高光谱遥感的物质组分和物质成分反演的应用分析

高光谱遥感的最大特点是可以提取和重建像元光谱,从而依据光谱特征直接识别地物类型、地物组成,乃至地物的成分,反演地物的物理、化学参量。本文阐述了高光谱的光谱识别方法所能探测的岩石、土壤、植被和人工建筑物的物质组分或成分;另外,与多光谱相比较的角度,讨论了高光谱图像地物特征识别和物质成分反演等技术方法的应用。     

基于高光谱影像分类线性回归的古画污渍虚拟恢复

污渍是古画中最常见病害之一,识别并虚拟修复古画污渍是对古画进行科学修复的关键。本文提出了一种基于高光谱影像分类线性回归的虚拟修复方法。首先,利用人工神经网络对受污渍影响较小的波段进行分类,获取油渍区域被遮挡的信息,然后通过建立分类线性回归方程,利用受油渍影响较小的波段去校正受油渍影响较大的真彩色显示波段,在尽量地保持了古画原有的色彩基础上,有效地提取了被油渍遮挡的隐含信息,并一定程度地恢复了画作原貌。     

珠江口水体叶绿素a浓度高光谱反演研究

对珠江口水体进行了现场光谱测量和同步的水质采样分析,发现695nm处的一阶导数光谱数据对叶绿素a浓度有很好的指示作用,由此建立了基于695nm处一阶导数光谱数据的叶绿素a浓度的线性模式、二次多项式模式、三次多项式模式和指数模式。两次实验的结果表明:指数模式的R2(确定系数)为0.7584,预测平均相对误差为26.7239,是估算珠江口水体叶绿素a的最佳的模式。     

基于卫星高光谱遥感影像的浅海水深反演方法

遥感水深反演具有非接触测量和省时省力等优点,能够为航海、岛礁工程与珊瑚礁生态调查等活动提供重要参考。随着高光谱遥感卫星数量的增长,基于高光谱遥感影像的水深反演具有良好的发展与应用潜力。HOPE（Hyperspectral Optimization Process Exemplar）算法是比较常用的高光谱水深反演算法。鉴于HOPE算法在低遥感反射率海域会出现水深被高估的问题,本文基于Hyperion高光谱遥感影像提出一种改进的水深反演算法。该算法针对危险或难以到达海域往往具有水体光学性质较为均一的特点,利用深水区遥感反射率的观测值来估计整个研究区域内的水体光学性质参数并将其固定,以便减少未知参数数量,解决水深被高估的问题,最终达到提高水深反演整体精度的目的。塞班岛和中业岛的实验结果表明,改进算法能够有效克服常规HOPE算法在低遥感反射率水域高估水深的问题。改进算法能够将平均遥感反射率小于0.0075sr^-1（塞班岛）和0.001 sr^-1（中业岛）范围内的水域的水深反演平均绝对误差从常规HOPE算法的2.94 m和6.44 m分别降低至2.56 m和4.99 m,从而能够相应地将整体的均方根误差从3.18 m和5.39 m分别降低至2.30 m和3.32 m,而将整体的平均相对误差从32.4%和27.1%分别降低至30.6%和23.9%。因此,改进算法在提高卫星高光谱遥感影像水深反演效果方面具有可行性和有效性。     

高光谱遥感数据波谱相似性模糊聚类方法研究

高光谱遥感数据的聚类是定量遥感研究的热点。为提高其聚类精度,将光谱相似性测度与模糊动态聚类法有机结合,构建四种模糊聚类新方法：光谱角度-模糊聚类法、光谱信息熵-模糊聚类法、光谱角度与光谱信息熵混合-模糊聚类法与海明距离-模糊聚类法。以实测植被高光谱信息为数据,利用该四种方法进行比较分析其聚类精度。实验结果表明光谱角度与光谱信息熵混合模糊聚类法以及光谱角度模糊聚类法的聚类精度均相对其他几种方法较好,是最有效高光谱遥感聚类方法。为今后该领域的方法的进一步研究提供一种借鉴与参考。     

