多光谱遥感影像与高分辨率全色影像融合研究

选取浙江省绍兴市作为研究区 ,探讨了IHS变换、PCA变换及Brovey变换等融合方法 ,发现Brovey变换更适合于多光谱数据与高分辨率全色数据之间的融合。     

基于多源遥感影像融合的影像匹配技术

多源遥感影像数据配准,常用的方法是多项式纠正法。此方法简单,但不能有效实现图像之间的相互配准。本文介绍了一种基于影像匹配的图像对图像局部纠正技术,包括影像直方图匹配、特征点提取、影像匹配处理技术,以及图像对图像局部纠正等技术,用于多源数据的配准。实验证明这种流程适合不同时相、不同传感器遥感数据(TM数据、SPOT数据与航空影像数据)的精确配准,配准误差可达到子像元级别。     

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。     

利用多光谱影像检测资源三号卫星平台震颤

卫星平台震颤是影响高分辨率卫星成像质量的因素之一,会引起影像模糊和内部畸变。本文从资源三号卫星多光谱相机的成像特点和多光谱影像配准误差影响因素入手,理论推导和仿真分析了卫星平台震颤对配准误差的影响规律,在此基础上提出了基于多光谱影像高精度密集匹配的平台震颤检测方法和流程,最后利用不同波段、不同时间的成像数据进行试验。试验结果表明资源三号卫星在试验数据成像阶段存在约0.6Hz的平台震颤,且垂轨方向震颤幅值大于沿轨方向,同时引起波段间相同频率周期性配准误差。检测结果为进一步提高资源三号处理精度提供了可能,也为卫星平台震颤源的分析和优化卫星平台设计提供了重要参考依据。     

利用阴影指数和方位搜索法检测Landsat 8 OLI影像中云影

Landsat 8 OLI影像已成为重要的数据源,但受云及云影的影响较大,降低了数据的可用性,因此,快速识别云及云影,为后续的数据恢复有着积极的应用价值。通过构建云指数(CI)、归一化暗像元指数(NDPI)和比值阴影指数(RSI),采用阈值法和方位角搜索法,以两景Landsat 8 OLI影像(一景试验影像,另一景验证影像)为例进行云及云影检测。每类随机选取200个样点进行精度分析,结果表明:CI可快速区分OLI影像中的云区与非云区,厚云样本点正确识别率达到99%;NDPI与归一化植被指数(NDVI)构建的比值阴影指数RSI放大了水体、云影与其他阴影间的差异,更便于区分;方位搜索合理设置搜索方位角和搜索距离,简化了云影与云的相对关系模型,可准确区分水体与云影,两者的正确识别率都超过93%,弥补了阈值法的局限性。本方法可行快捷,为OLI影像的后续应用提供了基础,可有效提高其利用精度。     

基于多维云空间的多光谱遥感影像边缘检测研究

在云模型的基础之上,提出一种基于多维云空间的遥感影像边缘检测算法。该方法依据矢量角相似性准则并结合邻域关系进行图像区域生长,在此基础之上根据影像不同波段的数据特征建立多维云空间映射模型,将数据从图像空间映射到云空间。通过多维云的逻辑运算生成边界云并进行向量综合。利用云的数字特征反推隶属度,构建边缘模糊特征平面,并通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法在多光谱遥感影像中能取得较好检测效果。     

基于Shearlet变换的SAR与多光谱遥感影像融合

针对合成孔径雷达（SAR）影像和多光谱遥感影像在融合时空间特征和光谱特征方面不能同时得到较大改善的问题,提出了一种基于成像特性的Shearlet变换域下的多源遥感影像融合方法。利用Shearlet变换的多方向和多尺度分解特性,将多光谱影像和SAR影像分别分解为高频和低频系数,从影像区域能量特征和区域相关性入手,设计了基于区域能量的低频系数融合规则和改进型的脉冲耦合神经网络的高频系数融合规则,使融合结果能够包含更多空间细节信息和光谱信息。利用TerraSAR-X、Landsat5-TM影像进行实验,结果表明该方法在提高影像空间细节表达能力的同时能够较好地融合更多的光谱信息。与小波变换、非下采样轮廓波变换（Nonsubsampled contourlet Transform,NSCT）等方法相比,该方法在空间信息保有量和光谱信息保有量方面都有明显的提升,其中交叉熵有接近100%的提升幅度,互相关系数有高于25%的提升幅度,光谱扭曲度有优于40%的提升幅度。     

