高光谱遥感在土壤重金属污染监测中的应用

高光谱技术的快速发展为宏观、快速获取土壤中的重金属元素信息提供了有力支撑。选择云南大红山铜矿作为研究区,对其土壤进行采样,其中水样、底泥样和土壤样各30个,共90个样本。使用ASD光谱仪对样品进行光谱分析,借助ENVI软件对原始测量数据进行平滑与去噪处理,利用与重金属相关的官能团在VNIR和SWIR波段光谱吸收特征的变化提取光谱吸收特征参数。通过与预处理后研究区的HyMap遥感图像数据进行光谱相似度及光谱参数相似度的对比,验证了将ASD实测光谱与HyMap高光谱遥感数据结合监测研究区重金属污染的可行性。认为高光谱遥感在土壤重金属监测方面有着广泛的应用前景。     

消除噪声的RNF图像融合算法

在多光谱遥感图像中有时也会存在较严重的随机点噪声的干扰，这种随机点噪声严重影响了地物光谱特征提取和识别的精度，降低了各种遥感定量分析方法技术的有效性。常用的遥感图像随机噪声消除或压抑方法是Fourier变换频率域方法和采用平滑模板对图像进行卷积处理的空间域方法，但它们往往会损失图像信息。文章探讨了消除或压抑噪声的图像融合方法，即RNF融合法。RNF融合算法先对参与融合的多光谱图像进行低通滤波，对全色波段进行高通滤波。然后将滤波后的全色波段与多光谱图像用HSI变换法进行融合，融合后的图像消除了噪声。     

基于国产高分辨率光学遥感影像的水体提取

遥感图像中地表水体同山体、建筑物等地物产生的阴影在光谱特征上存在较高的类间相似性,导致提取过程中容易出现混淆和错分的情况。针对此问题,提出一种基于面向对象和人工蜂群的地表水体提取方法。该方法首先对遥感图像进行分割以获取分割对象的光谱、比率、几何形状等统计特征,以弥补高分遥感图像波段数目少,信息量不足的缺陷;并借助人工蜂群算法在解决复杂问题最优化方面的优势,选取水体同阴影二值分类的几何平均正确率作为算法的适应度函数,最终获取地表水体的最优化提取规则。选取厦门市大嶝岛和湖南省资兴市部分区域,基于国产高分一号、二号遥感数据进行水体提取,并与传统SVM分类结果进行比较。实验结果表明本算法提取水体的总体精度和Kappa系数均优于传统SVM分类器,表明该方法可应用于高分遥感图像的地表水体提取。     

多源遥感数据图谱协同岩石单元分类方法

岩石单元的结构、构造、差异风化和出露状况在遥感图像上综合表现为图形纹理特征即“图”标志，其矿物成分和组合则表现为光谱特征即“谱”标志.传统遥感岩石单元分类以利用其光谱特征为主，图形纹理特征为辅，因此分类精度有限.以新疆维吾尔自治区与甘肃省交界的北山西段为研究区，开展岩石单元图形指数和光谱指数协同分类方法研究.基于Worldview-2全色图像构建的图形指数，能够量化岩石单元的层理、构造、展布形态和微地貌等特征，包括0°和45°定向滤波图像及灰度共生矩阵计算出的同质性和异质性特征图像、熵特征图像；光谱指数基于Worldview-2多光谱图像和ASTER（Advanced Spaceborne Thermal Emission and Reflection Radiometer）短波红外波段图像利用比值、和-差方法构建.多源遥感图像构建的光谱指数其光谱波段涵盖可见光-近红外及短波红外，包括RI（Ratio index）_ASTER、SI（Spectral index）_ASTER、SI_Worldview-2.采用面向对象方法对建立的图谱指数进行多尺度分割，依据不同岩石单元出露规模建立适宜的分割尺度，利用光谱指数自动提取相应岩石信息，实现岩石单元自动分类.结果表明，实验区基于图谱协同方法共划分出17类岩石单元，总体精度达到83.62%，而单独利用Worldview-2和ASTER图像，仅划分出13类和14类岩石单元.提出的图谱协同岩石分类方法可为我国西部高海拔深切割无人区地质调查及找矿工作提供新思路和遥感技术支撑.      

