影像融合技术应用于地表分类之探讨

本论文尝试讨论两个主题：主题一为利用主成分分析PCA方法应用于像元阶层资料融合技术的研究。主题二为应用Dempster-Shafer evidence theory方法于特征阶层数据融合技术的研究。在第一个主题中，由于合成孔径雷达的数据具有全偏极特性，在此选取了对植被较为敏感的HV极化合成孔径雷达数据，与具有光谱特性的光学SPOT数据做数据融合处理以利接下来的地物分类。首先，本研究利用小波转换技术来滤除合成孔径雷达斑驳噪声，在接下来融合步骤中，主成分分析出来的第一部分（PCI）是用做完滤除噪声后的合成孔径雷达取代，在数据融合后，进行地物分类是采用最大似然法来分类融合影像。在第二个主题中，利用全偏极雷达数据的极化特性结合SPOT数据的光谱特性，其主要目的是为了增加分类的精确度。首先使用李式滤波器滤除全偏极雷达数据噪声，接下来同样是使用采用最大似然法来分类融合影像，（不同的在于全偏极雷达影像使用Wishart几率分布，在光学影像采用multivariate Gaussian几率分布）将每个类别中每个像元属于某个类别的几率值计算出来，再利用Dempster-Shafer evidence theory来结合这些类别的机率值。最后产生出一张新的分类影像。实验的结果显示分类的精确度比较于未融合的资料都有明显提升的效果，也证明了此两个数据融合方法对于不同数据特性的融合都是很成功的。     

SPOT卫星影像的水体提取方法及分类研究

文中分析了水体及其它主要的地物的光谱特征在SPOT曩像中的表征特征，发现大多数地形阴影与水体的光谱特征具有一定的相似性，因而用单一的方法很难有效地提取山区的水体，经过研究，发现用决策树分类方法，在各节点设计不同的分类器，可以有效地提取山区中的水体，由于不同类型的水体其面积，周长，形状等几何特征各有特点，并且与地貌类型有一定的关系，因而可利用水体的空间特征信息，对提取的水体进行分类，其方法也选用决策树分类方法，分类结果令人满意。     

激光点云与航空影像融合分类

为了更好地利用激光点云数据和航空影像数据信息,改善影像分类效果,提出了将激光点云数据与航空影像进行融合分类,实现面向对象的融合分类方法。在航空影像的分水岭分割算法中加入激光点云高程信息计算梯度,然后结合两种数据源的特征,建立分层分类的规则集得到地物的分类结果。试验表明,激光点云的高程信息能够改善影像分割效果,也能将地面地物与非地面地物较好地区分,对建筑和植被的分类起到了有效作用。     

基于遗传算法的多光谱影像非监督训练分类系统

本文将遗传算法（GA）应用于非监督训练,提高了遥感数据的分类精度。遗传竞争学习算法（GA-CL）综合了遗传算法和简单的竞争学习算法,可用于改进非监督训练的结果。遗传算法在典型样本聚类的过程中可以避免得到局部最优值。Jeffries-Matusita（J-M）距离法是通过统计测量两个训练类别之间的分离度,可用于评价这种算法。将此算法应用于TM数据的结果显示,遗传算法改进了简单的竞争学习算法,与其他非监督训练算法相比,其提供了K-均值,GA-K-均值和简单的竞争学习算法。     

城市绿地信息提取中高分辨率卫星影像融合方法研究

利用GS变换、主成分分析、Ehlers变换、Wavelet分析、HIS变换5种方法对城区WorldView-2和PL-1A影像进行融合,并从影像融合质量和绿地信息提取精度两方面对融合方法的有效性进行了评价。结果表明：①5种融合方法中,GS变换融合的效果最好;主成分分析和Ehlers变换融合WorldView-2质量较好,但融合PL-1A影像质量较差;Wavelet变换、HIS变换融合两种影像质量都较差;②用于绿地信息提取时,GS、PCA融合影像获取的精度最高,其次为Ehlers、Wavelet融合影像,均明显高于多光谱影像的提取精度;Ehlers、Wavelet变换精度最低,绿地信息提取精度低于多光谱影像的提取精度。可以得出,影像融合可以明显地提高绿地信息提取精度,5种影像融合方法中,GS变换普适性较好,影像融合质量最好,提高分类精度效果最明显。     

影像融合和面向对象技术在湿地分类中的应用

利用SPOT全色波段影像和Landsat ETM+多光谱影像,采用波段特征分析法和改进的最佳波段指数法确定最佳融合波段。选择具有代表性的HSV变换、Brovey变换、PCA变换、Gram-schmidt变换和小波变换方法进行影像融合。针对融合后的影像采用定量评价法进行质量评价,通过不同地物的光谱、空间和纹理信息等进行比较分析构建适当的分类特征和规则,采用面向对象的遥感分类方法进行分类。结果表明,波段特征分析法和改进的最佳波段指数法结合,可以获得最佳融合波段。各融合方法均有效提升了影像效果,其中HSV和GS变换融合方法更好地保持了影像的多光谱和高分辨率特性,融合后各地物特征分类明显,可以有效应用于湿地分类;采用主成分分析法来设置面向对象分类中的波段权重,可以利用各波段信息量的差异进行影像的分割。基于各种遥感指数的面向对象分类方法用于湿地分类获得了93.62%的分类精度,与传统的分类方法相比有了很大进步,在湿地分类中具有很大的应用潜力。     