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。     

关于多光谱和高光谱影像的纹理问题

提出了一种新的纹理概念,指出纹理是地物目标光谱空间到二维投影空间的映射模式,以表述多波段影像或高光谱影像的纹理,并蕴含了单波段或黑白影像纹理概念。同时,提出了实现空间映射的几种编码方式,即基于光谱相似性分析的编码、基于光谱空间密度分析的编码、以影像主成份分析为基础的编码、空间相关性的编码等五种方法。     

小波变换用于高分辨率全色影像与多光谱影像的融合研究

将小波的多分辩率分析与ＩＨＳ变换相结合,提出了叠加融合的新方法。它先对高分辨率影像进行了小波分解,得到的各小波面叠加到多光谱影像经ＩＨＳ变换后的强度Ｉ影像像中,使得融合影像最大限度地保留了多光谱影像的光谱信息,保持了原多光谱影像的反差,同时提高了它的清晰度和空间分辨率。     

增强型多时相云检测

针对云检测在高亮度地表以及雪覆盖区域存在过度检测的问题,设计了一种不依赖热红外波段的增强型多时相云检测EMTCD(Enhanced Multiple Temporal Cloud Detection)算法。首先,利用云的光谱特征建立单时相云检测规则,并基于云、雪的光谱差异构建了增强型云指数ECI(Enhanced Cloud Index),改进了云、雪的区分能力;其次,以同一区域无云影像为参考,基于ECI指数构建了多时相云检测算法,较好地克服了单时相云检测中高亮度地表、雪和云容易混淆的问题,提高了云检测的精度;最后,选择两个典型区域的Landsat-8 OLI影像,对比分析了不同算法的云检测结果。实验结果表明:ECI指数能够有效区分云、雪,EMTCD方法的平均检测精度达到93.2%,高于Fmask(Function of mask)(81.85%)、MTCD(Multi-Temporal Cloud Detection)(66.14%)和Landsat-8地表反射率产品LaSRC(Landsat-8 Surface Reflectance Code)的云检测结果(86.3%)。因此,本文提出的EMTCD云检测算法能够有效地减少高亮度地表和雪的干扰,实现不依赖热红外波段的高精度云检测。     

高分辨率遥感影像阴影检测与补偿系统的设计与实现

阴影检测与补偿涉及遥感影像的不确定性、算法复杂度高及提取自动化程度低等问题。基于Arc GIS Engine平台,结合Matlab和GDAL开发工具,根据构建的高分辨率遥感影像阴影检测和补偿算法设计了一体化的阴影检测与补偿系统。系统采用了数据分块读取、2%线性拉伸及DLL动态链接库等关键技术,解决了大数据量影像读取、影像不确定性及系统可扩展性等问题,实现了系统的集成和优化,提高了运行效率。测试结果表明,该系统在Quick Bird、资源三号(ZY-3)等高分辨率遥感影像的阴影检测与补偿中具有较高的精度和效率,可用于数据批处理。     

JSEG改进算法在多光谱遥感影像区域分割上的应用

图像分割是对图像进行感兴趣区域提取与识别的基础,是图像分析的关键步骤.基于区域分割的JSEG算法是一种既融合了颜色信息又融合了空间信息的图像分割方法,在普通图像和视频图像中都能得到良好的分割结果.将这一算法引入到遥感影像的分割中,并对其做出改进,使之适用于多光谱遥感影像和纹理特征复杂的遥感影像的区域分割.实验结果表明,该算法很好的解决了由于影像中复杂的地物信息而产生的不同区域边界模糊的问题.     

