青海柴达木盆地地物波谱特征和遥感最佳波段选择

本文叙述了在航空多光谱扫描成像前, 首先要在工作区进行地物波谱测试, 为多光谱扫描成像取得理想效果、选择最佳波段提供依据。1986年在青海柴达木盆地测得了190多个水、土、植被、岩石与盐类沉积物等地物的波谱数据, 经综合整理, 按DS-1260②的可见光到近红外10个波段, 用数理统计的T检验和秩和检验进行青海柴达木盆地找钾盐航空多光谱遥感最佳波段选择的方法探索。     

面向特定目标地物提取的改进最佳波段组合方法研究

提出了一种利用一类支持向量机（OC-SVM）进行特定目标地物提取的改进最佳波段组合方法（MOIF）。以Landsat8卫星影像作为数据源,对江苏省沿海滩涂光伏电站进行了提取试验,并利用人工解译的结果进行了精度评定。结果表明,本文提出的波段组合方法能够有效提取特定的目标地物。     

一种基于最佳指数模型的TM遥感影像最佳波段组合计算方法

如何通过定量计算选择最佳波段组合一直是TM等多波段遥感影像信息提取的研究热点。本文综合利用Erdas提供的可视化空间建模工具(Spatial Modeler)和面向对象的编程技术,提出了一种基于最佳指数(Optimum Index Factor,OIF)的定量计算与定性分析相结合的TM遥感影像最佳波段组合方法。实验证明,该方法快速有效,极大提升了TM等多波段遥感影像最佳波段组合的计算过程。     

TM图像的光谱信息特征与最佳波段组合

本文分析了北自黑龙江省寒温带缓岗平原、南至广东省南亚热带丘陵等9个不同景观类型样区的TM图像数据,查明TM图像的光谱信息具3—4维结构,其物理含义相当于“亮度”、“绿度”和“热度”、“湿度”。在TM7个光谱图像中,一般以第5波段包含的地物信息最丰富。3个可见光波段(即第1,2,3波段)之间,两个中红外波段(即第5,7波段)之间相关性很高,表明这些波段的信息中有相当大的“重复性”或“冗余性”。第4,6波段则颇特殊,尤其是第4波段与各波段的相关性都很低,表明这个波段的信息有很大的独立性。计算20种组合的熵值的结果表明,由一个可见光波段、一个中红外波段及第4波段组合而成的彩色合成图像,一般具有最丰富的地物信息,其中又常以4,5,3或4,5,1波段的组合为最佳。     

一种基于最佳指数模型的 TM 遥感影像最佳波段组合计算方法

如何通过定量计算选择最佳波段组合一直是TM等多波段遥感影像信息提取的研究热点。本文综合利用Erdas提供的可视化空间建模工具（ Spatial Modeler ）和面向对象的编程技术,提出了一种基于最佳指数（ Opti-mum Index Factor ,OIF）的定量计算与定性分析相结合的TM遥感影像最佳波段组合方法。实验证明,该方法快速有效,极大提升了TM等多波段遥感影像最佳波段组合的计算过程。     

基于最佳波段组合的高光谱遥感影像分类

针对高光谱数据维数高、数据量大、信息冗余多、波段相关性强等特点,在综合各种数据降维方法的基础上,提出一种基于最佳波段组合的高光谱遥感影像分类方法。以美国印第安纳州地区的AVIRIS数据为例,分析各波段信息量和相邻波段的相关性,利用子空间划分、分段波段指数选择法,进行特征波段的选择;并针对难区分地物类别,应用J-M距离模型对其可分性进行判别,获得最佳波段组合。最后采用支持向量机分类器进行分类。实验结果表明,采用最佳波段组合方法,可以有效地提高高光谱的分类精度。     

地物波谱研究现状及方法的初步探讨

地物波谱特性是遥感技术应用的物理基础,是遥感定量分析的基础,地物波谱研究是遥感基础研究的重要内容。文中阐述了几种典型地物的波谱特征,介绍了测量方法及影响因素,并对国内外波谱数据库建设现状作了描述和分析,系统总结了前人研究成果后对地物波谱研究的发展方向提出了构想。     

基于波段组合的高光谱数据湿地分类研究

对高光谱数据进行波段组合,可以减少信息量的冗余,提高数据的处理速度。对黄河口入海口湿地进行分类,对合理利用、开发保护该地区湿地资源具有重要意义。本文首先分析了“珠海一号”高光谱数据各个波段的信息量及波段之间的相关系数,然后利用最佳波段指数(OIF)方法选出波段组合B7-B8-B32,进一步在OIF基础上设置信息量与相关系数阈值,选出波段组合B7-B18-B32,实验结果证明分类精度提高了5.4%。最后,根据地物的光谱特征分析,选择光谱差异较大的波段进行组合B6-B13-B18,分类后精度比OIF筛选出的波段组合精度高12.6694%。经实验验证,结合地物光谱特征的波段组合可以大大提高分类精度。     

基于ComGIS的典型地物波谱特性数据库研究

典型地物波谱数据库是遥感定量分析和计算机智能提取地物类型的基础数据,是进行地物识别的重要参照系,可用于遥感技术应用项目的数据分析。本文介绍了典型地物波谱数据库系统软件设计的研究内容,包括系统结构的组织、系统环境的集成、功能设计,系统界面设计以及系统的关键技术分析等。     

顾及光谱特性的多光谱与全色影像HIS融合方法

应用CHIS(Generalized-Hue-Intensity-Saturation)变换融合多光谱影像与全色影像中存在的光谱扭曲问题,主要是由于变换后的I分量与全色影像之间差异过大.为此,本文提出了一种基于统计关系定权的I分量计算方法,从数据整体角度考虑,在不能获取I分量与多光谱影像准确函数关系情况下,通过各波段影...     

