基于多尺度空间ANN - CA模型的遥感影像超分辨率制图方法研究

为获取遥感影像混合像元中各组分的空间分布状况,提出一种新的遥感影像超分辨率制图方法,用于继混合像元分解之后的亚像元定位。将元胞自动机理论移植到不同空间尺度的演化上,建立基于神经网络的多尺度元胞自动机模型(ANN-CA),并利用该模型提取北京市海淀区城镇用地超分辨率信息。结果表明,该方法能有效表达图像像元之间的空间自相关性。     

遥感影像混合像元分解中的端元选择方法综述

端元选择是进行遥感影像混合像元分解的首要步骤,也是最关键的步骤,其直接影响混合像元分解的精度。该文对遥感影像混合像元分解中端元产生的特定背景、当前存在的端元选择途径和端元选择方法进行综述,并通过对当前端元选择方法的分析,提出了选择或构造端元选择方法应遵循的几个原则。     

基于支撑向量回归的二端元混合像元分解

针对遥感影像混合像元光谱复杂,其非线性特征,传统LSMM分解模型难以进行有效的混合像元分解的不足。通过基于SVR的二端元混合像元分解的研究,从真实遥感影像上获取典型的植被、非植被光谱信息,构造二端元混合光谱库,进行SVR模型的混合像元分解。当样本量为6%时,交叉验证获得最佳模型参数（C=1024.0和g=4.0）,进一步对全部混合像元进行混合像元分解。实验结果表明：SVR分解结果RMSE为5.95,R²为0.958,优于LSMM方法（RMSE=7.71,R²=0.932）,且在各个不同真值丰度下具有更好的稳定性,证明该方法对于非线性混合光谱具有很好的学习和推广能力。此外,该方法的精度不随训练样本量的增加呈明显变化,体现出SVR在有限样本情况下能够保证高效率的训练能力。     

基于混合像元分解模型的TM6/ETM+热红外波段地表比辐射率估算

地表比辐射率是热红外遥感中的关键参数,在TM6/ETM+热红外波段地表比辐射率估算过程中亟待解决的是混合像元问题.针对该问题选取湖南省张家界永定区TM6影像,基于混合像元分解模型,综合采用散点图和PPI方法提取端元,得出研究区平均比辐射率估算值为0.988.经验证发现纯净像元比辐射率估算精度较高,估算值与实际值的偏差均小于0.003,4种不同土地利用类型的估算精度由高到低依次为水域、林地、耕地和建设用地.     

绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例

以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。     

ETM+影像亚像元级城市土地覆盖组分丰度提取——以南京市为例

城市景观复杂,地物具有强烈的空间异质性,利用中等空间分辨率遥感影像(如ETM )进行城市土地覆盖研究会出现大量混合像元。针对该问题,以南京市为例,通过混合像元分解提取城市土地覆盖组分丰度,进行城市土地覆盖研究,并从各个波段的残差、平均残差、相对误差、均方根误差等方面分析模型误差。利用IKONOS影像对提取的组分丰度图像进行精度验证,发现不同城市土地覆盖组分丰度图像具有一定的可靠性,与城市实际情况吻合。城市土地覆盖组分丰度图像还能作为一种新的数据源用于城市功能分区、城市人口数据空间化和城市环境监测与评估等研究中。     

不同分辨率遥感图像混合像元线性分解方法研究

混合像元的存在是传统像元级遥感分类和面积量测精度难以达到实用要求的主要原因,为了提高遥感应用精度,须解决混合像元分解问题。传统的方法主要通过改进分解模型提高分解精度,该文在不改变线性分解模型的条件下,分析不同分辨率尺度对于线性分解精度的影响。实验中运用像元合并的方法,得到不同分辨率的TM系列遥感图像,分别选取植被、裸地、水体3种典型地物进行线性分解;以分辨率更高的Quickbird图像分类结果作为真值进行精度评价。实验结果表明:随着图像分辨率的降低,植被的RMSE值不断缩小,在30 m分辨率尺度上均值为0.36,在150 m尺度上均值为0.17,分解精度提高了1倍左右;但随着分辨率进一步降低,由于混合像元现象加剧,RMSE值上升,分解精度随之降低。     

动态端元组合混合像元分解法在植被覆盖度动态监测中的应用——以长汀县为例

传统的像元信息分解法在计算端元丰度时端元组合是固定不变的,而在土地利用复杂地区,固定端元组合并不符合实际情况。文章针对研究区用地类型特点,预先设定数种端元组合,通过最小二乘法选择误差最小的端元组合进行端元丰度反演,进而计算出植被覆盖度;并以实测的地表反射率作为端元反射率,避免了大气差异造成的多时相误差,有利于进行动态监测;预先进行水陆分离,仅对陆地像元进行计算,可以避免水体像元的干扰并提高模型效率。辅以同期成像的高分影像对模型精度进行验证,相关系数达到0.98。将模型应用于长汀县近18 年4 个时相的Landsat 卫星数据,认为近年来长汀县植被覆盖度总体呈现变好的趋势,尤其是汀江沿岸;而城市化、火烧坡、大型工程建设是长汀县植被覆盖度局部变差的主要原因。     

基于最小二乘影像匹配的超分辨率重建

通过序列影像间的互补信息改善影像失真和退化的超分辨率重建,其关键是精确获取序列影像间的运动信息。该文讨论了一种基于最小二乘影像匹配的高精度运动估计方法,根据最小二乘影像匹配的高精度同名像点,获取同名点在序列影像间的运动信息,从而进行低分辨率序列影像的子像素级运动信息精确估计,据此进行超分辨率重建。利用一组模拟低分辨率序列影像进行的超分辨率重建验证结果表明:基于最小二乘法运动估计精度较高,采用迭代反投影法重建影像具有较好的视觉效果,该方法尤其适用于存在平移运动的影像序列的超分辨率重建。     

基于谐波分析和线性混合模型的河北平原区土地覆被分类研究

土地覆被分类是研究土地利用/覆被变化的基础数据和关键环节。以16d合成MODIS-EVI时间序列数据为主要数据源,采用谐波分析方法分析不同土地覆被类型的季节性变化规律和物候特征差异,引入谐波特征值构建线性混合模型,提取不同端元的丰度值。从土地覆被类型较齐全、谐波特征具有代表性的石家庄地区高空间分辨率影像上选择训练样本,确定MODIS纯净像元和混合像元的划分阈值,对河北平原区进行土地覆被分类制图。结果表明,与河北省县级土地调查统计数据对比,一年两熟耕地、一年一熟耕地、园地及有林地、自然陆地表面的总量精度分别为90.19%、86.17%、85.96%和77.82%,平均总量精度为85.03%;与石家庄地区9个县(市)一年两熟耕地和一年一熟耕地基于TM的分类结果对比,平均面积相对误差分别为10.25%、13.98%。受粗空间分辨率和合成周期、水热条件以及种植模式破碎化限制,混合像元主要集中在河北平原中东部地区,一年两熟耕地、一年一熟耕地、园地及有林地混合面积比重较大。