面向无人机可见光影像的植被指数评价

以无人机可见光影像为数据源,选用归一化绿红差指数(NGRDI)、归一化绿蓝差异指数(NGBDI)、超绿指数(EXG)、超绿超红差分指数(EXGR)、植被颜色指数(CIVE)、可见光波段差异植被指数(VDVI)、改进型绿红植被指数(MGRVI)、超绿红蓝差分指数(EGRBDI)、红绿蓝比值植被指数(RGBRI)以及增强归一化绿蓝差异指数(E-NGBDI)可见光植被指数,通过10种植被指数分别计算出植被指数灰度图。采用最大熵值法计算阈值划分出植被与非植被,并将分类结果与通过监督分类获得的参照图进行精度验证。精度评定采用Kappa系数、用户精度、生产者精度3种方法。通过比较其结果发现,EXG和VDVI的植被提取结果最为准确,方法适用性和可靠性较好。     

基于无人机低空遥感和现场调查的潮滩地形反演研究

潮滩地形与滩涂湿地生态系统的结构和功能密切相关,准确获取高精度的地形数据,对于分析潮滩的冲淤动态和盐沼植被扩散过程具有十分重要的意义.受自然潮滩观测时间有限、观测条件恶劣及植被覆盖等因素影响,传统的潮滩地形监测方法往往存在操作困难、效率较低、成本过高及覆盖范围有限等不足.文章通过无人机低空遥感方法获取航拍影像与其波段信...     

基于无人机遥感和面向对象法的简单地物分类研究

近年来,全国各地进行了大范围的土地利用调查,随着无人机遥感技术越来越成熟,无人机影像分析技术已深入应用到土地利用调查中,其中最多的用途是地物分类。本文选择昭通市昭阳区某乡镇区域为研究区,对采集到的无人机影像进行预处理,生成对应的正射影像;基于多种可见光植被指数,计算每3种指数合并得到影像的OIF指数,确定最佳波段组合;采用基于规则和基于样本两种面向对象分类方法,提取房屋、道路、植被等简单地物及背景。分析结果:两种方法的提取精度均达到90%以上,基于规则的面向对象分类方法精度较高,但耗时较长;基于样本的面向对象方法耗时较短,精度相对较低。两种方法相结合的全自动分类提取是下一步研究的目标。     

大兴安岭林区无人机可见光影像散发枯立木识别算法

枯立木识别对森林资源管理,生物多样性保护,以及森林碳储量变化评估具有重要价值.无人机高分辨率影像为枯立木调查提供了较为便捷的方式.现有枯立木识别算法多依靠拥有红边、近红外波段的多光谱影像来实现.相比于多光谱相机,消费级无人机通常搭载的是用于获取可见光(RGB)影像的普通数码相机,较少的波段信息为基于RGB影像的枯立木自...     

改进支持向量机算法无人机影像信息精确提取

支持向量机(SVM)算法作为一种成功应用于大多数遥感影像的分类方法,虽然具有较高的提取精度,但是针对分类中仅仅采用单一参数,严重依赖于参数选择的不足,该文基于AdaBoost算法提出一种改进的SVM分类方法。该方法采用选择径向基函数作为核函数的SVM算法作为AdaBoost的弱分类器,实现了核参数的自适应调整。实验结果证明,该方法可以达到精确提取无人机影像信息的目的。     

利用无人机高光谱影像的红树林群落物种分类

近年来红树林群落中物种结构简单、功能退化等环境问题日趋严重,为了及时准确掌握红树林群落的物种空间格局与分布,本文首先基于深圳福田红树林自然保护区无人机高光谱影像,利用归一化差值植被指数和归一化潮间红树林指数提取植被区域;然后在植被区域根据最佳指数法选取信息量大、波段相关性小的波段组合,分别采用基于像素支持向量机分类方法和面向对象影像分类方法对红树林物种进行分类。试验结果表明,基于像素支持向量机分类方法的总体精度为81.03%;利用面向对象影像分类方法的总体精度为85.58%。面向对象影像分类方法能有效去除椒盐噪声,充分利用对象光谱、形状及纹理信息,提供更准确的红树林分布信息。     

基于无人机遥感的信息提取研究

无人机遥感系统可以获取矿区高分辨率遥感影像,具有较强的灵活性和现势性,成图速度快,能广泛应用于各种调查任务。本文以江西省定南县稀土矿区为研究区,介绍了无人机遥感系统的组成、航拍流程和数据处理的方法,通过面向对象的多尺度分割技术,建立不同地物类别对应的分类层次,然后根据地物特征进行信息提取,最后总结出一套基于无人机遥感的矿产信息提取方法。     

