基于机器学习规则推理的湿地识别研究

遥感作为人类获取地表信息最重要的手段之一,对于湿地研究具有重要的价值。文章运用机器学习规则推理的方法克服常规遥感研究方法在湿地研究中的弊端,使分类精度得到很大的提高。与传统的最大似然法相比,分类精度提高了13.51%, 达到了83.81%。基于机器学习规则推理分类,不仅利用了光谱信息,而且利用了纹理信息和坐标信息,并使用了掩膜技术。研究发现,这种方法能使湿地类型以及湿地与高地之间的混淆现象得到有效的克服。     

IKONOS影像在城市绿地提取中的应用

本文以南京城市为例 ,重点讨论了基于IKONOS影像的城市绿地信息分级分类提取方法 ,通过将IKONOS多光谱数据合成 ,根据各类地物的不同光谱特征 ,采取相应的方法提取出各层信息。在此过程中 ,仔细分析地物间在IKONOS 4个波段中的光谱差异 ,非线性增强阴影区绿地的NDVI值 ,利用光谱差异分层提取、剔除信息 ,最后把各分级绿地信息合并得到整体绿地分布图。分级分类法充分考虑各类目标的不同特点 ,避免了通常单一分类方法中单纯利用光谱特征所造成的地物混分现象。     

我国西北地区某些土壤光谱反射特性的初步研究

随着我国遥感技术的日益发展,地物波谱反射特性的研究也不断深入。土壤作为地物波谱测试与研究的重要内容之一,早已得到许多学者的重视,国内外有不少关于土壤波谱特性的论述。^[1-3]由于我国地域辽阔,土壤类型分布复杂,而土壤本身又是具有不同物理化学性质的混合物,其光谱反射特性必然受到许多因素的共同影响,就土壤本身的某些物理、化学参量对其反射率的影响而论还受到自然地理环境条件的制约。     

基于影像尺度空间表达与鲁棒Hausdorff距离的快速角点特征匹配方法

快速影像匹配是进行影像时间序列分析与飞行器导航的重要方法.本文对待匹配影像进行高斯低通滤波预处理时,运用影像的尺度空间表达思想对不同分辨率的基准影像和实时影像选择了相应的σ值进行卷积滤波处理,使基准影像和实时影像具有相近的分辨率,从而提高两影像所提取角点的重复率,使得影像的正确匹配概率得到提高.然后用基于影像几何结构分析的改进的快速角点探测算法进行了影像的角点提取;最后用本文提出的改进的鲁棒Hausdorff距离进行了基准影像和实时影像的匹配.实验证明,本文方法对影像噪声和灰度变化不敏感,具有抗影像尺度变化的能力.在基准影像和实时影像灰度差变化较大的情况下,依然能取得较高的正确匹配概率.由于采用基于影像信息量评价的搜索策略和快速角点提取算法,匹配速度也较快.     

基于向量场模型的多光谱遥感图像多尺度边缘检测

提出一种基于向量场模型的多光谱图像多尺度边缘检测算法,并在算法中引入两种梯度方向量化邻域模型。首先,对多光谱图像进行二进小波变换,得到每个波段图像在不同尺度上的细节系数,然后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,选择适宜的邻域模型对梯度方向进行量化,最后沿量化后的方向获取由细到粗的多层次边缘信息。对QuickBird多光谱图像上农田、厂房等地物进行多尺度边缘提取,定性分析了图像分辨率大小与地物尺寸关系在不同尺度边缘信息的表征;利用F测度,定量评价了检测结果的边缘准确度。与传统算子检测结果对比表明,利用向量场模型综合了所有波段的边缘信息,减少了多波段图像边缘信息的不一致性,引入的量化邻域模型能够有效地获取完整的多尺度边缘点。     

基于改进二维离散希尔伯特变换的图像边缘检测方法

提出一种新的基于二维希尔伯特变换的边缘检测方法。对于频域信号而言,希尔伯特变换不改变信号的幅值,而仅仅改变其相位,即负频率的相位作+90°相移,而正频率作-90°相移。经由傅里叶变换后,边缘特征呈极值状态,因此本文利用二维离散希尔伯特变换实现边缘检测。由于二维离散希尔伯特变换结果具有方向性,提出利用两个呈正交性的二维离散希尔伯特变换的幅度平方和来检测图像边缘特征。此外将高斯核函数引入到希尔伯特变换中,以减少图像噪声对检测结果的影响,并根据PSNR(峰值信噪比)来确定最佳参数σ,从而得到理想的边缘检测效果。为验证该方法的检测结果,将所提方法与传统边缘检测算子的检测效果进行了比较分析,并将该方法运用于卫星遥感图像中,结果表明该方法可以有效地应用于边缘检测工作中。     

一种基于频谱段能量的高分辨率遥感图像边缘特征检测方法

从图像信号的能量角度出发,探讨一种基于频谱段能量的高分辨率遥感图像边缘检测的方法。该方法采用滑动窗口傅里叶变换和频谱能量分段叠置的手段,将含有噪声的图像信号分解到不同的频谱段中,然后根据直流中心频谱段图像良好的噪声抑制特性,在此基础上进一步分析其高阶频谱段能量对图像边缘特征的贡献作用,将3×3的滑动子窗口中频谱半径为1～1.5范围内的频谱能量系数进行求和叠置,并量化至0～255的灰度范围,得到最终的边缘检测图像。试验结果表明,基于频谱能量所检测出的图像边缘特征响应较为显著,视觉效果尚可,并且具有特定方向上的边缘检测能力。     

利用频谱能量进行高分辨率遥感图像地物识别

提出了一种基于频谱能量的高分辨率遥感图像地物识别方法。首先将预处理后的典型地物的遥感图像通过傅立叶变换从空间域转变到频率域,然后用位于频谱中心的一个矩形窗口提取频谱图上对能量贡献起主导作用的低阶频谱能量系数作为目标识别的主要特征值,并利用该特征值结合SVM分类方法对目标地物样本进行识别和分类。研究结果表明,每种地物样本均获得了较高的识别结果,总体精度达到了88.96%。     

基于事件-状态的地理时空数据模型研究

分析了事件与状态的关系,对基态修正模型加以改进,根据事件发生的频繁程度及每次数据量更新的大小,建立历史基态,对于历史基态间的地理实体数据只记录其相对于历史基态的变化部分.既克服了基于快照时空数据模型产生的大量冗余数据,又克服了基态修正模型随着修正次数的增加,历史重构需要大量的复杂计算的缺陷,具有历史数据恢复快的优势.     

大尺度土地覆盖数据集在中国及周边区域的精度评价

大尺度土地覆盖数据是全球陆地表层过程研究、生态系统评估、环境建模等科学研究的重要基础,研究现有数据集的特点对数据使用者及生产新的数据集都具有指导意义。本研究以中国及周边区域为研究区,根据不同分类体系对地物的定义,研究不同分类体系中对应地物的相关系数,并将所有分类体系转换为IGBP分类体系;然后,从定性和定量两方面分析现有5种土地覆盖数据集(IGBP DISCover、UMD、GLC2000、MOD12Q1和GlobCover 2005)的空间一致性;并利用Google Earth高分影像选取两期验证样本评价5种土地覆盖数据集的精度。结果表明:同种地物在不同土地覆盖数据集之间的空间分布格局差异较大,且不同土地覆盖数据集之间的总体一致性系数较低;5种土地覆盖数据集中,GLC2000的总体精度和Kappa系数均最高,GlobCover 2005的总体精度和Kappa系数均最低。