滨海湿地稀疏采样重构高光谱图像分类精度评价

高光谱遥感影像维数高、数据量大、波段之间的相关性强,分类时易出现"Hughes"现象,因此在分类过程中如何有效减小数据处理过程中的计算量,又保证原始数据重要的地物信息不丢失具有重要的意义。压缩感知理论可通过远低于耐奎斯特的采样率和少量观测数据实现信号的精确重构,具有对硬件读写要求低、图像恢复效果好等优势。通过利用基于小波变换的压缩感知算法对黄河口地区的高光谱影像进行图像重构,然后分别采用SVM算法、最大似然法以及神经网络分类法对重构后的影像进行分类,并对分类结果的精度分别从空域和小波域、不同的测量值等维度进行了分析和比较。结果表明:(1)压缩感知理论重构后的影像保留了原始影像的基本信息,保证了分类精度;(2)SVM算法的分类精度最好,空域和小波域的分类精度基本一致;(3)分类精度随测量值的增加先逐渐提高,然后趋于稳定。     

近似支持向量机高光谱图像分类方法研究

介绍了近似支持向量机（PSVM）的原理及特点。为了将PSVM应用于高光谱图像的分类,提出了基于PSVM的有向无环图（DAG）多类分类方法（DAG PSVMs）。实验结果表明,DAG PSVM与传统的DAG SVM相比,性能基本保持不变,训练时间却大幅降低。     

海岸带高光谱影像分类技术研究

以海岸带地物分类研究为重要对象,针对传统海岸带区域地物及海水等目标分类技术的局限性,通过分析海岸带地物的光谱特征以及在高光谱数据中的表征,研究高光谱成像技术在海岸带遥感应用中的有效性。实验结果表明相对传统的遥感影像分类技术,高光谱海岸带分类显得更为精细,也展示了高光谱技术在海洋遥感中的巨大应用前景?     

基于无人机高光谱遥感的海岛岸线精准提取方法研究与应用

鉴于传统遥感技术手段对海岛岸线的提取在精度与效率上存在很大不足,通过无人机高光谱遥感技术,结合岸线实地踏勘活动,提出一种海岛岸线类型识别与位置提取方法,并选取实际海岛进行了实验验证,成功获取了不同类型岸线的准确位置,所得成果与传统遥感手段相比,提高了系统性与准确性,为下一步海岛的生态评估工作提供了数据支撑。     

面向分类的高光谱遥感影像数据特性的研究

分析了高光谱遥感的特点、影像数据的应用现状,针对高光谱遥感影像处理、分类的现状及遇到的困难,对高光谱遥感影像数据的分类特性进行了深入的分析总结,对高光谱遥感影像分类的支持向量机方法进行了系统研究,并分析指出了支持向量机分类法的优越性,最后提出了需要进一步研究的问题.     

基于主成分分析和决策级融合的高光谱图像分类方法研究

为了评价主成分分析方法和决策级数据融合方法对高光谱图像地物分类结果的影响,作者利用各分类器和主成分分量的优势,提出了两组地物分类结果的决策级融合策略,利用8种常用监督分类方法对高光谱原始图像和PCA变换后不同分量组合图分类得到的结果进行决策级融合,并应用覆盖黄河入海口新老河道交界处的CHRIS/PROBA高光谱图像开展实验研究。结果表明:直接采用每类地物分类精度最高的、空穴和缝隙采用总体分类精度最高的融合策略,在综合考虑生产者精度和用户精度的情形下,仅使用最大似然法、支持向量机和人工神经网络3种分类方法,按照分类精度从高到低的顺序进行的融合分类效果最好,总体分类精度为87.82%。与8种监督分类方法中效果最好的最大似然法相比,精度提高了2.7个百分点,同时明显减少了错分现象,尤其是对于分布面积较小的翅碱蓬和柽柳,滩涂被误分为翅碱蓬、芦苇被误分为柽柳的现象大大降低。     

