高光谱影像混合像元分解比较研究

遥感混合像元分解,作为一种遥感分类与制图的方法,具有其独特的优势.利用新疆阜康地区的Hyperion遥感影像,在ENVI/IDL软件运行环境下,分别采用沙漏算法,SMACC算法和体积法进行端元提取,并对3种方法进行了比较分析,从中选择符合实际的沙漏算法提取的端元,作为最终端元.在此基础上,分别运用最小二乘法、OSP算法...     

像元二分模型在土地利用现状更新调查中反演植被盖度的研究

以内蒙古奈曼旗地区为试验地,选用TM数据,对遥感影像进行了几何精校正、大气校正、地形校正等预处理,根据混合像元分解的理论,确定出NDVISsoil和NDVISveg,建立了反演植被盖度的像元二分模型。并根据大量的外业调查数据对所建立的模型进行了精度验证,为土地利用更新调查中依据混合像元分解理论反演植被盖度提供了理论依据。     

基于像元坐标的独立成分分析技术的端元提取方法

将基于像元坐标的空间信息与基于独立成分分析技术结合的方法用于混合像元的分解,是实现端元提取的一种方法。这种方法在空间信息充分利用的基础上得到提高。将该方法运用Cuprite地区的AVIRIS数据,并与传统的PPI方法进行对比,结果表明,利用本文提取端元的方法具有很高的可信度。     

高光谱遥感图像亚像元信息提取方法综述

高光谱遥感图像光谱分辨率高、波谱连续、图谱合一,这为精细地物分类、探测和识别提供了数据基础。然而,由于高光谱遥感图像空间分辨率的局限性及地物场景的复杂分布,混合像元普遍存在于高光谱遥感图像。混合像元是高光谱遥感图像精细信息提取与分析中的难点。解决混合像元问题,实现亚像元级信息的提取与分析是近年来高光谱遥感图像解译的热点和前沿。本文系统梳理了高光谱遥感图像亚像元信息提取的主要研究内容,具体从混合像元分解、亚像元制图及亚像元目标探测3个研究方向综述了经典方法,并对国内外相关方向的研究进展、发展前沿及主要挑战进行了分析与评价,最后分析讨论了高光谱遥感图像亚像元信息提取研究在模型构建、优化求解及与应用结合等方面的研究趋势及方向。     

基于模糊ARTMAP神经网络模型的遥感影像亚像元定位

结合亚像元的相关理论.提出了基于模糊ARTMAP神经网络模型的遥感影像亚像元定位方法,利用该方法对模拟的武汉地区的TM影像进行了实验,并将实验结果与BP神经网络模型进行了比较.结果证明,利用本文方法能够更有效地解决亚像元定位的问题.     

像元交换在村镇地表超分辨率制图中的应用

村镇区域进行遥感制图受到数据条件的明显制约,主要表现为不易获取适宜的高分辨率影像,而可获取性强的低分辨率影像由于混合像元现象严重难以直接应用于较精细的制图解析中。对此,本文尝试将一种改进的软信息规整方法结合基于像元交换的超分辨率制图方法用于低分辨率影像制图中,以弥补高分辨率遥感数据的不足。从研究区真实遥感影像开展方法的可行性验证,并分析该方法在村镇地表制图中的适宜性,探讨混合像元分解技术对村镇地表超分辨率制图结果的影响。结果显示：制图结果的优劣依赖于混合像元分解技术,混合像元分解结果的误差直接传递至制图结果中,但是村镇地表超分辨率制图结果明显优于传统的硬分类结果,说明本文方法能有效将低分辨率数据用于村镇制图中。     

基于模拟退火算法的遥感影像亚像元定位方法

根据地物空间分布自相关原理,提出一种基于模拟退火算法的亚像元定位新方法,通过优化子像元的空间分布,最终确定混合像元中各组分的位置。通过遥感影像数据对模型进行测试,并使用已有评价指标对试验结果的视觉效果和分类精度进行评价,试验证明本方法能更好地重建地物空间分布,与硬分类方法相比能显著提高分类精度。     

