基于地貌类型的土壤有机质多光谱遥感反演

基于地貌类型分析土壤有机质含量与多光谱遥感影像光谱波段之间相关关系,构建不同地貌类型区有机质含量反演模型。结果表明,各波段光谱反射率与土壤有机质含量均呈负相关关系。利用SPSS软件对所有波段进行剔除变量(remove)线性回归分析,当全部波段参与构建反演模型时,一次反演模型拟合效果较好。分地貌类型区构建土壤有机质反演模型精度高于整个区域反演模型精度,与实际值对比,当允许误差为7%时,土壤有机质含量识别度为91.65%。基于地貌类型构建土壤有机质含量反演模型提取研究区土壤有机质含量切实可行,且精度较高。     

利用无人机多光谱影像提取树冠信息

树冠作为树木主要组成部分之一,是树木长势监测、树种识别等内容的重要参数,对森林资源调查和生态研究具有重要意义。与传统的实地调查相比,运用无人机遥感技术提取树冠信息具有高效、便捷等优势。本文基于无人机多光谱影像提取树冠信息,在树冠点探测上结合局部最大值法与Mean Shift优化策略,较原始局部最大法探测精度提升约10%。此外,提出了一种新的树冠边界提取算法,运用动态规划思想进行全局最优边界提取。与以往分水岭分割算法相比,本文算法在较密集林区和稀疏林区均有更好的提取效果,在试验样区稀疏林区F测度提升12%,较密集区F测度提升28%。     

无人机多光谱影像土地利用信息提取方法研究

以无人机多光谱和倾斜影像为数据源,运用面向对象自动分类的方法,首先利用分型网络演化分割算法(Fractal Net Evolution Approach,FNEA)进行分割实验,确定研究区每个地类最优分割尺度,并结合多光谱影像的光谱特征、纹理特征、空间特征、语义关系以及通过倾斜摄影提取的数字表面模型(Digital Surface Model,DSM)和其衍生的坡度数据等,构建研究区分类规则集,并采用多尺度分割后的多层次信息提取方法,将地物分为3个尺度,在不同尺度下提取相应的地物,总体精度为88.03%,Kappa系数为86.12%,分类结果较好。同时设置对比实验,利用传统的决策树方法分类,其总体精度仅为77.78%,Kappa系数为74.23%。研究表明,针对无人机的高分辨率多光谱影像面向对象的多尺度信息提取方法在信息提取时要优于决策树分类方法,同时验证了该多光谱传感器在信息提取上应用的可行性。     

基于无人机高光谱遥感的河湖水环境探测

本研究以上海市崇明岛内陆水体为研究区,通过无人机高光谱遥感影像对水体颜色变化及疑似污染水体识别进行研究.首先,对无人机搭载的高光谱传感器探测获得的辐亮度信号,进行了遥感反射率标定,通过与现场观测对比,该标定方法准确度较高,各波段平均无偏绝对百分比误差的均值为13.34％,决定系数R2均值为0.83.进一步,利用河湖水体...     

应用GA-SVM的渭河水质参数多光谱遥感反演

建立了基于支持向量机的遥感水质参数反演模型, 构建了基于浮点数编码的遗传算法优选模型参数。以渭河为研究对象, 基于高分辨率多光谱遥感SPOT-5数据和水质实地监测数据, 分别建立了一元和多元经验模型进行渭河水质参数的反演。在样本数目有限的情况下, 提出的GA-SVM方法的反演结果比神经网络和传统的统计回归方法好, 且各方法的多元回归结果均好于一元回归的结果。SVM具有强的非线性映射能力, 适合小样本情况, 由GA实现了模型参数的自动优选, 使GA-SVM用于解决回归问题表现出优势。将机器学习和全局优化智能     

