高光谱遥感影像优化分类波段选择

利用粗糙集关于属性依赖性公式,本文给出一种定义遥感影像波段间相似度的方法,通过模糊聚类,得到对高光谱遥感影像原始波段集合的模糊等价划分,在每个模糊等价波段组中,选择一个代表性波段完成对原始波段集合的初步降维,基于遗传算法并结合粗糙集理论,在降维中的波段集合中进一步进行的分类波段组合的优化选择,实验结果表明,本文给出的高光谱遥感影像优化分类波段组合选择方法是非常有效的。     

一种遥感影像质量的自动评价方法

提出了一种全自动的遥感影像质量评价方法,应用线扩散函数的等效宽度作为模糊度指标,采用了一种基于链码的直线检测方法进行直线提取,实现了对遥感图像质量的自动评价。     

Hyperion影像的辐射处理方法

选取甘肃张掖部分地区的Hyperion数据,运用Hyperion Tool提取未定标、坏线和条带以及质量模糊的波段数据,对数据进行一次重采样预处理,并选择合适的大气参数对影像应用模块进行了FLAASH大气校正。将校正前、后的植被、水体和裸岩光谱特征与标准库曲线进行对比分析,结果表明,处理后的影像很好地反演了地物的真实反射率,提高了数据处理速度和精度,为后续研究地物成分估算提供了图像基础。     

高光谱遥感影像的广义判别分析特征提取

高光谱遥感影像具有丰富的光谱信息,在地物分类识别方面具有明显的优势.针对复杂高光谱影像分类问题,应用了一种广义判别分析特征提取技术.将输入样本通过非线性函数映射到特征空间,在特征空间中应用线性判别特征提取方法;算法求解过程中涉及到在特征空间的内积用核函数代替,简化计算的同时也使得算法与非线性函数的具体形式无关.通过影像分类试验表明,该方法较常用特征提取方法更有利于分类精度的提高.     

高光谱遥感影像的广义判别分析特征提取

高光谱遥感影像具有丰富的光谱信息,在地物分类识别方面具有明显的优势。针对复杂高光谱影像分类问题,应用了一种广义判别分析特征提取技术。将输入样本通过非线性函数映射到特征空间,在特征空间中应用线性判别特征提取方法;算法求解过程中涉及到在特征空间的内积用核函数代替,简化计算的同时也使得算法与非线性函数的具体形式无关。通过影像分类试验表明,该方法较常用特征提取方法更有利于分类精度的提高。     

基于SVM核函数评价的高光谱遥感影像核分类方法比较研究

通过交叉验证获得不同核函数参数,并对线性、多项式、RBF、Sigmiod核函数分别用于支持向量机分类的性能进行评价,选择出最优核函数。基于上述最优核函数选择,将SVM与核Fisher判别分析和核主成分分析两种核分类方法进行比较研究。试验结果表明,SVM具有较高的分类精度和可靠性,上述研究能够为实际应用提供相关的参考。     

高光谱影像能量边缘提取

高光谱影像的能量边缘提取方法的本质是利用高光谱信号的能量相似性与能量分布特征来寻找边缘,从能量边缘图可以提取属于不同地物类别的主要边缘,这些边缘都比较明显与完整。实验结果表明,能量边缘对噪声信号不敏感,与用其他方法寻找边缘的结果相比,能量边缘具有更好的效果。     

EO-1Hyperion高光谱数据FLAASH模块大气纠正及评价

由于受到大气的影响,传感器接收到的辐射信息不能真实地反映地表反射光谱信息,因此,从遥感影像中去除大气的影响,即进行大气校正,是高光谱遥感数据处理中极为重要的环节。文章介绍了EO-1hyperion高光谱数据的特点,以及用FLAASH（Fast Line of Sight Atmospheric Analysis of ...     

