高光谱遥感图像特征选择和提取方法的比较--基于试验区Barrax的HyMap数据

以西班牙Barrax地区的HyMap数据为例,利用K-L变换、波段指数、分段K-L变换、小波变换和可分性准则等常见的特征选择和提取方法,进行了特征提取和特征选择;然后,基于常用的监督分类法,通过各自的分类精度对各特征提取和特征选择法进行了比较和分析。实验结果表明使用可分性准则进行的特征选择时,基于波段指数、离散度平均值的分类精度相对较高;基于变换的特征选择中,K-L变换、分段K-L变换和小波变换的分类精度较高,三者基本上一致。而在监督分类方法的比较分析上,平行六面体法相对较差,最小距离法分类精度则相对较高,而最大似然法则比较稳定。     

基于小波变换和局部相关系数改进IHS变换的图像融合方法

为得到分辨率高、光谱畸变小的融合图像,该文根据图像处理理论和小波变换的时频局部 特性,采用Quickbird数据,对多光谱波段经IHS变换的I分量和全波段图像分别进 行小波分解,用全波段图像经小波分解得到的高频系数替换I分量小波分解的高频系数, 替换时根据图像的地物光谱特性引入局部相关系数进行有选择的高频替换.经过IHS反变换得到空间分辨率高且没有光谱畸变的融合图像.     

一种融合中分辨率多光谱与高分辨率全色图像的方法

针对中分辨率多光谱与高分辨率全色图像空间分辨率差异大,导致融合结果难以较好平衡光谱信息保持和空间信息保持能力的问题,该文分析了7种常用融合方法用于中分辨率多光谱与高分辨率全色图像融合的优缺点及其融合质量的影响因素,提出了一种组合融合方法。该方法在保留Gram-Schmidt方法的细节注入方式的基础上,综合利用高通滤波法和Gram-Schmidt方法的优势构造低分辨率全色图像,确保在提高融合图像空间分辨率的同时有效降低其光谱变形。通过CBERS-02多光谱和IRS-P5全色图像的实验,证明了新融合方法的有效性。     

基于DCT变换的多光谱与全色影像融合方法

针对IHS融合法的融合影像相对于原多光谱影像光谱扭曲严重、小波变换融合法运算量大的缺点,依据影像成像时传感器像素间的对应关系,提出应用遥感影像空间分辨率比值关系对影像进行分块,采用离散余弦变换与IHS变换相结合的融合方法进行多光谱影像与全色影像融合,以提高遥感影像的应用能力。仿真实验表明,该方法融合结果的光谱保持性与小波变换方法相近,均优于IHS变换融合影像,对全色影像空间信息集成能力稍弱,但计算效率明显改善,适合于对大数据量的遥感影像融合。     

基于双分支卷积神经网络的SAR与多光谱图像融合实验

针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。     

基于LBV数据变换方法的海岸带多光谱影像分类方法研究

在传统的海岸带多光谱影像分类方法的基础上,提出了运用LBV数据变换方法对海岸带多光谱影像进行地物分类识别的方法,通过图像数据变换能够分别提取出表示地物总辐射水平、可见光-近红外辐射平衡和表示波段辐射变化矢量(方向和速度)L、B、V的值.通过应用青岛海岸带TM多光谱影像,提取LBV变换图像并与原始假彩色合成图像比较,分别进行监督分类试验.运用LBV数据变换方法获得的图像信息量更丰富,地物类别更鲜明,有利于图像的目视解译,分类精度提高约3.12%.     

基于光谱特征拟合的高光谱遥感影像植被覆盖度提取

植被光谱中可见光部分的吸收谷主要由叶绿素强烈吸收引起,不同植被覆盖度下光谱吸收谷的深度和形状不同,因而可以通过比较光谱吸收谷的深度和形状来提取植被覆盖度。该文采用基于光谱吸收特征匹配的光谱特征拟合SFF方法从高光谱遥感影像中提取植被覆盖度,参考光谱采用ASD光谱仪在影像覆盖地区采集的植被光谱,通过将参考光谱与像元光谱连续统去除处理后进行SFF匹配,完成植被覆盖度的提取并生成植被覆盖度图。研究结果与植被指数、光谱夹角映射方法及实地调查资料之间存在较高一致性。     

基于经验线性法的Hyperion高光谱图像地表反射率反演研究

基于经验线性大气校正法,分别选择水体和水泥堤坝作为暗、亮目标,对目前唯一在轨运行的高光谱图像Hyperion进行大气校正。与表观反射率的比较说明大气作用与地物实际反射率大小有关;与实测光谱进行对比研究,表明经验线性法所得结果在近红外和短波红外区域精度较高,绝对误差小于10％,最小值为2．6％,而在可见光波段精度较低,绝对误差在10％～13％。在实际应用中,该方法的关键是合理选择校正目标场。     