条带消除对于高光谱图像分类效果的影响——以CHRIS/PROBA图像为例

以CHRIS/PROBA高光谱图像数据为例,使用非监督分类的ISODATA和监督分类的最大似然法、支持向量机等3种经典的图像分类算法,对消条带前后的图像分别开展分类实验,并对分类结果做了分析。实验结果表明,消条带处理可以较好地改善高光谱图像分类结果的目视效果,能够消除不同类别斑块边缘因条带而产生的"毛刺"现象,这对地物斑块的形状及几何分布敏感的研究(如景观生态学)至关重要;但消条带处理对于提高分类精度的效果并不显著,精度提高最大值不到2%。     

海洋高光谱遥感研究进展

海洋遥感是２０世纪后期海洋科学取得重大进展的关键技术之一。所谓海洋遥感就是利用电磁波与大气和海洋的相互作用原理 ,从各种平台观测和研究海洋的一项技术［１］。海洋遥感具有观测周期短 ,时间频率高的优势 ,可实现大面积、实时、同步、连续而密集的海洋探测 ,较好地适应了海洋各种现象和过程的特点。随着光电子技术和计算机技术水平的提高 ,遥感传感器的技术性能不断提高。高光谱遥感(Ｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇ)是当前遥感技术的前沿领域 ,它是指利用很多很窄的电磁波波段从感兴趣的物体获得有关数据 ［…     

多维信息在改善沿海地区图像分类精度中的应用方法

在某些专题研究中,由于研究目标、大气传输、下垫面及其他因素的限制,波谱分析的统计分类模式并不能完全满足研究需要。虽然多时相高精度图像可以提高分类精度,但常因其费用相当昂贵而难以实现。因此,如何在现有资料基础上,提取更多有效信息是亟需解决的问题。针对沿海地区特有的复杂地理现象,以TM图像为基础,通过量化手段进行最佳信息维数的确定与最佳信息维数组合的选择,探讨了信息维数对分类精度的影响。结果表明,在原有图像基础上,进行信息挖掘并重新组合可以得到能满足工作需要的分类精度,组合维数以6维最佳,更多的信息融合对精度影响不明显。     

一种基于众数赋值的高光谱图像地物分类方法

提出了一种融合监督分类与非监督分类结果的高光谱遥感影像分类新方法——众数赋值分类法。采用ISODATA非监督分类方法对高光谱遥感影像进行分类,并对非监督分类结果的图斑进行标记,同时用最大似然法(ML)和支持向量机(SVM)法进行监督分类,然后以监督分类结果对非监督分类后各斑块进行类别赋值。方法是:统计每个非监督分类斑块中由监督分类所获得的各类别像元数及所占比例,将非监督分类斑块的类别赋予所占比例最高的监督分类结果的类别,最终获得高光谱图像分类结果。研究表明:(1)非监督分类类别数量大于10时,其与ML分类结果融合的总体分类精度和Kappa系数均较监督分类法的分类结果好;(2)ML和20个类别的ISODATA分类结果融合的总体精度最高,为87.35%,比单独ML的总体精度高约2个百分点;(3)SVM和10个类别的ISODATA分类结果融合的总体精度提高最大,较SVM的总体精度提高近3个百分点;(4)随着非监督分类类别数量的增多,分类结果的总体精度呈现由低到高再到低的变化过程。     

基于相似系数的1种算法在遥感图像分类中的应用

用基于向量夹角余弦的相似系数方法对黄河三角洲 1 998年 1 2月份的 Landsat- 5TM遥感影像进行了分类 ,分类精度分析表明用夹角余弦作为分类的相似性度量指标是合理的。这种遥感图像的分类方法简单 ,在实际分类中可以作为常用的方法之一。     

IMU在航空高光谱遥感图像几何校正中的应用

在航空高光谱遥感图像处理过程中,高精度几何校正一直是难度较大的问题,而常规遥感图像处理中通过选取地面控制点来校正图像的方法在航空高光谱图像的校正过程中并不适用.介绍了航空定位导航姿态测量系统(IMU/DGPS),它是目前较为先进的惯性导航系统,采用纤维光学陀螺系统结合差分GPS测量,无需地面控制点就可对图像进行校正,可以简化和加速图像的几何校正过程,并达到非常高的精度.     