一种无人机热红外与可见光影像匹配方法

针对异源无人机影像视角、分辨率、灰度值差异大的特点,提出一种基于语义深度局部特征的无人机热红外与可见光影像匹配方法。该方法首先利用全卷积神经网络和注意力机制提取具有语义信息的深度局部特征;其次以多通道特征图作为描述符进行kd-tree匹配;最后将向量场一致性VFC(Vector Field Consensus)和随机采样一致性RANSAC(Random Sample Consensus)相结合(VFC-RANSAC)进行误匹配剔除,从而实现无人机热红外与可见光影像的稳健匹配。匹配试验表明,与SIFT、KAZE等提取的人工特征相比,深度特征可以抵抗更大的影像几何和辐射差异;与RANSAC相比,VFC-RANSAC能够更有效地剔除外点,获得更高的正确匹配率和匹配精度。     

蓝藻的卫星遥感研究进展

蓝藻在水体中分布广泛，对水体中碳、氮循环起到重要作用。蓝藻体内的藻蓝和藻红蛋白具有特征性光谱，通过这些光谱可以对蓝藻进行卫星遥感监测。本文主要从海洋、内陆水体中蓝藻的卫星遥感和国内水体生物光学研究状况等方面进行阐述，并对未来的研究趋势进行了展望。     

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。     

融合无人机影像与LiDAR点云的山区地表覆被景观特征探测

机载LiDAR数据能够准确提供对象的三维空间位置信息,无人机高分辨影像具备丰富的色彩信息与纹理信息,综合两种数据的优点,可进行数据集成融合。针对山区普遍存在的分布广泛的植被覆盖类型基质景观,本文通过构建可见光植被指数（VDVI）融合光谱信息点云数据,进行典型植被特征提取的研究。为了验证该方法提取信息的准确度,分别构建了3种数据源并依次进行山区地表植被提取试验。对试验结果定性定量分析表明,融合光谱点云数据的植被覆被率为56.8%,较另外两种数据类型的植被覆被率更加接近参考值（58.2%）,可信度相对较高,效果更好,植被图斑轮廓更加清晰,更适用于目标对象植被特征提取,使融合影像信息的点云数据分类优势得以体现,证实了该方法面向山区植被特征提取的可行性。     

基于波段选择的高光谱遥感影像分类

针对高光谱数据波段众多、数据量较大的特点,提出了一种基于波段选择的高光谱遥感影像分类方法,以北京昌平小汤山地区高光谱遥感数据为例,分析了各波段的信息含量和相邻波段的相关性,采用子空间划分、自适应波段选择的方法,实现了特征波段的选择。针对农村道路和空地、柏油路和居民地间的同谱异物现象,利用J-M距离模型判别其类间的可分性,获得了最佳波段组合,最后采用支持向量机分类器进行分类。结果表明,采用波段选择的方法能有效地提高高光谱数据的分类精度。     

基于ENVI的遥感图像监督分类方法比较研究

基于监督分类方法在遥感影像分类中的普遍应用,介绍了四种ENVI提供的常用的监督分类方法。对同一TM图像运用这四种方法进行分类,并对分类结果进行了对比,从而分析了这四种方法分类精度之间的差异。     

关于轻型无人机航摄影像的质量探讨

无人机航摄系统作为传统航空摄影测量手段的有力补充,在小区域大比例尺地形测绘领域发挥了积极有效的作用。本文主要从像片重叠度和像片旋偏角两个方面对轻型无人机航摄获取的影像进行检查和分析,探讨无人机影像质量检查的内容、存在的问题和改进方式。     

基于支持向量机的遥感影像厚云及云阴影去除

本文提出了一种基于支持向量机的遥感影像厚云及云阴影去除方法。首先利用支持向量机的学习性能检测影像中的云层,并利用太阳角度信息,判定云阴影区域,得到云层和云阴影的二值图。再对影像进行支持向量值轮廓波变换,利用云层和云阴影二值图生成的选择矩阵,对变换系数进行多层镶嵌,完成云层及云阴影的初去除。对影像镶嵌未能去除的云层及云阴影,通过统计学补偿的方法进行修复。最后重构图像并进行中值滤波实现厚云及云阴影去除。仿真实验表明,该方法能更好地再现云层覆盖区域的地物信息,去云后的图像具有更好的光滑度和清晰度。     

多特征差分核支持向量机遥感影像变化检测方法

讨论了利用遥感影像光谱、纹理等多种特征信息的多核函数组合方式,给出了多特征空间差分核函数的构建方法,设计了多特征差分核支持向量机变化检测算法,该算法能够实现联合类别样本加权和遥感影像多种变化类别信息的直接检测。实验结果表明,该算法综合利用多种特征信息,检测精度明显高于传统方法,有利于提取小样本的变化信息,避免了以往检测方法需要确定变化阈值的复杂性和不确定性。     

无人机低空遥感海洋监测应用探讨

结合福建省测绘院即将开展的国家863项目课题《重点海域海洋环境精细化监测集成应用示范》其中的子课题《无人机海洋监测系统》,提出了使用无人机低空遥感进行海洋监测的设想,并进行了可行性分析。