IKONOS影像城市植被信息提取前的阴影校正

在高分辨率卫星影像的预处理上,阴影的提取与校正是一个难题,本文根据实际需要,采取不同的方法对建筑物阴影和山体阴影进行提取,并采用不同的校正方法进行校正。对城区建筑物阴影,采用基于影像融合的IKONOS影像阴影自动提取方法对阴影进行提取,再采用郎伯模型进行校正;对山体阴影,直接采用监督分类的方法对山体阴影进行提取,再采用灰度线性匹配的方法进行校正。实验表明,分开提取与校正的策略能取得较为理想的效果。     

高分辨率遥感植被分类研究

以南京市区的植被覆盖为研究对象,基于IKONOS遥感影像,采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,继而结合高分辨率影像特有的纹理特征引进局部一致性指数对该方法进行改进,提出结合纹理信息的高分辨率遥感植被分类方法,分类总体精度从仅利用光谱信息的83.16%显著提高到91.89%,Kappa系数达到0.8886。采用Quickbird遥感影像对该方法进行验证,分类总体精度为91.94%,Kappa系数为0.8783,表明该植被分类方法能有效地对植被进行分类与识别,精度较高,且对于不同数据源的植被分类具有一定的普适性,为实现植被的自动化提取提供了理论依据和有效的方法途径。     

结合阈值分割和数学形态学的建筑物阴影检测

随着高分辨率遥感影像技术的不断发展,从高分辨率遥感数据中提取建筑物信息将会成为城市数字化的重要信息来源。建筑物阴影包含了建筑物的高度、形状及位置等信息,准确提取建筑物阴影对后续影像的处理具有重要的意义。在阈值分割和数学形态学两种算法原理的基础上,结合两种算法实现了建筑物阴影的提取及优化。试验表明,两种算法的结合能够比较准确的提取出建筑物阴影信息,排除小阴影区域的干扰,并能较好地检测出阴影的边界,保证建筑物阴影的形状和大小。     

辐射特征支持下的城市高分影像阴影校正

大量城市建筑使得高分影像中含有许多阴影区。这些阴影区在土地利用分类、植被绿度调查等遥感应用中会较大地影响结果精度,降低数据使用效率并增加研究成本。基于同一地物阴影区与临近非阴影区反射率相等这一辐射特征关系,通过建立辐射传输方程,发展了一种新的城市高分遥感影像阴影校正方法 RERB(Reflectance Equality Relationship Based Method)。利用RERB对不同城市(北京和荷兰Enschede)不同高分多光谱影像(Geo Eye-1和Quick Bird)进行阴影校正,并对比分析其与被广泛采用的均值方差变换法MVT(Mean and Variance Transformation)的校正结果,通过定性和定量精度评价发现:(1)RERB能很好地将城市阴影区影像视觉特征(颜色、纹理、色调等)信息恢复到与非阴影区同一水平上;(2)RERB恢复后的阴影区具有丰富的细节信息且在视觉上与临近非阴影区具有良好的一致性;(3)RERB恢复后的城市柏油路面和水泥路面阴影区辐射信息具有较低的误差,可见光-近红外波段的平均误差分别为7%和9%。同时RERB能较好地恢复城市阴影区植被波谱特征信息。     

Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响

本文主要是探索Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响。介绍了使用的3种不同辐射校正方法(ATCOR3、FLAASH以及查找表)和两种分类算法。在分类实验部分,根据样本的地理坐标在3景校正影像中分别采集训练样本并训练各自的分类器,并交叉用于其他辐射校正影像的土地覆盖遥感分类。实验结果表明:(1)用于分类器训练的样本采集自待分类影像时的分类精度明显高于采集自其他影像的分类精度;(2)3种辐射校正影像的分类结果存在差异,其中使用ATCOR3和FLAASH方法校正后影像的分类结果有更相近的精度;(3)辐射校正对分类类别的影响不同,其中对森林类型影响最大,对裸地等其他类别影响相对较小。     

高分辨率遥感影像建筑容积率提取方法研究

提出了一种基于建筑物阴影的高分辨率卫星遥感影像建筑物容积率提取方法。首先利用高分辨率遥感影像提取城市大范围建成区建筑物阴影,再通过阴影矢量化、阴影坐标转换,将大比例尺的卫星分幅图进行自动拼接,最终根据阴影与建筑物面积关系回归分析、建筑物朝向分析等进行建筑容积率的计算和半自动提取。对上海中心城区的建筑容积率的提取实验验证了所提方法的有效性。     

密集城区高分辨率遥感影像建筑物提取

建筑物在地理国情监测中是一个重要目标,快速、准确地提取城市建筑物可以带来巨大的经济价值。本文在前人针对城市区域的建筑物提取研究基础上,对现有提取方法存在的问题,提出了一种针对密集城区的面向对象自动化建筑物提取流程。首先利用高分辨率遥感影像得到阴影和建筑物初提取结果;然后利用阴影和建筑物的空间位置关系,建立筛选条件,对疑似建筑物区域过滤;最后通过图割算法来精确建筑物轮廓。通过使用武汉地区的两幅QuickBird影像进行算法验证试验,可得到准确的检测结果。本算法可应用于密集城区的建筑物检测,能够有效减少人工判图的工作量。     