基于ZY-3遥感影像的不同地貌水边线提取方法

水边线的精确提取对于沿海地区的经济开发和海域的使用管理具有重要意义。以雷州半岛东北部为研究区域,利用2017年资源三号(ZY-3)卫星数据为数据源,基于不同海岸地貌特征为划分依据,运用阈值分割法、神经元网络分类法和面向对象法对多光谱数据的人工海岸、砂质海岸、淤泥质海岸和红树林海岸进行水边线提取。通过目视解译提取融合图像的海岸线为基线,将提取的水边线与基线进行定性、定量分析。研究结果表明,对于人工岸线,神经元网络分类法最优,均方根误差为6.4m;对于砂质岸线,阈值分割法最优,均方根误差为5.4m;对于淤泥质及红树林岸线,面向对象法最优,均方根误差分别为23.3m和15.2m。该研究对于不同岸线的提取具有重要的借鉴和指导意义。     

基于LLE低维嵌入的高光谱影像分类

针对高光谱数据中内在的非线性流行结构,分析了LLE低维嵌入算法的基本原理,给出了该算法的计算步骤。介绍了模糊ISODATA分类算法的基本思想,在计算目标函数中,利用测地距离代替欧氏距离,对模糊ISODATA分类算法进行改进。利用两套PHI高光谱影像数据,在LLE低维嵌入结果上实现了ISODATA分类实验。结果表明:LLE低维嵌入后的数据能够降低ISODATA影像分类的迭代次数与计算时间,提高分类的效率;与原始ISODATA分类算法相比,改进的ISODATA分类算法能够更好地挖掘类别之间的自组织关系,提高分类的可靠性。     

希尔伯特—黄变换在遥感图像中的实例研究与应用展望

希尔伯特-黄变换是一种处理非线性、非平稳数据的方法,目前该方法已在遥感图像处理中得到高度重视。文中在介绍希尔伯特-黄变换的基础上,首先通过对时间序列数据的不同频率信息进行分离,揭示了希尔伯特-黄变换方法对局部时间尺度的物理含义。通过希尔伯特-黄变换方法对不同空间尺度信息的分离,对SAR遥感图像滤波和SAR遥感图像信息提取开展了实例应用研究,展示了希尔伯特-黄变换方法可以通过遥感图像提供各种尺度信息现象的有效数据。最后讨论与分析了希尔伯特-黄变换方法的局限性与优势,并对其在遥感图像处理中的应用进行了总结和展望。     

基于植被指数的高光谱遥感水陆识别方法初探

提出了一种判别两类地物分类效果的依据——显著性度量,并采用植被指数的形式,给出了应用高光谱图像进行水陆识别的方法。以滩涂为例进行水陆识别实验,结果表明,基于显著性度量遴选得到的最佳植被指数类型及其最佳波段组合,适合于解决以高光谱图像为数据源的水陆识别问题。     

我国海岸潟湖卫星遥感分类方法研究

参照Landsat-5TM和HJ-1CCD遥感影像,依据实地踏勘资料及解译经验,分析各种海岸潟湖地貌学成因和发育演变阶段,提出基于潟湖地貌学成因的遥感分类方法。并将我国海岸潟湖划分为滨外坝型、沙坝型、沙嘴型、湾顶坝型、连岛坝型和河口型共6种地貌类型。建立基于发育演变阶段的潟湖遥感分类标准,将海岸潟湖分为青壮年期、老年期和死亡期共3个发育演变过程;结合潟湖在影像中的特征,以近红外、红、绿波段组合后的假彩色影像为例,从色彩、纹理、地物邻接关系等方面建立不同潟湖类型的遥感解译标志;根据所建立的遥感解译标志,对山东省53个海岸潟湖进行遥感分类验证,结果吻合。     

高光谱遥感数据管理系统原型设计

简述了高光谱遥感技术发展概况,并从高光谱数据获取、数据处理和数据共享等3个方面的需求出发,提出了高光谱遥感数据管理系统建设的必要性;在系统建设需求分析的基础上,完成了高光谱遥感数据管理系统的结构与功能设计,并给出了系统开发流程和功能模块开发的设想.     

塘沽盐场遥感图像模式识别方法的研究

通过塘沽盐场遥感图像的模式识别,对该盐场的盐田水体类别进行了监督分类,其成果将为塘沽盐场的开发管理、产量估算及资源调查等提供重要依据。