资源三号卫星影像快速大气校正方法

该文针对资源三号(ZY-3)国产高分辨率卫星影像的大气校正问题,提出了一种快速大气校正方法。该方法充分利用已有地面标准波谱库数据,并采用经验线性法对高分辨率ZY-3卫星遥感影像进行大气校正。最后利用地物的真实反射率光谱曲线和归一化植被指数(NDVI),与大气校正结果进行对比分析。结果表明:经新方法大气校正后的ZY-3影像地物反射率光谱曲线与地物真实反射率光谱曲线更加接近,植被覆盖区与非植被覆盖区NDVI的差异更加明显,更有利于地物的识别。研究结果为应用国产ZY-3影像进行定量遥感分析提供了参考。     

基于FLAASH与QUAC模型的SPOT 5影像大气校正比较

卫星遥感影像的大气校正是定量遥感研究的前提与难点之一,大气校正有多种方法和模型。采用FLAASH与QUAC模型对覆盖长株潭地区的SPOT 5遥感影像进行大气校正,进而对校正前后的影像进行视觉、地物光谱曲线对比分析。结果表明,两种模型有其特定的适用范围,均能基本消除大气的影响,能较好地恢复各类地物光谱的典型特征;采用FLAASH模型的精度较QUAC模型的精度高;应用QUAC模型较FLAASH简便,它对输入参数和仪器标定精度的依赖性小。     

基于FLAASH模型的SPOT6卫星影像大气校正及评价

受大气吸收和散射影响,传感器接收到的辐射信息和地表真实反射信息之间存在误差,影响影像的分析精度。选择ORDOS矿区SPOT6卫星多光谱数据,对其进行辐射定标,采用FLAASH模型进行大气校正,对校正前后影像的视觉效果、典型地物反射率光谱曲线、归一化植被指数(NDVI)和植被覆盖度的变化进行对比分析。校正后影像的地物特征更明显、反射率差别较大,能较好还原地表真实信息;NDVI增幅较大,平均植被覆盖度有所提升,能还原较为准确的植被信息。结果表明,FLAASH模型可以有效消除大气影响,对SPOT6卫星影像有较好的校正作用。     

基于准不变目标物下CBERS-02星CCD图像的交叉定标

提出了一种基于准不变反射率地物的交叉定标方法,首先用MODTRAN模式从已知定标系数的影像中反演出反射率,然后计算出对应未知定标系数影像中相同准不变地物的辐射率,最后求出定标系数.将这种方法应用于CBERS-02卫星CCD影像定标,并用6S模式对CBERS-02和ETM+影像进行大气校正,比较用不同定标系数校正后的地物光谱曲线,得出在高反射率地物下,不同定标系数校正后的地物光谱曲线与ETM+的基本一致;低反射率地物下,单点定标系数误差较大,两点定标系数误差较小,用两点定标系数进行大气校正后植被信息得到明显增强.     

一种基于阴影像元的光学遥感大气校正方法

提出一种基于6S模型 阴影像元的大气校正方法,适用于有阴影像元存在的高空间分辨率光学遥感影像。该方法从阴影像元与非阴影像元的信号差异估算气溶胶光学厚度,与暗目标方法相比,此方法避免地表反射率的假定难题。以北京市密云县的IKONOS影像对方法进行验证。在气溶胶光学厚度的估算上,该方法的估算结果与MODIS气溶胶产品基本一致,而且其结果的稳定性明显好于暗目标法。在大气校正的结果方面,针对各类地物,比较大气校正前后的光谱与同类典型实测地物光谱,结果说明大气校正能够大大恢复各类地物光谱的典型特征,这将有利于地物的识别。最后通过比较大气校正前后的NDVI发现,大气校正能够明显增大高植被覆盖区与低植被覆盖区NDVI的差别,使植被信息更加突出。     

单片卫星影像在航测测图中的利用

在边境测图过程中,经常遇到较大面积云层问题,使航测测图无法顺利进行。能充分利用的影像资源是第一次全国地理国情普查的影像,有国产高分2号、SPOT-6、资源3号等单片卫星影像,无立体像对影像。通过对国情普查的影像分析选取,选取一试验区域进行试验,用国产高分2号卫星影像与SPOT-6卫星影像组成立体像对测制地物地貌,用Worldview卫星立体像对影像测制同一区域的地物地貌,将两种影像源组成立体模型测制的地物地貌进行比较及精度统计,说明单片卫星影像在航测测图中达到的精度。     

