT5卫星数据在西部测图项目中融合及制作模拟真彩色的方法和应用

遥感影像数据的融合对于利用影像进行分类、特征提取和目标识别具有重要的意义。本文以2005年4月的SPOT5卫星全色数据和多光谱数据为例,针对国家西部测图项目利用SPOT5卫星数据进行融合处理和制作模拟真彩色影像,阐述了主成分分析法(PCA)、乘积法(Multiplicative)、比值变换法(Brovey Transform)及PANSHARP等的算法实现,并且对SPOT5全色波段和多光谱波段进行了融合实验,介绍了目前较为成熟的像元级融合技术及模拟真彩色影像图的制作方法。     

基于MATLAB的HIS变换与小波变换影像融合与应用

为了提高Landsat系列卫星多光谱影像的目视解译效果,提出了一种基于IHS变换和小波变换相结合的影像融合方法.在Matlab开发环境下,将多光谱影像的亮度分量Ⅰ与全色影像先进行直方图匹配,以加大两者的相关性,减小融合影像的光谱偏差,然后分别进行小波分解,最后按照一定融合规则进行影像融合.融合规则中最重要的是小波基、小波分解层数和小波系数的选择.通过比较不同的小波基函数,在不同分解层数下的统计参数值及目视融合效果,最终确定选择coit5作为小波基函数,进行三层小波分解.小波高频系数的选择采用区域的标准差法,选取以当前处理像元为中心的局部区域标准差最大的影像小波系数作为融合影像对应的小波系数.从融合后影像看,本文提出的方法要优于单一的IHS或小波变换融合方法,道路、河流、农田及林地等纹理及细节信息都较融合前明显提高,同时,较高的相关系数和较低的光谱扭曲度,表明光谱信息也保留很好.实验表明,将ETM 多光谱影像和全色影像融合的方法是可行的,融合后影像不仅空间分辨率明显提高,而且又较好地保留了多光谱影像的光谱信息特征.     

航放数据与高分一号卫星光学数据融合及应用

高分辨率的多光谱遥感影像与低分辨率的航空放射性测量数据的融合有利于提高地质体识别效果,可以为地质填图和找矿提供重要参考。从多光谱遥感影像及航放数据特征出发,建立了基于Curvelet变换的线性融合方法,实现了高分一号多光谱数据与航放数据的多源异构数据融合。对融合结果的地质解译效果评价表明,在融合系数为0.7时,多光谱数据与航放数据的融合图像所反映的地质信息最丰富,表明所提出的基于Curvelet变换的国产卫星影像与航放数据融合方法对实现此类多源异构数据的融合,具有重要参考价值。      

不同景观特征遥感图像融合的最佳分解层数选取分析

IHS和小波变换相结合的融合方法是一种高效的融合算法.影响该算法性能的因素有很多,其中分解层数的选取对融合图像质量有重要影响,故针对不同景观特征影像选取最佳分解层数的问题有待深人探讨.本文以SPOT全色影像和TM多光谱影像,选取信息嫡、平均梯度和相关系数3个质量指标,就不同景观特征影像对小波分解层数的响应问题开展了研究...     

融合多元稀疏特征与阶层深度特征的遥感影像目标检测

遥感影像目标检测在城市规划、自然资源调查、国土测绘、军事侦察等领域有着广泛的应用价值。针对遥感影像目标检测在目标尺度变化大、目标外观相似性高以及背景复杂度高等方面的难点，本文提出了一种新的目标检测算法，该算法有效融合了多元稀疏特征提取模块（MNB）和阶层深度特征融合模块（HDFB）。多元稀疏特征提取模块以多个卷积分支结构来模拟神经元的多个突触结构提取稀疏分布的特征，随着网络层的堆叠获取更大感受野范围内的稀疏特征，从而提高捕获的多尺度目标特征的质量。阶层深度特征融合模块基于空洞卷积提取不同深度的上下文信息特征，然后提取特征通过独创的树状融合网络，从而实现局部特征与全局特征在特征图级别的融合。本文算法在大规模公开数据集DIOR进行验证，实验结果表明：(1)多元稀疏特征提取模块和阶层深度特征融合模块相结合的方法总体准确率达到72.5%，单张遥感影像的平均检测耗时为3.8毫秒；(2)通过使用多元稀疏特征提取模块，多尺度和外观相似性目标的检测精度得到了提高，与使用Step-wise分支的物体检测结果相比，总体精度提高了5.8%；(3)通过阶层深度特征融合模块的多感受野深度特征融合网络提取阶层深度...     

