鄱阳湖地区高光谱遥感数据的定标研究

针对翻阳湖地区的成像光谱仪遥感数据，利用３种不同的定标模型进行了定标反演的研究。结果表明，在所有的３种定标方法中，经验线性定标模型的反演结果最稳定，基本符合实际。     

小麦冠层理化参量的高光谱遥感反演试验研究

以国产成像光谱仪所获高光谱遥感数据为基础，根据田间同步采样数据建立的基于反射光谱特征的小麦冠层生物物理和生物化学估计模型，实现了用航空高光谱遥感数据对田间小麦冠层理化参量的整体反演。结果表明：用高光谱遥感方法估计小麦冠层理化参量是可行的；以理化参数为“波段”的数字图像及其处理，为农学家以理化参量的空间分布及其差异解释作物产量空间分布差异和研究作物生态生理机理提供了新的手段。     

立足国内开拓创新走向世界——中国科学院遥感应用研究所高光谱遥感发展30年回顾

世界高光谱遥感技术的发展只有20 多年的历程, 中国的高光谱遥感发展与国际基本同步, 在需求牵引和中国科学院、自然科学基金委员会的支持下, 特别是通过863 计划和国家攻关计划, 中国科学院遥感应用研究所(简称遥感所)与上海技术物理研究所等单位紧密协作, 相继研制了一系列高光谱遥感设备, 开展了大量的技术试验和应用基础研究, 不仅在国内结合国家需求取得了很好的应用效益, 而且开展了多项国际合作, 走向世界, 开创了以中国高光谱技术支持中国科学家与国外发达国家科学家合作研究的先河, 并进一步推动了高光谱遥感的发展。在长达20 多年的发展中, 遥感所高光谱遥感已成为中国的一个重要研究基地。本文从航空航天高光谱成像仪器的研制、应用技术及信息处理等方面, 回顾了遥感所高光谱遥感走过的历程及其对高光谱遥感发展的贡献。     

小麦生物量和真实叶面积指数的高光谱遥感估算模型

利用大田小麦的参数数据和冠层光谱数据,基于光谱一阶微分技术和光谱响应函数,构建等效MODIS植被指数,建立小麦生物量(本文指总干生物量,下同)和真实叶面积指数的高光谱遥感估算模型.结果表明:①小麦生物量与冠层光谱在552 nm,721 nm处呈现最显著相关关系,叶面积指数与冠层光谱的相关性在400～1100 nm范围内较显著;②红边位置与生物量的关系最为显著,相关系数R为0.818;③6种等效MODIS植被指数中,增强型植被指数对生物量最为敏感;④红边位置估算小麦总生物量的指数模型最优,决定系数R2为0.829;⑤增强型植被指数与小麦叶面积指数的指数模型拟合度最强,决定系数R2为0.94.利用实测光谱模拟MODIS等效反射率构建植被指数反演小麦参数的方法,可为利用卫星数据进行大面积、无破坏和及时获取地面植被信息研究提供重要手段.     

鄱阳湖地区高光谱遥感数据的定标研究

针对鄱阳湖地区的成像光谱仪遥感数据,利用3种不同的定标模型进行了定标反演的研究。结果表明,在所有的3种定标方法中,经验线性定标模型的反演结果最稳定,基本符合实际。     

高光谱遥感图像的监督分类

图像分类是高光谱遥感图像分析与应用的重要手段。总结了目前用于高光谱图像监督分类的主要方法,包括最小距离法、最大似然法、神经元网络法和支持向量机法,分析了上述方法的特点,并探讨了高光谱遥感图像分类方法的发展趋势。     

高光谱遥感及其在青藏高原的应用潜力分析

高光谱遥感以其波段数目多、光谱分辨率高、带宽窄等特点受到了国内外研究者的广泛关注,它的发展可以说是遥感技术领域的巨大进步。本文主要介绍高光谱遥感的发展,以及针对高光谱影像独有的特点所要进行的数据处理方法。在此基础上,结合青藏高原独特的地理地质环境,探讨高光谱遥感在青藏高原的应用潜力。     