无人机多光谱遥感结合DEM在估测植被面积中的研究

准确地估测植被覆盖度对于生态环境、自然资源评估有着重要的意义.本文通过无人机获取多光谱影像结合DEM,对拍摄区域植被面积进行估测;利用无人机遥感平台搭载的Sequoia多光谱相机获取影像数据,研究了常见的4种植被指数(归一化差值植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、绿度归一化植被指数(GNDVI))在植被面积估测中的适用性.实验结果表明,无人机多光谱影像结合DEM,在植被面积估测中具有可行性.其中,归一化差值植被指数(NDVI)可使植被从土壤、水体、阴影等复杂背景因素中分离出来,能较为准确地统计植被覆盖面积.通过无人机多光谱影像估测绿植覆盖面积,可为精细化作物管理、农业估产提供决策依据.     

无人机多光谱影像的天然草地生物量估算

地上草地生物量是衡量天然草地生态系统的重要指标,是草地资源合理利用和载畜平衡监测的重要依据。为了快速、准确、有效地估算天然草地地上生物量,掌握其变化规律,以天山北坡天然牧场为研究区,分析其地上生物量的时空分布特征。根据研究区阴坡与阳坡不同的草地类型和植被种类,利用多旋翼无人机获取的高分辨率多光谱影像(含近红外波段),结合地面实测数据,在进行天然草地地上生物量与植被指数相关性分析的基础上,运用回归分析方法,建立生物量和多种植被指数的估算模型。结果表明:考虑地形因子(阴阳坡)之后,植被地上生物量与各植被指数的相关性系数显著提高;不同坡向,同一植被指数拟合精度差异较大;同一坡向,各个植被指数的敏感性也有所不同。总体上,比值植被指数(RVI)与阴阳坡草地生物量拟合效果最好,模型精度均达到75%以上。利用植被指数建立的生物量估算方法结果与实际相符,可为天然草地生态系统检测和草地资源合理利用提供方法和依据。     

基于多尺度光谱增益调制的遥感影像融合方法

针对IHS和PCA等常用影像融合方法会产生较严重的光谱扭曲的问题,基于光谱增益曲面,提出一种多尺度光谱增益调制的光谱保持型遥感影像融合方法,能够有效地减少由于饱和度变化而引起的光谱扭曲。融合试验和客观评价指标证明,与传统的IHS、PCA等方法相比,本文方法能够在提高空间分辨率和保持光谱特征之间取得更好的平衡。     

多光谱遥感影像与高分辨率全色影像融合研究

选取浙江省绍兴市作为研究区 ,探讨了IHS变换、PCA变换及Brovey变换等融合方法 ,发现Brovey变换更适合于多光谱数据与高分辨率全色数据之间的融合。     

黄浦江上游水域的多光谱遥感水质监测与反演模型

运用遥感、GPS定位技术对黄浦江上游淀山湖及支干流水环境质量中的水质污染进行了监测,探讨了以实际监测数据与遥感多光谱特征数据建立溶解氧和透明度两种水质参数的遥感反演数学模型。结果表明,利用遥感技术和数据能有效地监测水质污染状况与分布情况,是一种较为快速、可行的监测手段。     

基于GPU的无人机遥感影像快速拼接

近年来,无人机遥感技术得到较快的发展,无人机遥感技术有着实时性强、灵活性强、低成本以及获取影像分辨率高的特点,在处理应急响应任务时,运用无人机遥感技术,优势极为明显。在无人机进行对地航拍时,所获取的是单张影像,由于像幅的限制,影像并不能覆盖完整的目标区域,相邻的多张影像都有着一定的重叠度,利用重叠区域来将多幅影像依次拼接,获得目标区域的一幅完整影像。随着各种传感器技术的提升,无人机上的相机所获取到的影像的分辨率越来越高,这对影像拼接的速度提出了新的要求。基于无人机遥感影像的特点,采用SIFT算子对无人机遥感影像进行拼接工作,并在CUDA平台下对配准算法进行加速处理,从而提高影像拼接的速度。     