高分多模卫星大气校正总体设计与在轨验证

高分多模卫星搭载中国首台民用大气同步校正仪,可以对同平台的高分辨率相机观测区域进行时间同步、视场覆盖的大气参数测量,实现对高分辨率图像的大气校正。文章论述了高分多模卫星大气同步校正的总体设计思路,并给出了时空同步、多谱段、多偏振通道探测体制的设计方案和地面验证结果。高分多模卫星入轨以后,对大气同步校正仪的大气参数反演效果和高分辨率图像的校正效果进行了分析,结果表明利用大气同步校正仪测量数据对大气气溶胶光学厚度（AOD）和大气水汽含量（CWV）的反演结果可信,对高分辨率图像有较好的大气校正效果。     

基于同步观测的高分一号卫星影像辐射质量评价

针对高分一号卫星(GF-1)影像进行辐射特征的质量评价研究。通过设计同步观测实验,得到目标区域的同步观测卫星影像数据、大气与太阳光照数据和地面光谱数据;利用值域、均值和标准差等灰度特征指标以及对比度、清晰度、信息熵和角二阶矩等纹理特征指标评价GF-1影像的整体质量。实验结果表明:GF-1影像能较好地区分不同的地物类别,反映不同地物的空间特征和结构差异;整体信息的丰富程度和地物特征表现能力上能满足一般的使用需求,使用时可根据需求选用不同波段的影像来满足实际需要。     

基于神经网络的二类水体大气校正

以MERIS高光谱影像为数据源,根据现有大气传输模型和大气校正方法,探索了适合于内陆湖泊二类水体的高光谱遥感影像大气校正方法。在6S辐射传输模型的基础上,构建了基于神经网络的二类水体大气校正算法。通过构建输入卫星辐亮度直接提取离水反射率的模型,无需同步气溶胶参数,即可实现大气校正。对2010年8月9日的MERIS影像进行大气校正,并将校正后的遥感反射率与准同步实测离水反射率进行对比分析,结果表明,大气校正过程有效去除了大气效应的影响,经过大气校正的13个波段的平均相对误差分布在10%～40%,得到了与实测值相近的水体遥感反射率。     

基于支持向量机的多特征融合影像云检测

遥感影像广泛应用于大气校正、土地覆盖分类和目标识别,但云的存在妨碍影像解译工作和后续利用。本文提出基于支持向量机(SVM)的多特征融合方法进行云识别,该方法基于不同地物之间的光谱、纹理和其他特征之间的差异,以资源三号卫星影像为实验数据进行实验。结果显示:该方法整体准确率大于90%,误检率小于5%,检测精度高、稳定性好且有较高的扩展性。     

Atmospheric Correction Methods for GF-1 WFV1 Data in Hazy Weather

Increasing hazy weather in the eastern area of China limits the potential application of high-resolution satellite data and poses a huge challenge for the atmospheric correction of remote sensing images. Consequently, it is necessary to find the most suitable atmospheric correction method under hazy condition. In this study, five kinds of atmospheric correction models, including 6S, COST, FLAASH, QUAC, and ATCOR2, are applied to the GaoFen-1 Wild Field Camera (GF-1 WFV1) data in the eastern area of China, and examined by both quantitative and qualitative analyses using the measured spectrum data. Experimental results indicated that ATCOR2 achieves the best performance among the atmospheric correction methods qualitatively and quantitatively. Hence, specifically for the study area and GF-1 WFV1 dataset, ATCOR2 is the most suitable atmospheric correction approach under hazy in the eastern area of China.     

高光谱遥感影像的FLAASH模块大气校正与评价

传感器在获取地面信息的过程中,由于大气辐射及散射等原因,传感器得到的测量值与地物的真实值之间存在误差。大气校正是消除辐射畸变,获取地面真实信息,实现遥感数据定量化的基础。研究运用FLAASH大气校正模块,对AVIRIS高光谱遥感影像进行大气校正,选取典型地物,通过光谱曲线变化,植被指数进行校正结果评价,表明大气校正效果明显。且邻近像元纠正功能对其结果有进一步的提高。     

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 ...     