贝叶斯原理在遥感影像恢复中的应用

总结了遥感影像数据获取、传输和存储过程中引起影像退化的原因。根据信号处理中的概率统计理论,推导出了一种可以不依赖目标成像模型的遥感影像去模糊算法。实验结果表明,该算法具有较强的影像恢复能力和抗噪能力,对于缺乏点扩散函数先验知识的模糊遥感影像更加适用。     

贝叶斯原理在遥感影像恢复中的应用

总结了遥感影像数据获取、传输和存储过程中引起影像退化的原因.根据信号处理中的概率统计理论,推导出了一种可以不依赖目标成像模型的遥感影像去模糊算法.实验结果表明,该算法具有较强的影像恢复能力和抗噪能力,对于缺乏点扩散函数先验知识的模糊遥感影像更加适用.     

多光谱遥感影像亮度空间相位一致性特征点检测

提出了一种基于亮度空间和相位一致性理论的多光谱遥感影像特征点检测算法。首先利用参数自适应的灰度变换函数建立影像亮度空间;然后结合相位一致性方法在影像亮度空间进行候选特征点检测,并将候选特征点映射到原始影像上进行非极大值抑制;最后在尺度空间计算特征点的特征尺度值。本文方法有效结合了亮度空间特征检测和相位一致性特征检测的优势,对多光谱遥感影像的辐射变化具有较强的稳健性。试验结果证明,与传统特征点检测算法相比,本文方法在特征重复率和重复特征数量方面都具有明显的优势。     

矢量C-V模型的高光谱遥感影像分割

高光谱遥感影像除了包含普通2维影像所具有的空间信息还包含了1维光谱信息,传统的针对2维影像的分割方法不能很好地应用于高光谱遥感影像。为此,本文提出一种能够同时处理多波段影像的高光谱遥感影像矢量C-V模型分割方法。首先选出高光谱遥感影像中目标与背景对比度较大的波段,并通过计算波段相关系数,去除其中的冗余信息形成新的波段组合,进而根据所确定的波段组合构建高光谱遥感影像矢量矩阵;在此基础上,构造基于该矢量矩阵的矢量C-V分割模型。模型中通过引入基于梯度的边缘引导函数,在保留传统C-V模型基于区域信息进行影像分割的基础上,利用影像的边缘细节信息,增强了模型在异质区域和复杂背景情况下对目标边缘的捕捉能力,提高了对高光谱遥感影像的分割精度和速度。最后利用HYPERION数据进行仿真实验,并将实验结果和传统C-V模型和相关方法进行了对比,结果表明,本文方法能够在短时间内有效地分割高光谱遥感影像,与传统方法相比,具有分割精度更高运算速度更快的特点。     

基于光谱相关性的SVM高光谱遥感影像分类

根据高光谱遥感影像数据特点,首先利用光谱相关性进行特征选择,然后引进SVM进行高光谱遥感影像分析解译,最后利用AVIRIS影像进行试验,结果显示分类精度和时间比常规方法都有很大改善。     

高光谱遥感影像管理系统的设计与实现

由于高光谱数据的海量高维特征,使得传统的信息系统难以有效地对这些数据进行高效地存储、处理、分析,表现等管理操作。因此如何采用新的技术来开发一个能有效管理高光谱遥感影像数据的影像管理系统,是当前高光谱快速发展和深入应用的一个瓶颈之一。本文在研究的过程中,对当前影像管理系统的发展作了大量的分析,利用成熟的关系数据库和程序设计语言,开发了一个方便实用的高光谱遥感影像管理系统以管理高光遥感影像和其他遥感信息,提高影像管理效率。系统已初步实现了多景高光谱遥感影像检索,可以任意加载、导入高光谱遥感影像,运行效果良好。     

高光谱遥感影像管理系统的设计与实现

由于高光谱数据的海量高维特征,使得传统的信息系统难以有效地对这些数据进行高效地存储、处理、分析、表现等管理操作.因此如何采用新的技术来开发一个能有效管理高光谱遥感影像数据的影像管理系统,是当前高光谱快速发展和深入应用的一个瓶颈之一.本文在研究的过程中,对当前影像管理系统的发展作了大量的分析,利用成熟的关系数据库和程序设计语言,开发了一个方便实用的高光谱遥感影像管理系统以管理高光遥感影像和其他遥感信息,提高影像管理效率.系统已初步实现了多景高光谱遥感影像检索,可以任意加载、导入高光谱遥感影像,运行效果良好.     