光学航天传感器几何建模与DEM生成新进展

高分辨率光学卫星成像系统正越来越多地应用于遥感和摄影测量领域.根据新型的高分辨率卫星影像系统主要特点及高分辨率卫星测图的关键技术的发展趋势,以第21届国际摄影测量与遥感大会"光学航天传感器几何建模与DEM生成"专题中的51篇文章为参考,总结了目前典型的光学卫星影像(主要是IRS-P5和ALOS/PRISM)的几何建模方法,影像匹配与DEM提取方法以及光学航天传感器在其他方面的应用.     

遥感影像云及云影多特征协同检测方法

遥感影像中云及云影不同程度地影响着地物信息的有效获取。随着多源遥感数据的日益丰富,交叉应用多源、多时相遥感影像复原云及云影区的影像,以有效地获取地类演变过程是遥感大数据应用研究的重要内容。高精度的云及云影检测是遥感影像云及云影区修复的前提和保障。复杂多变的光谱特征以及难以有效表达的空间形态特征,使云及云影一直存在检测过程复杂、适用性差和精度不高的问题,难以形成稳定有效的检测方法。在对厚云、薄云、冰雪及其他地类多光谱特性分析的基础上,本文提出了一种云及云影的多特征协同检测方法。首先,对冰雪、云及其他地物类型可分性较好的红、短波红外、热红外波段,利用SAM方法匹配云光谱特征曲线,并进一步结合短波红外波段像元绝对值区分云与冰雪,以及热红外波段像元绝对值区分云及其他地物类型;其次,通过组合云影定向移动模型与近红外波段亮度阈值检测出云影像元。对具备这些光谱波段的Landsat-8进行实验,结果表明多光谱曲线、“诊断性”波段及空间关系多特征耦合能有效地检测出影像中的薄云、厚云及云影,整体精度优于95%。     

城镇扩张的多源遥感图像动态监测分析

遥感动态监测城镇扩展己成为一个重要的研究和应用领域。利用ASTER和TM多源多时相遥感影像和地形数据,以福建省漳州市区为示范区,对城镇建筑用地扩张进行了遥感监测。研究认为,对于ASTER影像,综合利用光谱知识、多时相植被指数、城镇建筑用地的地形分布等建立分类决策规则,可以有效提取城镇建筑用地信息(精度不低于90%);研究提出用较新时相影像获取的城镇建筑用地限定较早时相影像城镇建筑用地提取范围的思路,拓展了TM影像三指数法的应用范围,以此保证了较早时期TM影像城镇信息的有效提取。     

多源遥感数据融合应用研究

多源遥感数据融合是遥感技术向纵深发展的必然趋势。本文对多源遥感数据融合算法的应用特点,从基于像元的融合、特征的融合以及决策级融合3个层次上进行了详细的分析,并以河北丰宁县为例,说明遥感数据融合方法在遥感信息提取中的具体应用:对所用数据进行预处理,然后对1999年Landsat TM数据进行主成分变换,前3 个主成分占总信息量的97.8%,主成分逆变换后的结果影像更清晰,层次更丰富。信息提取时选择TM全色和主成分变换后的多光谱数据融合后的影像,波段4、3、2和波段5、4、3的彩色合成方案,并对植被指数和穗帽变换后的绿度指数进行了分析,遥感影像与DEM以及与GIS空间数据的信息融合也可以提高遥感信息提取的精度。最后分析了多源遥感数据融合尚待解决的问题及努力方向。     

基于改进线性光谱分离模型的植被覆盖度反演

线性光谱分离技术可以有效地提取像元水平上植被或其他端元(影像中的地物)的相对百分比,但是目前该技术在多光谱宽波段影像数据应用中,由于波段数量、波段宽度等的限制,估算精度离定量研究的水平仍有一定差距。鉴于此,本文提出了一种改进的线性光谱分离方法,该方法在对影像进行土地覆盖分类基础上进行分离,一方面同类土地覆盖类型内同种地物的光谱变异相对较小,更有利于端元选取;另一方面,分影像的地物种类数量明显少于整幅影像,更容易满足模型的适用条件,从而突破了波段数量限制,同时使地物光谱分离更具针对性,经过验证,该方法较传统分离方法相比植被覆盖度的反演精度可提高6.4%,用该方法实现了研究区的植被覆盖度的定量反演并对研究区植被覆盖度的空间结构进行了分析。