基于DEM和IHS变换的遥感图像反立体纠正方法研究

为纠正太阳同步卫星所获取的山地地形遥感图像中存在的反立体现象,以四川省广元市某区的遥感图像为例,尝试一种基于DEM和IHS变换的遥感图像反立体纠正方法。该方法用DEM制作的地形阴影图替换IHS变换得到的亮度(I)分量后进行IHS反变换,能有效纠正遥感图像上的反立体现象,并与原图像色彩基本保持一致。     

基于高光谱遥感的土壤有机碳含量估算研究进展

土壤有机碳库是人类可以对其施加影响的最大生物圈碳库,其储量的估算和动态变化研究是全球碳循环研究中的重要内容．传统的各种估算和监测方法存在一定的问题,而利用高光谱遥感估算土壤有机碳含量具有便捷快速、节约成本、非破坏性和准确度高的优势,同时,从机载高光谱传感器获取的土壤图像数据对于估算大尺度区域土壤有机碳含量和跨时空动态研究具有相当大的潜力．但是,基于高光谱遥感数据的监测受到很多因素的影响,包括土壤有机碳含量的差异、成土母质、土壤含水量、土壤质地等以及与土壤有机碳光谱响应特性较为接近的氧化铁的影响．另外,野外土壤表面状态（如植被覆盖、表面粗糙度、土壤含水量和沙石等）以及大气、光照和辐射条件等也都对研究结果和估算精度产生较大的影响．今后该领域的研究应致力于对各影响因素的深入研究,同时寻求更多有效的计量方法提高估算模型的稳定性,并最终应用高光谱遥感数据开展区域尺度土壤有机碳含量的估算．     

高光谱遥感影像波段选择算法评价方法研究

波段选择在高光谱影像数据降维处理中尤为重要,其算法较多,但针对波段选择算法评价方法的研究却很少。该文提出一种波段选择算法的评价方法。引入信息量、类别可分性和相关性3个指标,对所选波段子集进行度量,通过比较不同波段选择算法所选波段子集的度量结果,实现对波段选择算法的评价。在试验中,将该评价方法应用于4种常用的波段选择算法,分析了评价结果并验证了该评价方法的可行性。     

一种基于地物诊断性波谱吸收特征的高光谱遥感图像降维方法

高光谱遥感数据具有波段数目多、波段宽度窄、数据量庞大、波段间相关性高等特点,在一定程度上为图像的进一步处理和信息提取带来困难.为解决这一问题,在分析已有降维方法的基础上,提出了基于地物诊断性波谱吸收特征的高光谱遥感图像降维方法,将地物的诊断性吸收波谱特征区间作为一个独立的子空间进行处理,尽可能保留地物独有的吸收特征;在此基础上,进行子空间的特征提取和特征选择.为验证该方法的优越性,将其与传统的基于波谱区间的子空间划分方法进行分类对比,研究表明:基于该文方法降维后的图像分类精度更高,丰富了现有降维方法理论,具有一定的实用和推广价值.     

GF-5卫星高光谱影像数据质量评价与分析

目前遥感影像质量评价的指标与方法虽较为成熟,但尚未发现针对高分五号(GF-5)卫星AHSI影像数据质量评价及其可用性的全面研究。该文在分析高光谱影像质量评价方法的基础上,利用噪声标准差、清晰度和信息熵3个指标,对GF-5可见短波红外谱段的数据质量与可用性进行分析评价,结果表明:GF-5AHSI影像不同波段数据质量存在差异,影像信息主要集中在VNIR和SWIR第1-95波段内(受水汽影响的波段除外),SWIR中第43-50、96-112(1359.03~1418.17nm、1805.44~1940.15nm)共25个波段受水汽影响严重,不可用,第113-180(1948.57~2513.25nm)波段影像质量较差、噪声严重,阻碍了该波段的应用。研究结果可为GF-5AH-SI影像数据的处理与应用提供技术参考。     

基于减小叶片水分影响的湿地芦苇氮浓度高光谱反演研究

以盘锦双台河口湿地国家级自然保护区作为研究区,采用基于bootstrap的偏最小二乘回归模型（PLSR）,分别构建不同光谱变换技术（包括光谱水分影响减小技术WR、包络线去除CR、光谱一阶微分FD、光谱倒数的对数LR）和原光谱数据（R）的芦苇叶片氮浓度预测模型。使用变量投影重要性指标VIP,计算了各光谱波段在估算芦苇叶片氮浓度时的重要性。研究结果表明,WR光谱变换技术的芦苇叶片氮浓度估算精度最高（R²=0.87,均方根误差=0.57）,该方法可以有效减小叶片水分的影响,增强鲜叶片光谱中细微的氮吸收特征。