遥感影像质量评价方法综述

为了更好地评价遥感影像的质量,本文对常用的遥感影像质量评价方法进行了综述.首先描述影像的主观评价方法,给出科学、稳定的主观评价值;然后对客观评价方法分类介绍;最后总结了当前影像质量评价方法存在的不足,可为遥感影像质量的评价与处理提供参考.     

遥感影像空间尺度上推方法的评价

首先分析了几种常用的影像质量评价指标在遥感数据空间尺度上推方法评价中的不足,同时提出了已有的关于空间尺度上推方法在评价思路上的不妥之处.引入了空间分辨率和SSIM(structural SIMilarity)2个遥感影像质量评价指标,给出了新的评价思路,并在此基础上对5种遥感数据空间尺度转换方法进行了评价.在本实验中,空间分辨率和SSIM 2个遥感影像质量评价指标一致表明,Bilinear和Bicubic方法的结果影像能够更好地接近目标空间尺度下的影像特征.实验表明,依据新的评价思路,采用空间分辨率和SSIM 2个评价指标进行空间尺度上推方法表现出较强的有效性和优越性.     

多波段信息融合的遥感影像变化检测

传统遥感影像变化检测方法大多基于单波段信息,难以完整检测影像的变化信息。针对该问题,提出了一种基于马尔可夫随机场模型(MRF)的多波段遥感影像变化检测方法,利用MRF模型融合所有波段的变化信息。在求解MRF模型参数的过程中,引入MoLC与EM混合模型进行迭代计算。实验结果表明,本文方法的检测精度优于现有的变化检测方法,并且稳定性良好。     

雄安新区马蹄湾村航空高光谱遥感影像分类数据集

高光谱遥感影像分类数据集主要用于辅助高光谱遥感分类算法的精度验证、效率评价及性能评估，一般包括高光谱遥感影像、影像对应地物类别标注以及相关信息文档等内容。常用的高光谱遥感影像分类数据集以欧美为主，如India Pines、Salinas、KSC等。随着中国高光谱遥感传感器技术发展和学术交流机制的日臻完善，国内也发布了高光谱遥感分类数据集，如江苏省常州的茶树数据集。较于欧美高光谱遥感分类数据集的广泛应用，中国高光谱遥感分类数据集的发布与应用仍偏少。近年来，中国高质量高光谱遥感数据获取能力大幅增强，提升了中国高光谱遥感共享数据源的数量及质量，为促进中国高光谱遥感应用研究及业务化能力提供了支撑。本分类数据集包括雄安新区马蹄湾村高光谱影像数据，由中国科学院上海技术物理研究所研制高分专项航空系统全谱段多模态成像光谱仪采集，光谱范围为400—1000 nm，波段250个，影像大小为3750×1580像元，空间分辨率0.5 m；同步实地调研地类分布19种，包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻、水体、柳树、复叶槭、栾树、桃树、玉米、梨树、荷叶、建筑。利用随机森林分类方法对该数据进行了分类验证，分类精度可达97%。该数据集（下载方式：http：//www.hrs-cas.com/a/share/shujuchanpin/2019/ 0501/1049.html）可为中国经济作物高光谱精细分类研究提供良好的数据支持，更可为中国高光谱遥感载荷业务化应用发展提供有力促进。     

基于多尺度光谱增益调制的遥感影像融合方法

针对IHS和PCA等常用影像融合方法会产生较严重的光谱扭曲的问题,基于光谱增益曲面,提出一种多尺度光谱增益调制的光谱保持型遥感影像融合方法,能够有效地减少由于饱和度变化而引起的光谱扭曲。融合试验和客观评价指标证明,与传统的IHS、PCA等方法相比,本文方法能够在提高空间分辨率和保持光谱特征之间取得更好的平衡。