多源影像融合在目标识别与提取中的应用

讨论了多源影像融合技术在改善目标识别与提取效果中的一些应用，给出了部分试验结果，说明了多源数据融台技术是未来目标自动识别系统的重要组成部份。     

多源影像融合在目标识别与提取中的应用

讨论了多源影像融合技术在改善目标识别与提取效果中的一些应用,给出了部分试验结果,说明了多源数据融合技术是未来目标自动识别系统的重要组成部份.     

监督分类方法在图片资料专题信息提取中的应用研究

通常,遥感分类处理软件都用于遥感图像数据(如TM,SPOT等)的处理。在利用遥感分类软件(如ERDAS)对遥感图像数据进行监督分类(SupervisedClassification)时,通常采用最大似然法(MaximumLikelihood)作为平行六面体判别规则。而这种方法对于图片资料并不合适。对遥感图像处理软件ERDAS内置的3种分类判别规则进行比较,得出使用最小距离法(MinimumDis-tance)作为判别规则对于图片资料根据颜色分类有很好的效果。这种方法对于数据短缺情况下,利用分类图片资料的色彩特征提取专题信息有较好的通用性。与传统的图片交互数字化处理方法相比,该方法能在保证结果精度的前提下,大幅度减少手工勾绘的工作量。     

遥感图像的融合方法研究

图像融合是遥感图像处理中的重要一环,本文着重论述了遥感图像的3个层次的融合方法,并进行了对比分析,最后指出遥感图像融合的发展方向。     

结合Steger方法和影像分类的道路中心线提取

针对直接利用监督分类结果提取道路中心线过程过于复杂的问题,研究一种综合利用Steger方法和影像分类结果的道路中心线提取新策略。以影像分类结果从Steger方法获取的条带中心线中初步筛选出候选道路中心线段,根据道路的连续性和方向的一致性进行合理延伸、连接,即可实现道路中心线提取。实验证明,提取的道路中心线在完整率、准确率和提取质量方面精度较高,并在一定程度上解决了道路断裂问题。     

A Comparative Investigation of Image Fusion in the Context of Classification

Image fusion assists in visual interpretation, mapping, change detection and many other applications. Multispectral and Panchromatic images are fused to produce images having enhanced spatial and spectral properties. These properties are generally distorted from original images. The aim of this paper is to identify the effectiveness of the several fusion techniques based on the distortions and applications. This paper employs seven image fusion techniques namely, Brovey transform, intensity hue saturation, high pass filter, principle component analysis, UNB Pansharpening, wavelet transform and multiplicative, available in various commercial image processing software. The data for this study are panchromatic image of Cartosat-1 and multispectral image of IRS - P6 LISS 4 sensor of study area, Bhopal Municipal Corporation area, M.P. State, India. The effectiveness of image fusion techniques is determined by quantitative and qualitative assessments. Quantitative assessment is divided into two parts: 1) assessment of fusion techniques by statistical parameters and 2) accuracy assessment of land use maps generated from the fused images. For part 1, three parameters namely, mean bias, correlation coefficient and Q4 quality index, have been used. Based on the results of part 1, UNB Pansharpening and wavelet transform are the best among seven fusion techniques. For part 2, Gaussian and Artificial Neural Network classifiers have been used to generate land cover maps. However, the accuracy results are inconclusive to identify a single best method. Nevertheless, image fusion by wavelet transform has provided best results in both the sector. Hence, wavelet transform is concluded as the best among selected fusion techniques.     

影像融合与复原的小波模型

本文给出影像融合和复原的小波模型。其精髓在于小波的多分辨率性质可将一个复杂而相互交织的症结分解为一系列弱相关和容易解决的小问题。本文着重探讨影像融合与复原中如何利用小波模型的理论与算法。     

ETM和SPOT融合影像制作土地利用分类图

以辽阳地区为试验区,采用ETM多波段和SPOT全色遥感影像为主要信息源.利用遥感图像处理软件ERDAS对影像进行几何配准、图像增强等一系列处理.利用HIS变换和主成分分析法进行影像融合试验,对比分析融合结果,融合后影像同时具有多光谱和高分辨率的特性,提高了影像解译度.参考国家分类标准,选取农村、水体、旱地、林地、菜地、城市和水田七大类进行分类试验.采用监督分类的方法对主成分变换融合后的影像进行土地利用分类.最后,在ArcGIS软件中进行矢量化处理,制作土地利用分类图.使用该方法制作的辽阳地区土地利用分类图,可以满足一般用户对土地利用分类图的要求.     

