TM图像在县级土地资源调查与开发规划中的应用研究

TM图像自应用于土地资源调查以来,对其应用潜力争议很大。鉴于此,本文以河北省南皮县为研究区,利用常规方法,分析、评价了TM图像在县级土地利用制图与农业分区中的应用效果,并与SPOT图像进行了对比分析。研究结果表明,利用TM图像进行县级土地利用制图与农业发展分区,可以得到令人满意的结果,借助TM图像包括中红外在内的多波段光谱信息的优势,可以达到SPOT多波段图像的应用效果。本研究为我国应用TM图像进行县级土地资源调查与制定发展规划提供了一个实例。     

遥感图像融合技术及其在更新GIS数据库中的应用

分析SPOT图像和TM图像的特点，提出应用遥感图像融合的方法来综合利用SPOT和TM的图像信息。将融合结果图像与原始GIS矢量数据经过配准后透明叠加进行矢量数据的更新，从而达到更新GIS数据库的目的。     

基于亮度相关矩的MODIS和SPOT影像融合研究

针对MODIS影像空间分辨率较低的问题，提出了一种基于亮度相关矩的多分辨率图像融合方法。该方法首先对SPOT影像进行小波分解，将MODIS影像构成的RGB颜色系统变换到IHS颜色系统；然后，根据强度分量和SPOT影像低频分量的均值和方差来定义图像亮度相关矩；最后，IHS逆变换和小波逆变换得到包含更多信息和有效特征的融合图像。试验结果证明该方法得到的融合图像在保留地物光谱信息和提高空间分辨率上都具有很好的效果。     

遥感图像数据复合方法

遥感图像数据复合是将多种遥感图像数据融合成一种新的图像数据的技术 ,是目前遥感应用分析的前沿 ,它主要包括几何配准和彩色变换两个方面的内容。几何配准采用相对配准和绝对配准两种方法 ;彩色变换采用 RGB彩色系统和 IHS彩色系统之间的变换。对SPOT和 TM图像数据进行复合实验 ,获得了一种新的复合图像。     

基于SPOT、TM图像的土地利用变化信息提取

在土地利用动态遥感监测中，变化信息提取关键问题。本讨论了运用光谱特征变异法等算法，将宁波市不同时期的SPOT、TM多个图像的光谱信息进行分析、处理与比较，并结合目视判解译，获得2001年度宁波市土地利用变化信息的方法。     

利用TM、SPOT图像制作土地利用图的潜力调查及精度评定

一、前言TM和SPOT图像是目前航天遥感的主要数据源。由于数据获取方便,具有较高的分辨率,因而得到广泛的应用。随着遥感图像处理系统的不断完善,数字图像处理技术的不断发展,TM和SPOT图像在资源调查、环境监测等方面取得了成功的应用。在测绘部门也有重要的应用价值,例如土地利用图的制作。利用计算机自动分类技术进行土地利用分类具有速度快、成本低等优点。从而引起人们的广泛兴趣。     

一种光谱信息保持的影像融合算法研究

在介绍遥感图像融合中IHS变换和小波包分析的基础上,提出了一种基于光谱特征保持的IHS变换与小波包分析相结合的图像融合算法。该方法可以最大限度地保留待融合图像的光谱信息,同时融合图像的清晰度和空间分辨率有了很大提高,图像纹理信息也得到了很好的保持。通过对SAR图像与Landsat(TM)多光谱图像的融合实验,证明了该方法的有效性。     

无人机影像与高分卫星影像融合方法研究

针对目前卫星影像数据有丰富的光谱信息但是空间信息不足,而无人机影像空间分辨率高但是光谱信息缺乏的问题,本文将高分二号卫星多光谱影像数据与无人机正射影像数据融合,得到高空间分辨率和光谱信息丰富的融合影像。通过实际数据分别利用PCA、HIS、高通滤波3种常用的图像融合方法进行高分二号卫星多光谱影像与无人机正射影像的融合实验,并通过定性和定量分析的方法从光谱信息保留的完好性和空间信息表达的分辨率2个方面对比分析了3种融合方法的融合效果。     

