极化SAR干涉测量模拟研究

极化SAR干涉测量将极化测量技术和干涉测量技术巧妙地结合，能够提高干涉测量精度，尤其是在植被覆盖的情况下，不仅能够测量地表地形，而且使得估计植被高度成为可能。因此，近几年来国际上对极化SAR干涉测量技术的研究越来越重视，极化SAR干涉测量已成为SAR应用技术发展的重要方向。通过模拟技术深入研究极化SAR干涉测量理论和方法，并提出了一种新的极化SAR干涉测量改进算法，模拟实验结果表明，该算法可以进一步提高测量精度。     

机载X波段极化干涉SAR数据非监督分类方法研究

针对经典极化分类算法在处理机载X波段SAR数据时将过多地物分为体散射类型,并且容易受噪声影响,分类结果存在大量误分现象的问题,通过对机载X波段SAR数据非监督分类方法的研究,提出将极化干涉信息用于机载X波段极化干涉SAR数据的分类。通过运用极化干涉数据进行目标分解得到参数A1和A2对数据进行初始分类,然后结合改进的Wishart最大似然分类算法来进行地物的自适应分类。实验结果表明,该方法能有效避免平地效应的影响,抗噪性好,能正确区分三种典型散射类型,分类效果明显优于极化分类效果。     

极化与干涉合成孔径雷达应用方法研究进展

简要指出极化和干涉SAR 的基本特征后, 分别介绍了国内外近年来极化和干涉SAR, 以及极化干涉SAR 的研究进展。对处理和应用极化SAR 信息的方法和进展进行了归纳和总结, 重点对极化分解方法、极化分类和相干最优技术进行了介绍, 探讨了其发展的方向。对几种主要新的干涉SAR 应用技术方法, 包括最小二乘(LS)方法、永久散射体(PS)方法、小基线子集(SBAS)方法、相干目标(CT)方法和人工角反射器干涉测量(CR)方法进行了简要介绍和分析, 指出了其各自的特点。最后, 对综合极化和干涉特点的极化干涉SAR的应用研究状况, 包括植被参数、建筑物高度、冰川变化等几个重要的应用研究方向进行了介绍, 并讨论了存在的问题和不足。     

基于ESPRIT算法的极化干涉SAR植被高度反演研究

由于存在着去相干分量,利用ESPRIT(旋转不变技术)算法对植被区域的极化干涉SAR(PollnSAR)数据进行反演的结果有较严重偏差.针对这一问题,结合极化干涉相干最优理论及其物理散射机制,引入新的散射矢量——相干最优化散射矢量,提出一种改进的基于ESPRIT的植被高度反算法.最后,利用欧空局(ESA)提供的模拟L波...     

Research on PoISAR Image Classification Based on SSVM Algorithm and Texture Feature Introducion

在极化SAR影像极化特征的基础上,引入影像的纹理信息,利用带核函数的SSVM算法对极化SAR影像进行分类研究。该方法首先利用精致LEE滤波器对极化SAR影像进行去噪处理;然后采用小波变换对去噪后的总功率影像Span进行纹理特征提取;最后将纹理信息和极化信息结合,并采用SSVM方法对极化SAR影像进行分类。利用NASA／JPLAIRSAR获取的L波段SanFrancisco海湾和荷兰中部Flevoland地区的影像对该方法进行验证,结果表明,SSVM算法可有效地用于极化SAR影像分类,且分类精度和分类效率都优于SVM算法。同时纹理信息的引入使SSVM算法的分类精度得到了进一步提高。     

引入纹理特征的SSVM算法在极化SAR影像分类中的应用

在极化SAR影像极化特征的基础上,引入影像的纹理信息,利用带核函数的SSVM算法对极化SAR影像进行分类研究。该方法首先利用精致LEE滤波器对极化SAR影像进行去噪处理;然后采用小波变换对去噪后的总功率影像Span进行纹理特征提取;最后将纹理信息和极化信息结合,并采用SSVM方法对极化SAR影像进行分类。利用NASA/JPL AIRSAR获取的L波段SanFrancisco海湾和荷兰中部Flevoland地区的影像对该方法进行验证,结果表明,SSVM算法可有效地用于极化SAR影像分类,且分类精度和分类效率都优于SVM算法。同时纹理信息的引入使SSVM算法的分类精度得到了进一步提高。     

LSSVM算法在极化SAR影像分类中的应用

最小二乘支持向量机(LSSVM)是针对标准支持向量机(SVM)算法训练时间长的问题而提出的一种改进算法。针对SVM算法在极化SAR影像分类时存在效率较低的问题,以目标分解理论为基础,对LSSVM算法应用于极化SAR影像分类的有效性进行了研究。结果表明,对于极化SAR影像分类,LSSVM算法与SVM算法的分类精度相当,但时间效率远优于SVM算法,并且对参数的调整也具有更好的稳定性,同时泛化能力良好。     

