一种改进的基于最小生成树的遥感影像多尺度分割方法

影像分割是遥感影像面向对象信息提取的基础步骤。基于多特征、多尺度及考虑空间关系的遥感图像分割是主流研究方向。本文基于eCognition软件的多尺度分割思想,引入基于图论的最优化理论,提出了基于最小生成树分割和最小异质性准则的多尺度分割方法。该方法采用相干增强各向异性扩散滤波和最小生成树分割得到初始分割结果,通过最小异质性合并准则同时考虑多波段光谱特性区域形状参数进行区域合并,实现多尺度的影像分割。本次研究选取两景试验影像,对本文方法和eCognition软件的多尺度分割方法开展了目视比较和定量指标评价,结果表明,本文提出的方法是一种有效的影像分割方法,在光谱差异较小区域的细分方面优于eCognition方法。     

遥感影像土地覆盖分类的多点地统计学方法

提出了一种基于多点地统计学理论的遥感影像分类后处理方法。此方法从训练图像中提取先验的空间结构信息,推断类别的空间分布模式和相关关系,训练图像中能够建立包含空间关系的模型,比传统变异函数模型所表达的点对之间的关系更为丰富。将此方法应用于从Landsat TM影像中提取湿地类别,与空间平滑法和基于马尔科夫随机场的分类方法相比,其总体分类精度有所提高,且对曲线分布的地物类别的处理具有明显优势。     

空间数据融合的研究进展:从经典方法到扩展方法

随着数据获取方式和技术的多样化,多源空间数据持续累积,迫切需要研究数据集成方法,以更好地为地学研究与应用提供信息和技术支持。将各种用于集成多源空间数据的处理过程统称为数据融合,并从经典方法和扩展方法的角度,分别综述相关研究进展。为综述经典方法的研究进展,依据空间对象数据模型和场数据模型,理清了数据融合及其相关数据处理较成熟的方法;对于扩展方法,阐述了多点地统计方法、统计-机理型方法、多尺度分析与重构方法、信息论方法等。为更有效地支持多源异构数据环境下的数据融合,讨论了尺度不匹配、语义不一致性、时间维等问题。     

基于面-点协同克里格和多点地统计模拟的遥感影像融合方法

提出了一种基于多点地统计学理论的遥感影像融合方法,旨在用多点地统计模拟提高融合后影像的空间分辨率。模拟从训练图像中提取包含空间相关性信息的模型,再通过基于模式的判别准则实现局部相似图案的重现。其中采用面-点协同克里格法为模拟提供制约条件,以解决不同数据支撑间的转换问题。实验用于Landsat ETM+影像的融合,结果表明,基于面-点协同克里格的多点地统计模拟方法与未考虑数据支撑差异的模拟相比较能达到更高的融合精度。该方法亦可用于其他类型空间数据的套合。