高(多)光谱数据的背景-异常子空间模型研究

本文引用独立成分分析与盲信号分离的理论,从遥感高(多)光谱数据的基本统计特征出发,对其概率密度分布作出了分类与解释,并同图像数据的背景与异常建立了联系。在此基础上,对高(多)光谱数据点阵分布的空间几何结构进行了深入的研究分析,推断出遥感高(多)光谱数据集合的高维空间属于低维几何结构-"超平面"形态,而包含蚀变信息在内的异常点群通常会游离在"超平面"之外。然后,对主成分分析(PCA)的信号-噪声模型加以引申,提出了遥感图像多元数据集合高维空间的背景-异常信号子空间可划分的概念,并给出了子空间划分的阈值估计方法。同时,探讨了遥感图像的端元数目、多波段数据集合的本征维数、主要背景地物数目三者之间的关系;通过西藏驱龙地区两种类型遥感数据的实例分析,说明了本文所讨论的光谱数据空间的低维结构以及背景-异常子空间模型在遥感高(多)光谱数据分析应用中的正确性与实用性。研究结果表明:尽管不同自然景观区的遥感图像的光谱变化复杂,而它们的光谱数据空间属于低维几何结构,以及背景-异常(含噪声)子空间的可分性是其具有共性的本质特征。在统计意义上蚀变异常在遥感高(多)光谱数据集合中是可识别的。     

基于GF5-AHSI数据的新"三边参数"浅海水深反演

以上海市横沙滩涂浅水区为研究区域,利用GF5-AHSI高光谱遥感数据和同时期水深数据,通过新"三边参数"方法和相关分析提取建模因子,基于最优标度回归方法建立该区域的水深反演模型,并进行精度验证.研究发现:检验样本的决定系数达到了0.885,均方根误差为0.80 m,模型精度和可靠性较高,可以用于横沙浅水区水深反演.     

面向高光谱矿物填图的多特征结合降维方法研究

高光谱影像具有图谱合一的特点,图像空间信息是遥感影像的重要信息,但以往基于最佳波段选择的降维方法中只考虑基于灰度统计的特征空间信息,忽视了图像空间信息,而且计算量大。综合高光谱遥感影像的特征空间与图像空间信息,提出了一种多特征结合的高光谱影像降维方法并应用于矿物填图中。统计分析波段相关性并划分不同特征子空间;计算各波段的分形维数,在各子空间选择分形维数较小的波段作为候选波段;在候选波段中,计算待识别地物光谱间的相关系数,并快速选择出最佳波段组合。经实验,应用该方法选出的最佳波段组合影像清晰、不同蚀变矿物对比明显,根据特征选择提取出的矿物蚀变信息与应用成熟的光谱角制图(SAM)提取结果大致相同,表明结合图像空间和特征空间的降维方法能够选择出理想的波段组合,有效降低高光谱数据的维数,信息提取效果好。      

基于夜间灯光数据和空间回归模型的城市常住人口格网化方法研究

精确掌握常住人口的数量和分布特征有助于明确社会发展情况、提高人口管理能力。目前人口数据主要以行政区为单元统计,难以表现城市内部的人口分布特征。然而,在城市中,受道路、公共服务设施、城市亮化灯光的影响,利用夜间灯光数据对人口回归,精度降低。如何提高城市常住人口回归结果的精度,值得深入研究。上海是中国的国家中心城市之一,在快速城镇化进程中上海面临巨大人口压力。因此,本文以上海市为研究区,以NPP-VIIRS (National Polar-orbiting Partnership Visible Infrared Imaging Radiometer Suite)夜间灯光数据、乡镇级常住人口统计数据为基础,提取商业和居住区的灯光数据来缓解交通、城市亮化区的影响,提高灯光累计值与常住人口数的相关性（相关系数从0.7032提高至0.8026）。然后,本文用空间回归模型对上海市2013年常住人口进行回归,相对误差为10.57%,并对回归结果进行分乡（镇、街道）修正。实验结果表明,使用空间回归模型对常住人口回归可以取得较高的精度,且格网化结果能够弥补传统统计数据空间分辨率低的缺点,更加详细地刻画常住人口的圈层特征与真实分布情况。