Evaluating the Performance of Multi-Class and Single-Class Classification Approaches for Mountain Agriculture Extraction Using Time-Series NDVI

Supervised multi-class classification (MCC) approach is widely being used for regional-level land use–land cover (LULC) mapping and monitoring. However, it becomes inefficient if the end user wants to map only one particular class. Therefore, an improved single-class classification (SCC) approach is required for quick and reliable map production purpose. In this regard, the current study attempts to evaluate the performance of MCC and SCC approaches for extracting mountain agriculture area using time-series normalized differential vegetation index (NDVI). At first, samples of eight LULC classes were acquired using Google Earth image, and corresponding temporal signatures (TS) were extracted from time-series NDVI to perform classification using minimum distance to mean (MDM) and spectral angle mapper (i.e., multi-class SAM—MCSAM) under MCC approach. Secondly, under SCC approach, the TS of three agriculture classes (i.e., agriculture, mixed agriculture and plantation) were utilized as a reference to extract agriculture extent using Euclidean distance (ED) and SAM (i.e., single-class SAM—SCSAM) algorithms. The area of all four maps (i.e., MDM—19.77% of total geographical area (TGA), MCSAM—21.07% of TGA, ED—15.23% of TGA, SCSAM—13.85% of TGA) was compared with reference agriculture area (14.54% of TGA) of global land cover product, and SCC-based maps were found to have close agreement. Also, the class-wise detection accuracy was evaluated using random sample point-based error matrix which reveals the better performance of ED-based map than rest three maps in terms of overall accuracy and kappa coefficient.     

遥感图像分区自动分类方法研究

对判读区域自然景观复杂,数据时相与质量差异较大的遥感图像用常规的分类方法难以达到令人满意的效果,为此,作者采用了一种通过定义图像判读区,分类管理器和改进监督分类算法等方法来实现遥感图像的分区自动分类,以不同时相的TM拼接图像进行分类试验,结果表明:该方法比传统的监督分类方法有明显改进:(1)与整幅图像用同一个标准进行分类的方案相比,其精度显著提高,(2)可在分类前灵活,任意生成所感兴趣的判读区域,(3)在每个分区内可以采取不同的分类方案进行分类,(4)每个分区的分类结果可以保存在同一个文件中,而不需要另外生成新的操作层.因此分类不受次数的限制,可保证分类结果的完整性,每个分区的分类结果也可以保存为单个分区的分类结果.     

面向高分影像建筑物提取的多层次特征融合网络

建筑物规模及其分布是衡量一个地区经济社会发展状况的关键指标,因此研究基于遥感影像的建筑物提取具有重要意义。现有神经网络方法在建筑物提取的完整度、边缘精确度等方面仍存在不足,由此提出一种基于高分遥感影像的多层次特征融合网络(multi-level feature fusion network,MFFNet)。首先,利用边缘检测算子提升网络对建筑物边界的识别能力,同时借助多路径卷积融合模块多个维度提取建筑物特征,并引入大感受野卷积模块解决感受野大小对特征提取的限制问题;然后,对提取的特征进行融合,利用卷积注意力模块进行压缩,经金字塔池化进一步挖掘全局特征,从而实现建筑物的高精度提取。并与当前主流的UNet、PSPNet(pyramid scene parsing network)、多路径特征融合网络(multi attending path neural network, MAPNet)和MDNNet(multiscale-feature fusion deep neural networks with dilated convolution)方法进行对比,使用亚米级的武汉大学航空影像数据...     

面向图像分类的遥感影像综合评价方法研究

本文首先简要介绍了模糊综合评价法的基本原理和过程,然后根据图像分类的理论基础,分析图像分类对遥感影像质量的要求,并确定影响分类精度的各项质量要素,构建了综合评价指标体系和评语等级论域。然后通过对大量的不同质量遥感影像的单指标评价实验,确定了遥感影像综合评价模型的隶属函数、权数向量和合成算子;最后通过开发的面向分类遥感影像质量评价程序验证质量评价模型的合理性和实用性。     

遥感影像决策级融合方法实验研究

遥感影像融合是遥感图像处理中的研究热点和难点之一。对下列两种遥感影像决策级融合方法进行了实验研究:一种是基于支持向量机(SVM),另一种是基于自组织神经网络。融合实验分别采用这两种方法对Landsat TM多光谱数据(30 m/像素)与IRS-C全色数据(5.8 m/像素)间分别进行影像融合。融合结果表明:基于SVM的方法可有效地融合不同影像的信息,并且可获得较高的融合分类精度。在分类精度方面,基于SVM方法的融合影像明显优于基于自组织神经网络方法的融合影像。     

RS影像融合效果评价

近年来多源遥感影像融合技术发展迅速,融合方法研究日趋完善,然而融合影像效果评价始终没有统一标准。在系统分析传统评价指标的基础上,从光谱保真度、高频信息融入度两个方面对融合影像的评价进行综合分析,并在这两个方面建立了光谱信息指数与高频信息指数两个指标,然后对其进行综合建立信息量指数,从而在信息量方面加以评价,从而形成一套完整的评价体系。最后应用融合实例对创建的评价体系进行了验证。