基于酉ESPRIT算法的极化干涉相位估计

目前SAR极化干涉测量地形参数已经成为一种新兴的前沿技术。在现有提取极化干涉相位的技术中,由空间谱估计理论发展而来的,利用MUSIC、TLS-ESPRIT算法获取干涉相位信息的方法正逐步完善起来。但由于SAR信号存在散射点的观测数据少的问题,利用上述方法往往不能得到更高精度的干涉相位。作者提出的基于酉ESPRIT算法估算干涉相位的方法,充分利用了复观测数据以及共轭数据中的信息,使得观测数据等效增加了一倍,从而提高了植被高度参数的估计精度。本文详细阐述了该方法的原理和实施步骤,并通过对SIR-C/X-SAR的L波段实际数据进行验证处理,表明酉ESPRIT算法十分有效。     

多时相双极化合成孔径雷达干涉测量土地覆盖分类方法

综合采用时相、极化和干涉3种维度的SAR数据进行土地覆盖分类。以黑龙江省逊克县多时相ALOS PALSAR数据覆盖区为研究区,利用不同时相极化SAR、干涉SAR信号对地物特征的敏感性,结合后向散射强度和干涉相干的时变特征进行地物解译,发展了基于多时相、多极化、干涉SAR数据的SVM土地覆盖分类方法。研究结果表明,引入双极化SAR中不同极化(HH-HV)间的相干系数,并结合所选择的时相特征、极化特征以及干涉相干特征进行分类,可解决双极化SAR影像中林地与城市及建设用地的混分问题,得到更高精度的土地覆盖分类结果。     

ALOS PALSAR全极化图像分类研究

极化干涉相干矩阵服从复Wishart分布,通过对相关系数的分析可以获得不同的地物类别。在总结极化干涉非监督Wishart ML分类流程的基础上,基于该方法对塔河地区全极化PALSAR数据进行了分类,研究结果表明:基于极化干涉的分类方法能够有效区分不同散射机制对应的地物,该分类方法具有较强的适应性,并且类间边界比较明显,这些分类信息为森林资源的开发和利用提供了参考。     

利用多分类器集成进行遥感影像分类

基于信息相关理论,根据相关度值动态调整分类器的组合和权重,建立了新型的多分类器集成规则,并应用于决策树分类器、BP人工神经网络分类器和SVM分类器的集成。通过对长沙城区TM影像的分类实验发现:①三种分类器的分类结果存在较明显的差异,水体区的差异像元最少,占水体总像元的15.12%,建设用地区的差异像元最多,占建设用地区像元的54.93%;②三种分类器均具有较高的分类精度,总体精度均超过了74%,而且分类器各有优势,决策树分类器能够较好地分出水体和建设用地,BP分类器能够较好地分出水体和林地,SVM分类器对水体、林地和建设用地均有较高的分类精度;③基于全信息相关度的多分类器集成分类法明显地提升了分类结果的精度,分类精度达到了85.71%,Kappa系数达到了80.56%。     

高分辨率影像解译理论与应用方法中的一些研究问题

近年来，不断发展的遥感技术使遥感数据呈现出高空间分辨率、高光谱分辨率和高时间采集频率的特点。卫星图像空间分辨率已经提高到0．6m级，而航空遥感数字影像分辨率高达0．1m以上。光谱分辨率高达3—4nm。不断发展的高分辨率遥感数据能够提高信息提取和监测精度，并拓展遥感数据的应用范围。目前，国外已经加快对高分辨率图像，特别是高空间分辨率影像，在城市环境、精准农业、交通及道路设施、林业测量、军事目标识别和灾害评估中的应用。但是总的情况是自动化程度不高。介绍高空间分辨率影像信息提取、高光谱和偏振影像信息提取、影像数据融合和高分辨率遥感变化探测等方面迫切需要研究的一些科学问题及其意义。建议建立图像知识库，改善数据共享环境，为有志于从事这方面研究的学者提供参考。     

Combination of Spectral and Textural Features in the MSG Satellite Remote Sensing Images for Classifying Rainy Area into Different Classes

The rainfall intensity classification technique using spectral and textural features from MSG/SEVIRI (Meteosat Second Generation/Spinning Enhanced Visible and Infrared) satellite data is proposed in this paper. The study is carried out over north of Algeria. The developed method is based on the artificial neural multilayer perceptron network (MLP). Two MLP algorithms are used: the MLP-S based only on spectral parameters and the MLP-ST that use both spectral and textural features. The MLP model is created with three layers (input, hidden, and output) that consist of 6 output neurons in the output layer that represent the 6 rain intensities classes: very high, moderate to high, moderate, light to moderate, light and no rain and 10 spectral input neurons for the MLP-S and 15 input neurons for MLP-ST, which as ten spectral features that were calculated from MSG thermal infrared brilliance temperature and brilliance temperature difference and as five textural features, and The rainfall intensity areas classified by the proposed technique are validated against ground-based radar data. The rainfall rates used in the training set are derived from Setif radar measurements (Algeria). The results obtained after applying this method show that the introduction of textural parameters as additional information works in improving the classification of different rainfall intensities pixels in the MSG/SEVIRI imagery compared to the techniques based only on spectral information. These results are compared with results obtained with the probability of rainfall intensity (PRI). This comparison revealed a clear outperformance of the MLP algorithms over the PRI algorithms. Best results are provided by the MLP-ST algorithm. The combination of spectral and textural features in the MSG–SEVIRI imagery is important and for the classification of the rainfall intensities to different classes.     