GF-4序列图像的云自动检测

以高分四号(GF-4)卫星L1级标准分幅数据产品提供高精度的云检测产品为目的,研究针对地球同步轨道卫星数据的云检测算法,改进自动阈值以适应同日不同时刻成像数据的辐射亮度与地表反射特性的变化差异。利用GF-4卫星凝视成像方式获取的同区域序列图像以及云在不同图像上的运动特性,结合自动阈值与SavitzkyGolay(SG)滤波修正检测结果中的误检。算法的两个关键预处理,一是通过自动的几何配准解决未经几何校正的分幅数据之间像素位置对应的问题,二是通过基于典型相关变换自动提取序列图像之间的伪不变特征点集,进而利用相对辐射归一减小了不同时刻成像数据之间的辐射差异。通过内蒙古自治区东部及长江中下游区域70余组数据对算法进行验证,整体上获得了稳定的结果与精度,并且基于序列图像的云检测算法在云边界、高亮地表及薄云区域的检测精度整体优于单幅自动阈值的检测结果。结果表明算法精度上满足GF-4云检测数据产品需求,且算法自动化程度高,便于工程化的数据生产。     

特征级高分辨率遥感图像快速自动配准

随着遥感图像分辨率的日益提高,遥感图像的尺寸和数据量也不断地增大,同时随着遥感应用的发展,对图像配准的性能也提出越来越高的要求,基于此,提出一种特征级高分辨率遥感图像快速自动配准方法。首先,对图像进行Haar小波变换,基于小波变换后的近似图像进行配准以提高配准速度;其次,根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子,SAR图像使用Ratio Of Averages算子),并将线特征转化为点特征;然后,依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对;最后,利用改进的随机抽样一致性算法滤除错误匹配点对,并结合分块思想均匀选取匹配点对计算仿射变换参数,进一步提高配准精度。为了验证本文方法的有效性,选择高分辨率World View-2图像、Pleiades图像和Terra SAR图像进行了实验,并与典型的SIFT算法、SURF算法进行比较分析,采用匹配率、匹配效率、均方根误差和时间消耗4个定量评价指标来客观评价算法的配准性能。实验结果表明,本文方法具有较好的有效性,且在不同的情况下具有较高的配准精度。本文提出的特征级高分辨率遥感图像快速自动配准方法,多组高分辨率遥感图像数据的配准实验结果表明该方法能快速实现并具有较高的配准精度和较好的鲁棒性。     

噪声调节主成分变换下的遥感图像薄云去除

针对在光学遥感图像中的地球表面反射率由于云覆盖所造成的衰减问题,本文提出了一种基于噪声调整主成分变换(NAPCT)模型的薄云去除方法.首先,通过噪声估计构建NAPCT除云模型,实现云图像的转换;然后,利用NAPCT第一成分(NAPC1)提供的云分布信息,通过合并云掩膜,对NAPC1上的浑浊像素进行校正;最后,将逆变换应...     

改进Fisher判别分类的遥感影像变化检测

Fisher判别分类的好坏关键在于训练样本集选取的精度和在降维过程中样本特征信息的损失程度,基于此问题,本文根据不同时相同一地区的遥感影像的差值影像中各像素本身的灰度值及其邻域平均灰度值特征获得其一维和二维直方图,针对差值影像无噪和带噪两种情况,根据直方图信息选取Fisher判别分析所需的训练样本,同时为了尽可能降低判别分析过程中有用信息的损失,将所得到的原训练样本集进行非线性变换,使其映射到高维空间中,利用映射后的训练样本求得Fisher判别规则。实验结果表明:与基于原训练样本的Fisher判别分类和基于寻找更多的样本特征的Fisher判别分类方法生成结果相比,在差值影像无噪和带噪情况下,本文提出的方法具有更好的变化检测精度和抗噪性。     

面向对象的高分辨率遥感影像阴影提取方法

针对高分辨率遥感影像阴影提取的问题,通过分析影像主成分变换和HIS变换的特征,提出了一种面向对象的高分辨率遥感影像阴影提取方法:首先,使用mean shift分割方法进行影像去噪和平滑;然后,结合主成分变换和HIS变换形成了一种阴影检测指数(SDI);最后,通过阈值分割提取阴影信息。选取两景影像进行了阴影提取实验。实验结果表明,SDI能有效地区分阴影与建筑物、水体、蓝色地物、植被等非阴影地物;另外,mean shift分割能有效地去除结果中斑点噪声的影响,提高阴影检测精度。