高分辨率遥感影像地物阴影去除算法研究

近几年来,随着遥感技术的快速发展,卫星传感器的空间分辨率在不断地提高,高分辨率遥感影像的应用范围也越来越广,主要包括地形图绘制、变化检测、数字化城市建设等方面。然而,阴影的存在会给高分辨率遥感影像的处理结果带来很多不利影响,如图像匹配、地物的识别与提取等。因此,准确提取高分辨率遥感影像中的建筑物阴影并将其去除掉,是目前遥感影像图像处理方面的一项重要工作。对国内外阴影检测与去除算法系统进行研究,发现现有的算法存在很多局限性,并且处理结果不是很理想,误检率较高。针对这些问题,本文改进了Wallis滤波算法,并基于Matlab进行了结合颜色恒常性理论的阴影去除算法实验研究。通过实验和定量评价,验证了这两种算法较传统的阴影去除算法精度更高。     

面向对象的高分辨率遥感影像阴影提取方法

针对高分辨率遥感影像阴影提取的问题,通过分析影像主成分变换和HIS变换的特征,提出了一种面向对象的高分辨率遥感影像阴影提取方法:首先,使用mean shift分割方法进行影像去噪和平滑;然后,结合主成分变换和HIS变换形成了一种阴影检测指数(SDI);最后,通过阈值分割提取阴影信息。选取两景影像进行了阴影提取实验。实验结果表明,SDI能有效地区分阴影与建筑物、水体、蓝色地物、植被等非阴影地物;另外,mean shift分割能有效地去除结果中斑点噪声的影响,提高阴影检测精度。     

遥感影像相对辐射校正方法及适用性研究

遥感影像相对辐射校正是一项基础的数据预处理工作,用于去除影像整体的辐射不均匀性、条带噪声、坏线等辐射问题,经过30多年的发展,已形成几十种不同的相对辐射校正方法和算法。面对种类众多的相对辐射校正方法,它们之间的区别和关联是什么,每种方法的特点是什么,如何选择合适的校正方法,是3个亟需解决的问题。围绕这3个问题,第一,本文以相对辐射校正系数获取的不同方式为原则,将现有的相对辐射校正方法分为3大类:定标法、统计法和综合法,使该分类体系能够反映各类校正方法的区别和关联。第二,在新的分类体系下,给出了定标法、统计法、综合法的数学模型表达,详细介绍了3类方法包含的每种具体的校正方法和算法,比较分析了每种方法的基本思想、原理和优缺点。第三,从影像辐射不均匀特征、影像几何特征、传感器定标、影像综合特征4个方面,对各种校正方法的适用性进行综合分析,给出了科学合理地选择相对辐射校正方法的建议,同时结合具体应用实例进行了实验验证。最后,分析了相对辐射校正研究的发展趋势和存在的问题,有效信息和噪声的计算机判定准则、相对辐射校正效果的评价体系、相对辐射校正对于后续的绝对辐射校正结果的影响是下一步需要深入研究的问题。     

城郊高分影像中利用阴影的建筑物自动提取

提出了一种充分利用阴影实现自动分类与后处理相结合的建筑物自动提取方法:首先根据阴影和植被自动检测结果并选定裸地样本确定预分类CMap图,并设计了基于偏移阴影分析的建筑物样本自动提取方法,结合支持向量机（support vector machines,SVM）分类模型将影像分为阴影、植被、建筑物、裸地4大类以提取建筑物初始结果;通过形态学处理提升区域完整性,区域增长补充漏检区域,利用设计的相交边界阴影比率筛除无阴影的非建筑物等措施,进行后处理优化获取最终结果。实验表明,充分利用阴影信息,不仅能准确、全面地获取各类样本,保证分类精度,与后处理优化策略紧密结合,大幅度提高了正确率和完整度;并且自动化程度得到有效提高,更适用于城郊区域建筑物的提取。     

多重约束下的建筑物阴影提取

在基于结构线一侧灰度统计法进行阴影检测的基础上,结合了灰度约束、几何约束、上下文约束和其他辅助信息,提出了一种多重约束下的建筑物阴影提取方法,实现了对建筑物阴影的提取,并利用IKONOS影像和航空像片进行了试验,证明该算法是有效而稳健的。     

基于SVM决策支持树的城市植被类型遥感分类研究

城市植被类型不同,生物量不同,其生态功能与绿化效应也不同。在目前难直接获取城市“绿量”实测数据的情况下,可以绿地面积和植被类型间接反映绿地的生物量和绿化效应。本文利用高分辨率卫星影像IKONOS,以实验区与验证区城市植被类型信息为对象,在对常用的参数和非参数分类方法进行对比实验的基础上,对SVM的核函数进行了分析,构建了基于SVM决策树的城市植被类型分类模型。分类实验结果表明：与其他传统方法分类结果比较,SVM的决策树分类方法对植被类型的分类精度达到83．5％,绿化面积总精度接近95％,取得了良好的效果。     