基于混合像元分解的水体遥感图像去云法

大型内陆水体的遥感图像中往往存在着不均匀薄云或者是气溶胶的影响，由于种种原因，传统的大气辐射校正算法无法消除这种不均匀影响，这就给遥感图像的大气校正带来了很大困难。由于水体属于低反射率地物，这种薄云或者气溶胶的不均匀性带来的误差，极大地降低了水体遥感图像的信噪比，进而影响水体信息遥感提取精度。根据部分太湖地区的遥感图像和地面实测数据，作者以一种新的思路来尝试解决这个问题。该方法充分考虑了水气环境的特点，把水体像元光谱看作水、污染物和气溶胶（薄云）等光谱的混和。基于混合像元模型，该方法有效地消除了薄云和气溶胶的影响，可使我们通过遥感手段更加精确地提取水质信息。     

基于6S模型的山区环境星影像大气校正研究

针对山区地形复杂,高程变化较大的特点,利用6S辐射传输模型建立查找表,结合研究区DEM对影像进行了大气校正。试验结果表明,校正后的影像清晰度、对比度提高了,消除了大气对NDVI的负面影响。     

Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响

本文主要是探索Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响。介绍了使用的3种不同辐射校正方法(ATCOR3、FLAASH以及查找表)和两种分类算法。在分类实验部分,根据样本的地理坐标在3景校正影像中分别采集训练样本并训练各自的分类器,并交叉用于其他辐射校正影像的土地覆盖遥感分类。实验结果表明:(1)用于分类器训练的样本采集自待分类影像时的分类精度明显高于采集自其他影像的分类精度;(2)3种辐射校正影像的分类结果存在差异,其中使用ATCOR3和FLAASH方法校正后影像的分类结果有更相近的精度;(3)辐射校正对分类类别的影响不同,其中对森林类型影响最大,对裸地等其他类别影响相对较小。     

面向对象与卷积神经网络模型的GF-6 WFV影像作物分类

GF-6 WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开。本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法。首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对象的CART决策树消除椒盐现象的同时提取植被区域,并转化为卷积神经网络的输入数据,最后基于Python和Numpy库构建的卷积神经网络模型(RE-CNN)用于影像作物分类及精度验证。有无红边波段的两组分类实验结果表明:在红边波段组,卷积神经网络(RE-CNN)作物分类识别取得了较好的效果,总体精度高达94.38%,相比无红边波段组分类精度提高了2.83%,验证了GF-6 WFV红边波段对作物分类的有效性。为GF-6 WFV红边波段影像用于作物的分类研究提供技术参考和借鉴价值。     

基于PROSPECT＋SAIL模型的遥感叶面积指数反演

以PROSPECT+SAIL模型为基础，从物理机理角度反演植被叶面积指数(LAI)。首先，通过FLAASH模型进行大气校正，使得图像像元值表达植被冠层反射率； 然后，根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据，以PROSPECT模型模拟出的植物叶片反射率和透射率作为SAIL模型的输入参数，得到植被冠层反射率，将结果与遥感影像的植被冠层反射率对应，回归出植被LAI； 最后，以地面实测数据对遥感反演数据进行验证，并分析了误差的可能来源。     

鄱阳湖HJ-1A/B卫星CCD影像大气校正研究

以准同步的Terra/MODIS反演的气溶胶为辅助,采用FLAASH模型对2009-10-24鄱阳湖HJ-1A/B卫星CCD影像进行大气校正处理。结果表明,大气影响可以被有效去除,在水体遥感反射率较高的红、绿波段,大气校正精度较高,平均相对误差分别为13.4%和9.8%;而在水体遥感反射率较低的近红外、蓝波段,大气校正精度较低,这可能与波段不同的信噪比和陆地邻近像元效应有关。     

SPOT-7遥感图像融合技术对比研究

随着高分辨率影像研究的发展,影像融合成为遥感影像处理领域中一个重要的研究方向。目前对于影像的融合已有很多的方法,如IHS法、HPF法等。本文将以SPOT-7高分辨率影像作为研究对象,探讨经PCA法、Pansharpening法、Gram-Schmidt法、NNDiffuse法这4种融合方法,融合后的影像在保持地物的波谱特征,以及信息识别效果等多方面的各自优势,并通过定性和定量评价来确定适合SPOT-7高分辨率影像的融合方法,实验结果表明:NNDiffuse方法的融合结果最为理想。