Progress in the Development of a High Performance Airborne Digital Sensor

Joint development work by LH Systems and Deutsches Zentrum für Luft- und Raumfahrt (German Aerospace Center) has produced encouraging results using forward, nadir and backward looking linear arrays on the focal plane to provide panchromatic imagery and geometric information, supplemented by further arrays to acquire multispectral imagery suitable for both high precision photogrammetric mapping and image processing for interpretative purposes. The geometric characteristics of line scanner imagery necessitate line-by-line rectification for aircraft tilts and shifts. Satisfactory execution of this process is enhanced by using supplementary data from high performance, on-board GPS and inertial measurement systems. Similarly, high demands are placed on other sub-systems, such as the camera mount, lens, electronics and storage technology. In addition to rectification for aircraft tilts and shifts, rectification for terrain characteristics is also required in order to generate colour and false colour composite images, since the various multispectral arrays are in different places on the focal plane. The special geometry affects triangulation. Thereafter, the imagery can be processed using existing software packages from both photogrammetry and remote sensing.
The concept has been demonstrated in several successful test flights and the production model is scheduled for market introduction at the ISPRS Congress in July 2000. The imagery from the new sensor will fulfil many market requirements between the highest resolution film imagery (<0.1 m) and high resolution space imagery (1m to 10 m). The sensor's unique blend of multispectral information with high quality geometric information will give rise to numerous new applications.     

高光谱图像目标检测算法分析

本文将国内外的高光谱图像目标检测算法分为光谱异常检测、光谱匹配检测和高光谱与高空间分辨率结合目标检测三种检测算法,分析了三种检测算法的原理、应用特点和局限性,并探讨了目标检测算法的发展的可能性。     

兼容多源数据的森林湿地信息提取和比较分析

针对以光谱特征差异为依据,提取森林湿地信息精度低的问题,该文采用兼容多源数据的分类回归树(CART)提取方法,并以大沾河国家森林湿地进行实证研究。基于Landsat8遥感数据、Radarsat-2极化雷达数据和地形辅助数据,采用SPM软件分别构建3种特征变量组合的CART决策树模型,并获取分类规则,最后根据规则对研究区的森林湿地信息进行提取。结果表明:3种特征变量组合中,兼容光谱、纹理、雷达与地形辅助数据的CART决策树的森林湿地信息提取精度最高,用户精度和制图精度分别达到了88.46%和82.14%。研究结果体现了雷达数据与地形辅助数据有助于提取森林湿地信息。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

条件随机场模型约束下的遥感影像模糊C-均值聚类算法

遥感影像具有丰富的空间相关信息,而传统的基于像元光谱的聚类算法并不能将空间信息融入聚类,聚类结果往往不好。针对这一问题,本文提出了一种条件随机场模型约束下的模糊C-均值聚类算法,通过邻域像元的分类先验信息对中心像元的类别进行约束从而提取空间相关信息,基于二阶条件随机场将光谱信息和空间相关信息同时融入聚类,并使用环形置信度迭代算法得到像元分类后验概率的全局最优推测。试验证明,本文算法能够有效地保持地物的形状特征,分类精度相比传统算法有所提高。     

基于NDWI与改进型FCM相结合的高分一号影像水域信息提取方法研究

鉴于采用传统方法在提取高分辨率影像水域信息存在不足,本文以高分辨率国产卫星高分一号宽幅16 m空间分辨率多光谱影像为数据源,以浙江省钱塘江流域为研究区域,通过预先对影像进行NDWI处理,在此基础上利用改进FCM聚类算法实现了水域信息的自动提取,并与传统的NDWI和ISODATA分类方法提取结果进行比较。结果表明,该方法在分类效果和精度方面均优于传统分类方法,作为国产高分一号影像水域信息自动提取方法是可行的。     

遥感图像线性构造信息微机机助提取

本文采用图像平滑、边缘跟踪、霍夫变换、逆霍夫变换等综合图像处理技术，从卫星ＴＭ图像中提取线性体信息。在霍夫变换后的累加器阵列中采用局部最大值选择，逆霍夫变换后采用剖面分析等人一机交互处理方法，结合遥感地质学家的图像判读经验，提高了线性体信息自动提取的精度。