MODIS数据的洪水淹没亚像元制图研究

针对MODIS影像中普遍存在的混合像元问题,该文基于MYD09GA地表反射率数据,实现了洪水淹没的亚像元级别的空间细节定位,并加入数字高程模型(DEM)高程信息修正了亚像元制图结果,两结果与传统硬分类法提取结果进行了比较。结果表明,亚像元制图算法较传统硬分类法对洪水淹没范围提取精度更高,能够很好地保持水体空间细节特征,DEM修正后的亚像元定位结果精度进一步提高。     

多光谱遥感影像亚像元定位的空间引力算法研究

针对遥感影像亚像元定位问题,提出一种基于像元空间引力模型的亚像元定位新算法,算法中像元空间引力的表达在亚像元尺度上建立,能够表达像元间的空间自相关性;亚像元权重参数包括相互吸引的两个相邻像元中地物百分比含量,强化了空间引力模型;用距离函数表达像元间的相互作用在距离上的非线性关系.通过迭代运算优化像元间的引力关系,提高像...     

基于正则MAP模型的遥感影像亚像元定位

为了更好地解决亚像元的定位问题，基于超分辨率影像重建的技术，结合亚像元定位理论，提出了一种应用于亚像元定位的正则MAP估计模型，并且通过真实数据进行了检验。实验表明，该模型是一种简单、有效地解决亚像元定位问题的方法。     

应用神经网络模型分解AVHRR混合像元

在大面积农作物遥感估产中,应用气象卫星数据估算种植面积一直是一个难点。已有的混合像元分解法要么实际操作困难,要么不适用于ＡＶＨＲＲ数据。该文在前人研究的基础上提出了一种新的方法──应用ＡＶＨＲＲ混合像元神经网络分解模型估算种植面积。这种方法综合利用了ＴＭ数据与ＮＯＡＡ数据各自的优势,具有较好的科学性和经济可行性。     

面向Sentinel-2影像的亚像元级水体提取方法

结合Sentinel-2影像及其他高分辨率卫星数据进行长序列、高频次、大范围的水面率、蓄水量、生态流量等水资源要素监测具有重要意义。为了提高水体提取精度,解决利用多源中高分辨率卫星数据提取水体时的空间尺度效应问题,本文提出了一种面向Sentinel-2影像的亚像元级水体提取方法(简称SWES)。首先利用RWI提取纯水体像元,然后利用膨胀算法提取水陆边界混合像元,最后为解决地物的类内光谱变化问题,采用考虑空间信息的多端元光谱混合分析算法(MESMA)求解水陆混合像元中的水体丰度。3个试验区的结果均表明,SWES取得了较好效果,平均RMSE为0.147,水体提取效果均优于自动亚像元水体提取方法(简称ASWM),尤其在水陆混合像元较多的坑塘养殖区。SWES在试验区获取的水体面积也有较高精度,平均相对误差为8.03%,低于ASWM的20.23%,结果表明SWES能够有效提升水域面积提取精度。     

面向线性光谱混合分解的邻域像元集螺线型构建方法

高时间分辨率遥感影像在地表景观破碎区域易形成混合像元,难以发挥其高时间维度优势。现有方式多是基于线性光谱混合模型,借助邻域像元所构成的像元集合组成线性方程组,求出组分光谱值的最小二乘解,提高其空间分辨率。然而,现有方法依赖窗口形式来构建邻域像元集合,在某些区域易造成方程组无解的欠定问题。本文在分析其问题原因的基础上,引入阿基米德螺线代替传统的矩形窗口,对邻域各像元依次遍历,构建空间邻近、组分相近的邻域像元集合来解决该问题。在GlobeLand 30数据上的试验表明,螺线型构建方法对5种混合尺度上多种类型地物均具有稳定的精度,与传统窗口构建方法相比,可从构建邻域像元集合方面将总体理论精度提高2%,分解结果精度提高近1个数量级。     

低空航测无人机测量误差探讨

摄影无人机为现代测量工作提供了丰富信息的数字影像资源。无人机系统广泛应用于非军事目的测量工程,为森林农业灾害管理、变形监测、基础测绘、地理信息系统、3D数字建模提供了高精度数据。本文通过中海达系列航测无人机给定的技术参数指标对数字产品质量进行精度分析,并探讨其在测量任务中所能承担的最大测图比例尺和最差精度,以此作为实际测量作业的参考依据。     