基于遥感图像分割和形态学的黄土滑坡后壁自动提取方法

基于黄土滑坡后壁的光谱和形状特征,提出了利用区域生长合并方法分割高分辨率遥感影像,提取滑坡后壁区域,经过二值化构图处理后,获得滑坡后壁主要格架,以表征黄土滑坡的方法。首先充分考虑黄土滑坡后壁在遥感影像中所呈现出的独特光谱特征和半圆状或圈椅状的形状特征,利用区域生长合并的方法,在生长参数为47.5,合并参数49的状态下进行影像分割,获得初步的黄土滑坡后壁形状;其次,填充分割过程中产生的孔洞,对获得的滑坡后壁进行细部构图;最后,采用二值化骨骼提取算法,提取滑坡后壁的主要格架,作为黄土滑坡的标志。该方法是对黄土滑坡遥感解译工作中,滑坡表达方法的改进和提高。     

Landsat 8卫星OLI传感器波段平均太阳辐照度计算

卫星传感器波段平均太阳辐照度(solar exoatmospheric spectral irradiances,简称ESUN)是反演地表温度、大气顶部反射率的重要参数。目前,Landsat 8卫星的传感器ESUN值美国地质调查局仍未公布。采用ChKur、WRC、Thuillier、ASTM和Wehrli太阳光谱数据,结合Landsat 8卫星的相对光谱响应数据,使用代入计算的方法分别计算了OLI传感器各波段的ESUN值。与ChKur数据计算的结果相比,应用Wehrli数据计算的结果均方根误差最小,使用WRC数据计算的结果均方根误差最大。为验证结果,用同样的方法计算了基于ChKur太阳光谱数据的Landsat 7卫星ETM+传感器的ESUN值,并与美国地质调查局官方推荐的结果做对比,结果表明,基于ChKur太阳光谱数据采用该方法计算结果较为符合官方数据。     

面向高光谱矿物填图的多特征结合降维方法研究

高光谱影像具有图谱合一的特点,图像空间信息是遥感影像的重要信息,但以往基于最佳波段选择的降维方法中只考虑基于灰度统计的特征空间信息,忽视了图像空间信息,而且计算量大。综合高光谱遥感影像的特征空间与图像空间信息,提出了一种多特征结合的高光谱影像降维方法并应用于矿物填图中。统计分析波段相关性并划分不同特征子空间;计算各波段的分形维数,在各子空间选择分形维数较小的波段作为候选波段;在候选波段中,计算待识别地物光谱间的相关系数,并快速选择出最佳波段组合。经实验,应用该方法选出的最佳波段组合影像清晰、不同蚀变矿物对比明显,根据特征选择提取出的矿物蚀变信息与应用成熟的光谱角制图(SAM)提取结果大致相同,表明结合图像空间和特征空间的降维方法能够选择出理想的波段组合,有效降低高光谱数据的维数,信息提取效果好。     

遥感图象定量分析方法及应用

本文论述了遥感图象定量分析的基本原理、计算方法及其应用效果.简明地介绍了几种常用的最佳波段选择方法,论述了用于提取多光谱数据分类特征的主成分分析和典型分析方法及其在岩性地层分类、动态遥感信息检测中的应用效果.文中系统地介绍了遥感图象光谱模式识别的监督分类及非监督分类方法的计算机分析步骤、常用算法、误差分析及其应用条件.最后概略地论述了遥感图像定量分析方法在1:5万区域地质调查工作中的应用方法和应用前景.     

高光谱遥感在斑岩矿床蚀变信息提取中的应用

高光谱遥感将传统图像的空间维与光谱维信息融合为一体,用很多窄而连续的光谱通道获取地物的遥感影像,使得本来在宽波段多光谱遥感图像中不可探测的地物在高光谱遥感中能够被探测和区分(张良培等,2005)。地质是高光谱遥感应用最成功的领域之一,高光谱矿物识别和     

一种岩性提取新方法--光谱排序编码法

光谱排序编码法(SSE:Spectra Sort Encoding Algorithm)是在对目标光谱与地物光谱按光谱强度大小进行排序的基础上,计算两条光谱曲线的相似度,然后,根据相似度与识别误差进行编码,从而达到识别目标的目的.文章详细介绍了算法提出的背景、原理,并对算法在岩性提取中的精度进行对比验证,结果表明在识别误差从0到0.3变化的过程中,算法最高精度的平均值为1,平均精度的平均值为0.825.高精度是其进行岩性提取的基础,岩性端元提取对比试验的结果也证明它是一种有效的岩性提取算法.