地物几何关系的平差方法研究

地物是数字地形图的十分重要的要素之一。数字地形图中的地物是通过连接地物轮廓特征点组成轮廓线绘制而成的,地物轮廓特征点是测量获得的,由于测量存在误差,导致同一地物的轮廓线、不同地物的轮廓线之间可能存在的平行、垂直、直圆相切等条件不能严格成立。为解决此问题,本文以地物轮廓特征点的坐标为观测值,提出了一种基于地物几何关系的平差模型。实验证明,基于地物几何关系的平差方法较好地解决了这类问题。     

基于TM影像的福州市区绿地提取研究

城市绿地是影响市区环境的重要因素,对建设城市生态文明起着重要作用。本文在TM影像的基础上,通过对各个波段的分析,求出最优波段组合并基于这种组合进行影像分类,通过与原始影像分类和NDVI分类结果的对比得出:1)最优波段组合影像分类效果优于原始影像分类;2)最优波段组合影像分类结果与NDVI分类结果十分相近,与实际情况相符;3)NDVI分类效果虽然较好,但与基于最优波段组合影像分类相比,其阈值确定困难,需要多次提取感兴趣区,随机性较大。     

一种基于平面不等式约束法的北斗三频数据组合选取方法

GNSS现代化的标志之一是三频或多频数据的广泛使用,文中在研究北斗三频数据组合原理、优化选取准则的基础上,推导出一种基于平面不等式约束法的三频数据组合选取方法。该方法将长波长条件转化为组合系数的线性关系,将弱电离层条件转化为平面域,将低噪声条件转化为椭圆域,依此建立模型并给出模型的几何解释,最后应用该方法选取特性较优的北斗三频数据组合,并总结了一些组合系数的特点。结果证明,该方法组合系数选取效率大于枚举法等常规方法,从而为多频数据组合理论的研究提供参考。     

一种基于联合特征的地表覆盖变化自动检测方法

地表覆盖的高效变化检测在地理国情监测中具有重要意义。本文针对当前地表覆盖检测人工目视解译方法效率低,以及软件自动解译错检率、漏检率较高的特点和现状,提出了一种基于联合特征的地表覆盖类型自动变化检测方法。该方法通过对比7种不同的特征联合方案,确立了联合灰度共生矩阵、灰度直方图、光谱统计特征、对象特征的最优组合形式,并设计支持向量机高维度分类器进行分类。试验结果表明,在浙江省复杂地表覆盖分布情况下,基于分辨率优于1 m的国产高分卫星影像,该方法对房屋建筑区、建筑工地等人工构筑物类型变化检测的正确率达到85%以上,对耕地、草地等植被类型也能取得较好的检测效果。     

基于邻域投票和Harris-SIFT特征的低空遥感影像匹配

文中提出一种基于邻域投票和改进的Harris-SIFT特征的低空遥感影像匹配方法。首先用NMS算法提取多尺度的Harris-SIFT特征并对其进行方向描述,然后根据最近邻与次近邻特征点距离之比确定初始匹配点对,最后通过近邻域选择投票的方法剔除候选点中的虚假匹配点,进而实现低空遥感影像的配准。实验表明该算法在获得充足匹配点且保证匹配精度的同时,明显提高影像匹配的效率。     

近红外波段ETM~+影像的积雪提取方法

针对提高积雪信息提取精度的要求,为了消除积雪覆盖的结冰水体、薄雪覆盖区以及山体阴影等对于积雪提取的影响,以Landsat-7ETM+为数据源,对近红外波段在积雪信息提取中的优越性进行了探索,提出了一种基于近红外波段和归一化差分积雪指数的积雪提取方法。对典型实验区进行了对比实验分析,结果表明,本文算法能有效减少在结冰水体、薄雪覆盖区以及山体阴影等区域的漏分、误分像元数,获得比SNOMAP算法更佳的积雪识别效果,提高积雪提取的准确性。     

植被信息的Landsat8卫星影像提取方法

传统植被信息提取的信息源多以TM/ETM+等影像为主,在如何应用Landsat8影像提取高精度的植被信息方面研究较匮乏。针对上述问题,该文应用大理市Landsat8影像开展了植被信息提取方法研究。研究过程中通过对原始波段组合法、主成分分量组合法、衍生波段组合法、直接解译法提取结果进行对比分析,确定最佳波段组合;之后将纹理信息作为最佳波段组合影像新的波段,与光谱信息一同分类,并对结果进行分析。研究结果表明,添加纹理能够在一定程度上提高植被信息提取的精度。     

基于PSO-BP神经网络的地表下沉系数选取研究

针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,引入粒子群优化算法,建立地表下沉系数的PSO-BP选取模型。利用粒子群算法反复优化BP网络的权值和阈值,将其作为BP网络的初始值,并将上覆岩层岩性、开采深厚比、松散层厚度、覆岩中坚硬岩层所占比例、是否为重复采动和顶板管理方法等主要影响因素作为网络输入,进行BP算法,直至网络达到训练指标。利用实测资料数据,建立PSO-BP预计模型,并同普通BP神经网络预计结果对比。结果表明：PSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地表下沉系数选取具有一定的应用价值。