IHS小波包活性测度融合SAR与TM图像

提出了一种基于光谱特征保持的IHS小波包活性测度融合算法。该算法首先对TM图像做IHS变换提取出I分量，然后对I分量和SAR图像做基于小波包活性测度的融合得到新的I分量，再将新的I分量与原始TM图像的H、S分量一起做IHS逆变换得到融合后的图像。该方法可以最大限度地保留待融合图像的光谱信息，同时提高了待融合图像的清晰度和空间分辨率，防止图像纹理信息的丢失。     

IHS小波包活性测度融合SAR与TM图像

提出了一种基于光谱特征保持的IHS小波包活性测度融合算法.该算法首先对TM图像做IHS变换提取出I分量,然后对I分量和SAR图像做基于小波包活性测度的融合得到新的I分量,再将新的I分量与原始TM图像的H、S分量一起做IHS逆变换得到融合后的图像.该方法可以最大限度地保留待融合图像的光谱信息,同时提高了待融合图像的清晰度和空间分辨率,防止图像纹理信息的丢失.     

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。     

Land use change detection based on multi‐date imagery from different satellite sensor systems

An empirical study was performed assessing the accuracy of land use change detection when using satellite image data acquired ten years apart by sensors with differing spatial resolutions. Landsat/Multi‐spectral Scanner (MSS) with Landsat/Thematic Mapper (TM) or SPOT/High Resolution Visible (HRV) multi‐spectral (XS) data were used as a multi‐data pair for detecting land use change. The primary objectives of the study were to: (1) compare standard change detection methods (e.g. multi‐date ratioing and principal components analysis) applied to image data of varying spatial resolution; (2) assess whether to transform the raster grid of the higher resolution image data to that of the lower resolution raster grid or vice‐versa in the registration process: and (3) determine if Landsat/TM or SPOT/ HRV(XS) data provides more accurate detection of land use changes when registered to historical Landsat/MSS data.

Ratioing multi‐sensor, multi‐date satellite image data produced higher change detection accuracies than did principal components analysis and is useful as a land use change enhancement technique. Ratioing red and near infrared bands of a Landsat/MSS‐SPOT/HRV(XS) multi‐date pair produced substantially higher change detection accuracies (～10%) than ratioing similar bands of a Landsat/MSS ‐ Landsat/TM multi‐data pair. Using a higher‐resolution raster grid of 20 meters when registering Landsat/MSS and SPOTZHRV(XS) images produced a slightly higher change detection accuracy than when both images were registered to an 80 meter raster grid. Applying a “majority”; moving window filter whose size approximated a minimum mapping unit of 1 hectare increased change detection accuracies by 1–3% and reduced commission errors by 10–25%.     

应用遥感及地理信息系统进行植被制图

利用卫星遥感数据制作复杂地形环境的植被图面临的最主要问题是精度，单纯对遥感数据（ＴＭ或ＳＰＯＩ）进行监督或非监督分类的精度低于５０％。本文选择美国亚利桑那州ＳａｎｔａＣａｔａｌｉｎａ山脉的ＰｕｓｃｈＲｉｄｇｅ作为研究区，分析地理信息系统模型在改善植被分类精度中的作用。结果表明，通过结合辅助数据和应用地理信息系统模型，其精度可以从３７．４１％提高到７１．６７％（ＳＰＯＴ数据，非监督分类），或从５０．０７％提高到６１．５０％（ＴＭ数据，监督分类）。同时表明用ＳＰＯＴ数据进行山区植被制图的效果好于ＴＭ数据。     

影像局部直方图匹配滤波技术用于遥感影像数据融合

本文提出了一种基于局部直方图匹配波技术的影像融合新方法。该方法分析了局部影像统计特性,应用均值或均值－方差匹配正态函数,对要融合的两幅影像局部直方图进行匹配。文中给出了３种不同的融合算法（高通滤波法,局部均值匹配法和局部均值与方差匹配法）用于ＳＰＯＴ全色影像和ＴＭ多光谱影像融合的结果,并进行了比较,质量评价结果证明了提出的方法在提高了原ＴＭ多光谱影像空间分辨率的同时,较好地保留了多光谱影像频道的光     

