遥感影像植被信息提取方法研究及思考

从植被光谱特征出发,对植被信息提取的方法和现状进行了综述,其中主要介绍了几种具有代表性的植被提取方法,如:植被指数提取法、NDVI与波段合成法、HIS融合法、分级分类提取法、基于知识库提取法等,对各种方法的原理、特点、优势与限制进行了分析、对比、思考,并展望了下一步研究方向。     

基于高分辨率遥感影像的地理国情普查水体信息提取方法

地理国情普查体系内容之一是提取水体地表覆盖信息,掌握我国水体现状以及空间分布情况。常规归一化差异水体指数（NDWI）算法不能完全满足基于高分辨率遥感影像提取水体信息的需要。本文以WorldView2的4波段（B、G、R、N）影像为数据源,研究基于高分辨率遥感影像的、面向对象的水体信息提取方法。研究发现：水体在蓝波段（Layer B）上表现出较强反射特性,利用蓝波段的比率值（Ratio Layer B）、标准方差值（Standard Deviation Layer B）两项指标,结合水体指数,能够构建基于高分辨率遥感影像水体提取的基本规则集,完成水体信息的自动提取,并且提取的结果质量较好。通过选取验证区,对提取方法的稳健性进行了验证,结果证明：该方法能够在地理国情普查这种基于高分辨率遥感影像的工程化生产应用中发挥重要作用。     

高分辨率遥感影像信息提取方法综述

感知地物信息最直接的载体就是遥感影像,从遥感影像中提取地形地物等专题信息是当前遥感技术面临的一个迫在眉睫的问题。遥感影像的空间分辨率伴随着遥感技术的飞速发展从公里级发展到厘米级,同时遥感影像所包含的信息正越来越丰富化。高空间分辨率遥感影像具有数据量极大、数据复杂以及尺度依赖的特点,使得高空间分辨率的遥感影像的数据处理以及影像信息提取具有一定的难度,面临一些急需解决的问题。文中介绍了高分辨率遥感影像信息提取的国内外研究现状和趋势,分析了几种遥感影像的分类方法,指出了面向对象的遥感影像信息提取的技术及高分辨率遥感影像的多尺度分割,并指出了国内外在遥感影像信息提取技术方面的不足和迫切需要解决的问题。     

基于TM数据的水体信息提取试验

由对水体在TM图像中的波谱特征分析可知,一般水体在TM4图像上的亮度值是小于TM2波段的。以贵州黔西地区为例,采用了多种方法来提取遥感数据中的水体信息。经过分析比较,最终认为LOC方法提取水体的效果最佳。     

基于AdaBoost算法的遥感影像水体信息提取

AdaBoost算法利用每个特征构造一个简单分类器,然后将简单分类器进行训练组合成一个强分类器。算法能够充分利用每个分类器的优势并避免其劣势,得到一个最佳判别,达到提高分类精度的目的。本文利用TM影像,将影像各波段灰度、水体指数和谱间关系特征相结合,构成提取水体的强分类器,实现水体提取。实验结果表明,算法能够非常有效地、高精度地提取水体信息。     

遥感影像的古长城信息提取方法研究

从分析古长城的遥感信息机理及其光谱特征入手,发现陕北榆林地区古长城与沙地、道路的光谱特性极其相似,因此用单一的阈值法很难将古长城信息提取出来。在综合考虑古长城的空间几何特性(包括形状、大小等)及其在遥感影像上的光谱表现特征的基础上,提出了灰度坡度法对古长城信息进行提取,即利用古长城在IKONOS图像上仅有1—2个像元宽,且与背景地物的灰度差较大的特征,把它与沙地和道路分离出来。运用这一方法并结合光谱阈值分析,从图像上进行了明代长城的提取,取得了较满意的效果,并为进一步的长城考古研究和遥感图像信息提取提供了参考。     

高分辨率遥感影像信息提取方法研究

随着高空间分辨率遥感技术的迅速发展,如何充分应用高空间分辨率遥感影像具有重要意义。而海量数据、复杂细节和尺度依赖的特点决定了高分辨率遥感影像处理的技术难点。本文在总结高分辨率影像信息提取技术基础上,重点讨论了多尺度分割技术。     

ASTER数据的煤矿区水体信息提取

为实现多光谱数据对煤矿区水体信息提取,以萍乡市芦新岭及周边煤矿为试验区,在国内外学者对水体指数法提取水体信息和应用的启发下,对试验区不同地物的波谱特征进行分析。本文首先利用数学统计方法建立一种ASTER数据综合归一化差异水体指数模型SWI ASTER_xy,然后利用这一模型对试验区进行水体信息提取。试验表明,该模型能够有效地提取矿区各类水体,还可以运用在ASTER数据（或其他多光谱数据）对不同区域不同地物的提取,在遥感地物定量提取上具有很好的效果和潜力,具有一定的推广价值。     

基于水质类型的TM图像水体信息提取

通过对一般水体、富营养化水体和严重污染水体与山体阴影在TM各波段图像上的亮度值进行分析比较可知:一般水体在TM4图像上的亮度值小于TM3波段的,而山体阴影则相反;由于富营养化水体中的浮游植物在TM4波段具有强反射特征,严重污染水体对可见光具有强吸收作用,造成了这两类水体在TM4图像上的亮度值大于TM3波段的,因而无法通...     