基于PCA的高光谱遥感图像分类

高光谱遥感图像的出现进一步提升遥感图像分类的准确性,但高光谱遥感图像的数据量大,处理高光谱遥感图像复杂度高、效率低。为解决这一问题,将主成分分析算法作为遥感图像分类的预处理技术。分析主成分分析算法的原理,利用主成分分析算法提取高光谱图像的主要波段图像。通过实验验证得出结论:高光谱遥感图像的主波段图像包含分类所需的大部分信息,利用少数的主波段图像即可达到70%以上的分类正确率。实验结果表明,在保证分类正确率的前提下,PCA算法可有效地减少图像分类处理的数据量,提高图像的处理效率。     

成像光谱遥感数据的光谱重建研究

成像光谱遥感数据处理中的一个重要环节是大气辐射纠正，它是成像光谱遥感定量化的重要部分，本文推导出一种简单的方法，对高光谱分辨率航空遥感图象进行大气纠正，反射率图像转换及光谱重建，并在地质资源遥感调查中应用，取得很好的效果，同时，对重建的地物光谱中出现的误差，进行了分析。     

遥感图像几何纠正后局部变形改正

本文对纠正后的遥感图像存在的局部变形，提出了一种采用将多边形的内部变形分解为多个三角形的变形，从而按照三角形几何变形纠正原理进行改正，可以做到遥感图像的进一步精纠正，提高成图质量。     

融合谱间特征的高分辨率遥感影像分类

传统影像分类方法仅利用灰度、纹理等谱内特征,未能充分利用谱间特征,针对这一不足,本文提出一种融合谱间特征的高分辨率遥感影像分类方法。采用主成分分析法(Principal Component Analysis,PCA)对遥感影像进行变换,提取前两个主分量作为变换后的数据;通过影像分割方法获取像斑,选取训练样本像斑;利用灰度直方图与联合灰度直方图分别表达像斑的谱内特征与谱间特征,采用G统计量度量直方图距离,依据距离倒数加权计算像斑的谱内概率与谱间概率,依据加权组合谱内概率与谱间概率构建联合概率,在联合概率最大基础上获取影像分类结果。在Quick Bird遥感影像上的实验结果表明了本文方法的有效性,总体分类精度与kappa系数分别达到了90.0%和86.7%。     

高光谱遥感图像联合加权随机分类器的设计与应用

应用随机过程理论,提出一种针对决策融合的高光谱遥感图像自适应最小距离和K-means聚类的加权联合随机分类器设计方法.在ENVI/IDL平台上对上海市某地区的OMIS图像进行分类处理,与经典的聚类法相比,从目视判断还是从定量评价分析,它可提高约10%的总体分类精度.     

高分辨率影像基于影像对象的受损道路提取

基于影像对象对高分辨率影像中的受损道路进行提取,并重点介绍了易康软件中的影像分割,形成影像对象,建立道路规则库,进而提取出道路信息,并判断受损道路信息。以龙门乡受灾区为例进行试验,利用易康软件对影像进行分割并提取受损道路信息,表明基于影像对象的思想在易康对受损道路进行提取是可行的。     

叶片化学组分成像光谱遥感探测分析

利用地面光谱仪的测量数据,进行了成像光谱遥感探测叶片学组分的机理性研究。采用多元逐步回归方法,分析了鲜叶片７种化学组分含量与其光谱特性的关系,分别建立的反射率ρ及其变化式１／ρ、ｌｏｇρ和ρ的一阶导数Ｋρ与化学组分含量的统计方程,并对这４个指标的性能进行了比较了评价。结果表明,在９５％的置信水平下,可以由叶片的精细光谱特征较好地反映出化学组分含量;特别是利用Ｋρ作为因子,使置信水平提高到９９％,尤     