像元二分模型在MODIS水陆混合像元分解中的适用性研究

遥感数据是地表水监测的重要数据源,用较低空间分辨率的遥感影像探测地表水范围时,混合像元问题常使水陆边界的提取不够准确。有必要对水陆混合像元进行分解,估算混合像元中水体所占百分比,从而为亚像元级别的水域边界制图奠定基础。借助像元二分模型的概念对水陆混合像元进行分解,验证该类模型的适用性。首先,以中分辨率成像光谱仪影像为数据源,分别基于归一化水体指数(normalized difference water index, NDWI)和改进的归一化水体指数(modified normalized difference water index, MNDWI)建立像元二分模型,对云南省高原湖泊进行水域提取及边界混合像元分解;然后,用同期更高空间分辨率的Landsat数据对提取结果进行验证。结果表明,像元二分模型在对水陆混合像元的分解中具有较好的适用性,其中,基于NDWI的像元二分模型精度略高于基于MNDWI的模型。     

MODIS数据估算区域蒸散量的空间尺度误差纠正方法研究

探讨了使用中高分辨率卫星数据提供的地表分类以及植被指数信息与中低分辨率卫星数据相结合,在混合像元内部进行亚像元处理,以纠正混合像元造成的通量估算误差的方法。其意义在于利用中低分辨率卫星数据进行长期大面积蒸散监测时,只需要少量的中高分辨率数据支持,就可以在一定程度上改善监测结果,具有很好的可操作性。     

Sentinel-2A与Landsat 8O LI逐像元辐射归一化方法研究

考虑不同传感器光谱响应函数差异及不同地物类型反射率光谱的差异,提出了一种逐像元辐射归一化方法,并以2017年7月17日内蒙古达里诺尔湖地区准同步过境的Sentinel-2A及Landsat 8数据为例,对两类数据可见-近红外波段（VNIR）地表反射率结果进行归一化。首先采用Sen2cor方法及NASA官方提供大气校正算法,分别对Sentinel-2A及Landsat 8 OLI影像进行大气校正并重采样到同一空间分辨率;然后基于光谱库计算匹配因子并构建图像与光谱库之间的匹配转换模型,实现像元尺度上从Sentinel-2影像到Landsat 8影像地表反射率相似波段之间的转换。结果表明,经逐像元归一化的影像相比原始影像及经HLS光谱归一化的影像,与Landsat 8 VNIR波段的相关性明显提高,辐射一致性增强。该转换模型为多源中高分辨率遥感图像高精度辐射归一化提供了新思路。     

SAR与TM图像监测耕地被毁情况对比研究

从SAR与LandsatTM成像机理出发,通过对图像像元剖面分析,比较两种图像在监测农村耕地被毁方面的优缺点,探讨土地利用现状监测的有效途径。     

基于线性混合模型的端元提取方法综述

混合像元是遥感领域研究的热点,而基于线性混合模型的光谱解混合技术正在越来越广泛地应用在光谱数据分析和遥感地物量化中,这项技术的关键就在于确定端元光谱。本文归纳了目前几种比较成熟的端元提取算法,分析了它们的主要思想和存在的优缺点,最后介绍了端元提取技术的应用及其发展趋势。     

高光谱端元自动提取的迭代分解方法

混合像元线性分解技术是进行高光谱影像处理的常用方法,应用这种方法的一个主要问题是难以有效、自动地确定影像的端元光谱。利用非监督的方法快速自动提取高光谱遥感图像的端元光谱是解决这个问题的主要技术手段。根据迭代误差分析思路,通过对线性混合像元模型分解的误差传播分析后,得到了端元选择的约束条件。结合端元存在的空间信息,自动提取出端元光谱并进行了混合像元分解。利用不同地区、不同传感器的高光谱数据实例测试了该文的方法,分析和讨论了选择迭代初始值与参数阈值的敏感性问题。研究结果表明此方法可以自动提取端元光谱,并且精度较高。