卫星遥感影像纹理分析与分形分维方法

讨论了影像纹理分析的分维估计原理和具体方法,提出了多波段影像纹理概念和实施方法,介绍了以所述原理进行基于分维估计的单波段和多波段影像纹理分析试验的结果。     

结合二维EMD与自适应高斯滤波的遥感卫星影像去噪

传统的遥感影像去噪方法在去除影像噪声时,往往会造成去噪后影像细节信息丢失和模糊的问题。本文将二维EMD去噪理论用于遥感影像的去噪,提出了二维EMD与自适应高斯滤波相结合的遥感影像改进去噪算法。在去噪时能够保留低频信息不变,只对影像高频信息进行二维EMD分解后的不同频率IMF分量图作自适应高斯滤波去噪,从而更好地对含噪影像进行去噪。两组试验对比分析表明：本文算法具有较大的峰值信噪比、平均梯度和结构相似性,具有较小的均方根误差;并且边缘检测结果也表明,噪声在被滤掉的同时,经本文算法去噪后的影像能较多和更好地保留原始影像的细节信息和边缘轮廓信息,具有更好的去噪效果。     

高分辨率遥感影像信息提取与目标识别技术研究

由于高空间分辨率遥感影像海量数据、复杂细节和尺度依赖的特点决定了高分辨率遥感影像处理的技术难点。在总结以往高分辨率影像(航空影像)信息提取技术的主要难点和不足,从理论上和实践上分析了基于特征基元的高分辨率遥感影像处理与分析的意义,提出了基于特征基元的高分辨率遥感影像多尺度信息提取技术框架。最后对此框架进行总结与分析,指出了目前研究中仍存在的难点和今后的研究重点。     

基于证据理论的水稻遥感信息提取方法研究

水稻播种面积是农业管理部门关心的重要问题之一。本文介绍了证据理论在遥感图像分类上的应用,并以汉川市为示范区,采用2002年TM遥感影像,在GIS技术支持下,通过建模运算,剔除不可能是水稻的像元。然后将证据理论用于影像分类,将影像初次分类结果,与参考图对照,将不满足要求的区域提取出来,再次进行第二次分类。将第二次分类结果与参考图对照,显示分类效果满足要求;若不满足要求,可继续进行再次分类,直到分类效果满意为止。将两次分类结果中的水稻信息进行叠加,提取出水稻遥感信息,经检验精度达到91.39%。     

遥感影像面向对象信息提取技术在GIS土地管理中的应用

本文主要研究通过高分辨率遥感影像和eCognition软件,利用面向对象信息提取技术来获取村庄尺度土地利用类型空间数据的技术方法。本项研究中的实验区主要地物包括麦田、旱作物、荒地、苗圃、道路、水体、建设用地和树木等类型。通过设置不同的分割参数并目视判定待识别地类的轮廓分割效果,获取适用于村庄尺度土地利用类型分类的最优分割参数,并通过分类精度对比说明面向对象信息提取相对于传统分类方法的巨大优势。     

一种顾及上下文的高光谱遥感图像端元提取方法

端元提取技术是混合像元分解中重要的步骤之一,传统的端元提取方法仅考虑了像元的光谱信息。本文将数学形态学算子扩展到高光谱空间,并应用到端元提取技术中,可以顾及像元的上下文信息。利用AVIRIS高光谱仿真数据对算法进行了实验验证,结果表明本文算法具有较强的抗噪能力和较高的可靠性。在此基础上,结合徐州地区的EO-1 Hyperion高光谱遥感图像,使用本文算法进行了端元提取应用研究,将实验结果与纯净像元指数、顶点成分分析方法做了对比分析和精度评价,证明本文算法是一种可靠的高光谱遥感图像端元提取技术。     

基于遥感影像的鄱阳湖地形提取方法

采用遥感影像进行湖底地形反演具有操作简单、处理周期短的优势。本文提出了一种基于克里金法的湖底地形反演方法,以鄱阳湖为研究对象,通过分析周边8个水位站的空间位置与水位间的相关性,获取湖区边界水位变化趋势,利用克里金法反演湖区边界点的水位,将边界点的水位作为高程点进行湖底地形反演,并用实测湖底地形数据验证反演方法的可靠性。研究结果表明,通过克里金插值法反演得到的湖底地形,交叉验证的误差标准平均值在0.2 m以内;地形反演平均绝对误差在1 m以内,说明该方法可用于湖底地形反演且反演精度较高。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

多特征流形鉴别嵌入的高分辨率遥感影像分类

针对高分辨遥感影像同谱异物、同物异谱导致单一特征分类结果精度较差的问题,本文提出了多特征流形鉴别嵌入的高分辨率遥感影像分类方法.该方法首先提取高分辨率影像数据的光谱特征与LBP纹理特征;然后通过样本数据的联合光谱、纹理特征的空间距离及对应的类别信息,构建影像对象的类间图与类内图,用于学习高分辨率影像上的鉴别流形结构,保...     

面向对象的高分辨率遥感影像土地覆盖信息提取

利用高分辨率影象提取土地覆盖信息的关键技术在于如何利用丰富的纹理信息来弥补光谱信息的不足。面向对象的图像分类技术改变了传统的面向像素的分类技术:(1)用来解译图像的信息并不在单个像元中,而是在图像对象和其相互关系中;采用多分辨率对象分割方法生成图像对象,提高了分类信息的信噪比;基于对象的分类技术不同于纯粹的光谱信息分类,图像对象还包含了许多的可用于分类的一些其他特征:形状、纹理、相互关系、上下关系等信息。面向对象的土地覆盖分类结果与传统分类方法相比,其特征提取算子更加地适合于几何信息和结构信息丰富的高分辨率图像的自动识别分类。