高分辨率卫星遥感数据在土地利用动态监测中的应用研究

选择土地利用变化类型较多的北京市大兴区为试验区,通过分析印度IRS、韩国KOMPSAT-1、美国IKONOS等高分辨率卫星数据的获取途径、覆盖周期、卫星运行状况、监测成本估算、技术条件和设备要求,对其在土地利用动态监测中的可行性进行了研究;测算了高分辨率卫星数据的主要技术参数;分析原始图像上各主要土地类型的灰度分布范围及其直方图特征,总结不同土地利用覆盖类型与融合图像变化信息的光谱特征。通过精度测算,确定了最大成图比例尺。比较利用高分辩率卫星IRS、KOMPSAT-1和SPOT与陆地卫星TM多光谱数据组合的土地利用动态监测结果(识别率、判对率、图斑边界吻合精度、可监测的最小图斑面积等),确定了不同高分辨率卫星数据与TM多光谱卫星数据组合后对土地利用类型的识别能力,建立了土地利用动态监测解译标志。在解决了若干关键技术问题的基础上,形成了一套可推广的、实用的技术方法和工作流程.     

基于多进制小波变换的遥感影像融合

首先介绍了遥感影像融合的理论和方法 ,然后在讨论多进制小波理论的基础上 ,提出了一种基于特征的多进制小波变换的影像融合算法 ,该算法根据待融合影像分辨率之比确定采用多进制小波 ,从而最大限度的利用了待融合影像的信息 ,防止影像信息的丢失。通过对具体影像的实验 ,证明融合后的影像最大限度地保留了待融合影像的光谱信息 ,同时提高了待融合影像的清晰度和空间分辨率。文中给出了SPOT全色影像与SPOT多光谱波段影像、SPOT全色影像与TM影像的融合结果 ,并与其他方法进行了比较 ,证明了本方法的优越性和自适应能力     

基于小波统计特性的遥感图像像素与特征联合最优融合方法

遥感影像的IHS融合方法由于匹配误差导致光谱畸变和退化,而小波变换在变换域具有良好的分频特性,小波系数的统计特性反映了遥感影像的边缘、线和区域等显著特征。提出了基于小波统计特性的遥感影像的像素和特征联合最优融合方法,在IHS空间,对强度分量I的高频部分利用多分辨率小波融合方法进行影像的高频细节特征融合,低频部分选取光谱信息和空间分辨率评价指标作为融合权系数求优指标,进行像素级最优融合,实验结果证明了该方法的有效性。     

基于波谱角分类法的沙化信息提取研究——以毛乌素沙地典型地区为例

以毛乌素沙地典型地区为例,以CBERS2、Landsat5 TM、SPOT5及 TM与SPOT5融合影像作为基本数据源,使用波谱角分类法对 该区流动沙地、半固定沙地、固定沙地和沙化耕地进行信息提取,探索和比较该方法针对不同传感器遥感影像的沙化信息提取精度 。对本研究区,不同传感器影像的沙化信息提取精度均在80%以上,其中融合影像的沙化信息提取精度最高为90.13%,SPOT5次之, 而CBERS2和TM对不同类型的沙化信息提取各有优势,但CBERS-2信息提取的精度要高于TM。这说明使用波谱角分类法提取的结果精 度与影像空间分辨率有正相关关系,即空间分辨率越高,沙化信息的提取精度也越高。     

Optimisation of building detection in satellite images by combining multispectral classification and texture filtering

Conventional multispectral classification methods show poor performance with respect to detection of urban object classes, such as buildings, in high spatial resolution satellite images. This is because objects in urban areas are very complicated with respect to both their spectral and spatial characteristics. Multispectral classification detects object classes only according to the spectral information of the individual pixels, while a large amount of spatial information is neglected. In this study, a technique is described which attempts to detect urban buildings in two stages. The first stage is a conventional multispectral classification. In the second stage, the classification of buildings is improved by means of their spatial information through a modified co-occurrence matrix based filtering. The direction dependence of the co-occurrence matrix is utilised in the filtering process. The method has been tested by using TM and SPOT Pan merged data for the whole area of the city of Shanghai, China. After the co-occurrence matrix based filtering, the average user accuracy increased by about 46% and the average Kappa statistic by about 57%. This result is about 26% better than the accuracy improvement through normal texture filtering. The method presented in this study is very useful for a rapid estimation of urban building and city development, especially in metropolitan areas of developing countries.