地形辐射校正在极化SAR影像分类中的应用

由于SAR斜距成像几何方式及地形起伏的影响,原始SAR影像存在透视收缩、叠掩、阴影等严重的几何畸变和辐射畸变。其中,叠掩区具有强烈的后向散射回波,在极化SAR影像的分类研究中容易造成林地与居民地等地物混分,降低分类的精度。针对该问题,本文研究一种地形辐射校正方法,引入投影角计算后向散射系数γ0,有效地解决了地形起伏造成的辐射畸变问题。选取一景全极化Radarsat-2影像进行实验验证,分别对地形辐射校正前后的极化SAR影像进行了复Wishart监督分类。通过对分类结果的比较,表明经本文地形辐射校正方法处理后,极化SAR影像的分类精度得到了改善。     

脉冲耦合神经网络的遥感影像城市道路提取

针对高分辨率遥感影像中阴影对道路提取产生较大干扰的问题,提出了一种基于脉冲耦合神经网络(PCNN)的城市道路提取方法。该方法首先在近红外波段检测并消除阴影和水体的影响,并使用PCNN对消除阴影后的灰度图像进行分割处理;然后使用形态学建筑物指数(MBI)和归一化差分植被指数(NDVI)分别提取出建筑物和植被信息,消除建筑物和植被的影响;最后提取受行道树影响较大的道路,并对处理后的图像作数学形态学法的处理。该文以深圳市SPOT-7高分辨率影像进行实验。实验表明,该方法能保留原始的道路边缘细节信息,并对阴影具有很好的抗干扰作用,提取的道路信息具有很好的连续性和完整性。     

基于资源三号影像的建筑物高度信息提取方法

建筑物高度信息的获取是高分辨率遥感影像信息提取研究中的热点问题之一。该文提出了一套结合面向对象分类方法的建筑物高度反演技术方法。首先,利用建筑物和阴影的形态学指数,通过面向对象分类方法提取建筑物轮廓和阴影信息;然后,采用相交线平均法计算阴影长度;最后,根据阴影长度和建筑物高度的几何关系模型计算建筑物高度。采用西安市的国产资源三号(ZY-3)卫星遥感数据进行提取试验,通过171栋建筑物的实际测量高度对结果进行验证,获得了91.23%的总体精度,显示出该方法在建筑物高度信息提取研究方面具有一定的现实意义。     

基于LSMA的TM影像云和阴影的检测与去除方法

云和阴影是影响遥感图像判读精度和可用性的主要因素,传统的辐射校正方法很难去除其影响,因此各种去云和阴影的方法应运而生,但在去除效果和实用性方面存在问题。去除云和阴影需以定量检测云和阴影为前提,因此通过分析TM影像中不同地物在不同波段的反射率差异,设计了一种基于动态端元选择的LSMA(线性光谱分解)算法,选择了云、绿色植被、阴影和不透水表面等4种端元,定量检测了云和阴影的分布,并以此为基础实现了对云和阴影的去除,通过处理前后影像的对比分析证明该方法是有效的。     

基于双张影像的城市建筑物高度提取方法

针对现有城市建筑物高度提取方法存在的问题,提出一种基于双张影像的城市建筑物高度简易提取方法。利用高分辨率遥感影像和建筑物立面影像,分别提取样本建筑物的阴影长度和高度,采用最小二乘法解算出影像阴影和建筑物高度的相关公式,通过阴影长度反算出建筑物的高度,从而实现大批量建筑物高度数据的获取。通过建模实例和测量对比实验表明,方法具有操作简单、快速的特点,能满足较高的精度要求,具有一定的应用价值。     

一种顾及空间相关性遥感影像辐射度的地形校正算法

地形校正的目的是消除太阳光照对不规则地面地物辐射值的影响。这种影响会使相似植被类型地物的辐射值发生很大的变化。因此,在地形复杂的地区,地形校正是影像预处理的一个重要步骤。传统的基于单像素的地形校正方法,虽然减小了辐射值的变化,但在太阳入射角低的地区常常出现校正过度的情况。针对这种误差进行分析,提出一种考虑了空间相关性的校正算法,并且利用鄂西地区的Landsat7卫星影像进行的试验证明,该算法优于传统的地形校正模型。     

包络线去除的丘陵地区遥感影像阴影信息重建

中国西南丘陵常态山和喀斯特山交错分布,遥感影像普遍存在山体阴影,分布零散且无规律,基于DEM的地形校正模型(C校正等)虽然算法成熟、易于操作,但在复杂地形区存在误差。引入基于相似像元包络线的阴影校正方法(CR校正),按照阴影提取、包络线去除、相似像元寻找和阴影亮度重建的步骤,采用西南丘陵地区Landsat 8 OLI影像进行验证实验。结果表明:CR校正后,阴影区的视觉特征与邻近非阴影区趋于一致,阴影像元亮度有明显提升;校正后影像主要波段标准差减小,与非阴影区参考光谱的相对均方根误差在2.919%以内,最低仅为0.516%;自动分类精度从43.59%提高到61.57%,CR校正有效提高了有阴影的丘陵地区遥感影像质量。