石漠化程度遥感信息提取方法研究

岩溶石漠化是中国西南地区的一种严重的生态环境问题。近年来有进一步恶化的趋势。本文以贵州省普定县典型研究区IKONOS遥感数据为例,给出了一种利用多光谱遥感数据定量提取岩溶石漠化程度信息的算法。在多维光谱的向量空间分析的基础上,提出了“植被线”的概念,并定义“石漠化几何指数”（GRI）为多维向量空间中不同程度的石漠化像元到“植被线”的归一化距离。作者认为使用这种方法提取石漠化程度,可以避免人工解译的主观性强,工作量大的缺点。使提取到的石漠化程度结果客观稳定。     

基于区域生长的遥感影像河流提取

通过对遥感影像中河流光谱特征的研究,提出了一种基于区域生长的遥感影像河流提取方法。该方法首先根据遥感影像生成灰度图像,选取河流生长初始区域,设置生长范围和生长阈值,通过区域生长得到河流边界,剔除河流内部"孤岛"并对边界细化,最后生成矢量文件。本文使用具有不规则河流边界的Landsat8遥感影像作为实验对象,验证方法的可行性和有效性。     

基于K-L变换的多光谱遥感图像检索方法研究

在遥感图像检索中,光谱特征的应用最为广泛。本文研究了基于光谱特征进行遥感图像检索的方法。针对目前应用越来越广泛的多光谱、高光谱遥感图像波段多的特点,提出了基于K-L变换的检索方法,将多维图像降维处理,在此基础上提取遥感图像的光谱特征,通过检索图像与目标图像的光谱特征对比实现多光谱遥感图像的检索,并通过实验验证了本文方法的有效性。     

水质遥感监测方法的探讨

不同水质具有不同的光谱特征,可以利用遥感技术对水质进行监测.水质监测结果是水质评价与水污染防治的主要依据,随着水体污染问题的日渐严重,水质监测成为社会经济可持续发展必须解决的重大问题,无论内陆水体还是海洋水体,其水质影响到国民生产和人们的生活用水,准确、快捷的水质监测显得尤为重要.水质遥感监测具有监测范围广、速度快、成本低和便于进行长期动态监测的特殊优势,在水体水质监测中具有巨大的应用潜力.本文主要对水质遥感监测方法进行探讨.     

深度残差网络的多光谱遥感图像显著目标检测

本文侧重于介绍智能化摄影测量深度学习的深度残差方法。显著目标检测致力于自动检测和定位图像中人最感兴趣的目标区域。多波段遥感图像因其更加丰富的光谱信息和揭示观测目标物理属性的能力在目标检测中获得重要应用。传统的显著目标检测方法通过手工设计特征,计算图像各像素或者超像素与邻域像素或者超像素之间的对比度检测显著目标。随着深度学习的巨大发展,特别是全卷积神经网络的引入,基于深度卷积网络的显著目标检测算法取得重要进步。然而,由于数据获取和标记的困难,多波段遥感图像显著目标检测的研究依然主要采用手工设计特征。本文研究基于深度卷积神经网络的多波段遥感图像显著目标检测算法,提出一种基于深度残差网络的自上而下的多光波段遥感图像显著目标检测网络,该网络可以有效挖掘深度残差网络不同层次上的显著性特征,以端对端方式实现显著目标检测。为了应对多波段遥感图像数据量有限、无法训练深度残差网络的问题,本文提出通过浅层神经网络从RGB图像直接生成多波段遥感图像,实现光谱方向的超分辨率。在现有多波段遥感图像和可见光图像显著目标检测数据集上的试验结果超过当前最好方法10%以上,验证了本文方法的有效性。     

无人机遥感正射影像质量评价研究

无人机低空遥感摄影是获取地理环境信息的重要手段,凭借其机动灵活、高效快速、成本低廉等特点,无人机获取低空遥感影像的方式,具备了其他影像获取方式不可比拟的优势。本文根据正射影像成果质量要求,分析了无人机低空遥感正射影像质量控制的环节和关键要素,建立了较为全面、合理的质量评价体系,提高了无人机遥感影像质量评定的效率。