叶片化学组分成像光谱遥感探测机理分析

利用地面光谱仪的测量数据 ,进行了成像光谱遥感探测叶片化学组分的机理性研究。采用多元逐步回归方法 ,分析了鲜叶片 7种化学组分含量与其光谱特性的统计关系 ,分别建立了反射率 ρ及其变化式 1/ρ、logρ和ρ的一阶导数Kρ 与化学组分含量的统计方程 ,并对这 4个指标的性能进行了比较和评价。结果表明 ,在 95 %的置信水平下 ,可以由叶片的精细光谱特征较好地反映出化学组分含量 ;特别是利用Kρ 作为因子 ,使置信水平提高到 99% ,尤以对粗蛋白质、N、K含量反映最好 ,R2 均达到 0 8以上 ,粗蛋白质可达 0 95 6 4,从而为进一步探讨在中国利用成像光谱遥感探测叶片化学组分奠定了基础     

基于高分辨率遥感图像的人口估算研究

随着遥感和地理信息系统技术的迅速发展，遥感和地理信息系统已成为进行人口估算的重要手段，本文以高分辨率遥感影像为主要信息源，应用地理信息系统软件Arcview3．2，采用居住单元估算法和土地利用密度法两种方法分别对银川市金凤区主城区进行人口估算。结果表明采用这两种方法估算出的结果差异不大，居住单元估算法更适合于估算农村及城市周边小区域的人口，而土地利用密度法则适合于对一些中小城市进行人口估算。     

基于图像融合的高分全色遥感影像变化检测

针对同一地区不同时期的全色高分辨遥感影像,提出一种基于影像融合的变化检测算法。首先采用基于匹配点的三角网校正方法对两景影像进行几何校正,然后选用基于迭代多元变化检测(IR-MAD)的相对辐射校正方法进行辐射一致性处理,接着对经几何一致性处理、辐射一致性处理后两张影像进行显著性融合,采用Mean-Shift分割算法对融合影像进行分割,选用方向梯度直方图(HOG)特征获取影像纹理强度图,最后通过比较分割块纹理变化获得变化检测结果。以Toposys激光雷达系统搭载相机拍摄的全色影像对该算法进行了检验,并使用单一时期影像为分割对象进行对比实验结果。实验结果表明,以融合影像为分割对象的结果远优于以单一时期影像为分割对象的变化检测结果,极大地减少了误检和漏检,在城市、郊区等地区人工地物变化监测中有一定的应用价值。     

土壤有机质光谱特征研究

对在宜兴市和横山县采集的174个土样400 nm~2 500 nm波段的光谱曲线进行了研究。为了有效去除背景噪声对目标光谱的影响,并将非线性关系线性化,首先对土壤光谱进行了14种变换,然后运用光谱微分技术、逐步回归分析等方法研究了土壤光谱反射特性与土壤有机质之间的关系。结果表明,反射率对数的一阶微分这一变换形式对土壤有机质含量最为敏感。建立了相应的回归预测模型,模型方程判定系数达到0.885,较好地利用土壤光谱反射特性预测了土壤有机质的含量。     

土壤有机质光谱特征研究

The study on soil spectral reflectance features is the physical basis for soil remote sensing. Soil organic matter content influences the soil spectral reflectance dramatically. This paper studied the spectral curves between 400 nm∼2500 nm of 174 soil samples which were collected in Hengshan county and Yixing county. Fourteen types of transformations were applied to the soil reflectance R to remove the noise and to linearize the correlation between reflectance (independent variable) and soil organic matter (SOM) content (dependent variable). Then, the methods such as derivative spectrum technology and stepwise regression analysis, were applied to study the relationship between these soil spectral features and soil organic matter content. It shows that order 1 derivative of the logarithm of reflectance (O1DLA) is the most sensitive to SOM among the various transform types of reflectance in consideration. The regression model whose coefficient of determination reaches 0.885 is built. It predicted the soil organic matter content with higher effect. Supported by the National Natural Science Foundation of China (No. 40271007).     

双模态脉冲耦合神经网络高分辨率光学卫星影像分割

针对应用PCNN分割高空间分辨率光学卫星影像存在的问题,提出一种双模态PCNN算法。利用北京地区QuickBird影像进行实验,结果表明,该算法能够弱化影像目标内部灰度变化信息对结果的影响,并能提取影像目标几何结构特征信息,为高空间分辨率光学卫星影像分割提供了一种新方法。