多源遥感影像的去云层处理

针对多源遥感影像的云覆盖问题，提出了利用多项式改正算法，以实现不同遥感影像之间的局部影像替换，从而满足去除目标影像上云覆盖的要求。     

基于灰度梯度的遥感图像去云方法研究

针对遥感图像厚云处理的替换方法,提出基于图像灰度梯度的去云处理方法,即通过无云图像的灰度梯度特征来对有云图像的区域进行还原处理.实验测试结果表明,基于梯度的去云处理方法不仅去云效果显著,而凡消除了传统替换方法中色彩差异较大的问题.设计了两种梯度计算方法,分别是基于比值的梯度计算方法和基于动念行梯度的计算方法.通过对这两个方法的对比分析,基于动态行梯度的去云方法是较为理想的去云方案.     

一种改进的遥感图像薄云快速去除方法

从遥感图像成像机理出发,改进了同态滤波处理方法,以削弱图像中的薄云影响,更好地反映真实地表情况。试验表明,该方法运算效率高,效果理想。     

遥感图像的融合方法研究

图像融合是遥感图像处理中的重要一环,本文着重论述了遥感图像的3个层次的融合方法,并进行了对比分析,最后指出遥感图像融合的发展方向。     

遥感图像分类方法研究综述

 综述了遥感图像监督分类和非监督分类中的各种方法，介绍了各种方法的优缺点、适用领域和应用情况，并作了简单评述，最后，展望了遥感图像分类方法研究发展方向和研究热点。     

基于小波的图像插值方法

本文在分析已有插值基函数和小波函数、小波变换的基础上提出一种应用小波作为插值基函数进行图像插值的方法,给出了该方法在一般图像插值方面在多幅图像的信息揉合和累积方面的应用,并分析了一般图像插值方法在图像之间存在辐照度差异时的可行性和在同名点之间存在相对空间信息差异时的操作方法。最后,采用４幅ＰＯＬＤＥＲ多角度遥感图像对本文所述方法进行了验证。实验表明,本文所述方法是可以较好地进行图像插值的。     

像素级遥感图像融合方法研究

多传感器遥感图像融合按信息表征层次的不同,可以分为像素级融合、特征级融合和决策级融合。本文介绍了像素级层次上的多种遥感图像融合方法,阐述了其融合原理和实现过程,分析了它们适用性和优缺点,并给出了遥感图像融合的一般评价指标。     

基于小波分析的成像光谱图像随机点噪声消除

成像光谱技术为实现遥感定量分析、识别地物提供了一种重要的有效技术手段,但是成像光谱图像中往往含有严重程度不一的随机点噪声。要优化成像光谱图像质量,提高依据地物光谱特征探测、识别地表物地有效性,必须将图像中的随机点噪声予以消除或压抑。在分析已有各种随机点噪声消除或压抑方法的基础上,提出了一种基于小波分析理论的成像光谱图像随机点噪声消除方法。对成像光谱图像的试验处理及与邻域平均、中值滤波去噪声处理方法     

无人机遥感图像中不均匀雾霾的去除算法研究

由于雾霾的存在,无人机(Unmanned Aerial Vehicle,UAV)获取的图像受到严重影响。利用单一算法很难有效地去除无人机遥感图像中不均匀的雾霾。本文提出了一种新的去雾算法,该方法将图像分割技术与暗原色方法结合起来,实现不均匀雾霾的综合去除。该方法的具体处理过程如下:首先,利用图像分割技术将原图像根据雾的浓度分为淡雾、浓雾两部分;其次,依据暗原色先验理论,获取比较准确的大气光,分别求取大气光的模、方向;再次,利用引导联合双边滤波细化透射率,针对浓雾部分利用局部视网膜皮层理论(Retina-cortex theory,Retinex)增强进一步处理,最终得到恢复的图像。实验结果表明,相比于He和Retinex算法,本文算法在图像细节还原、色彩保真等方面具有更好的处理效果。     

约束型贝叶斯网络在遥感图像解译中的应用方法研究

采用一种带有约束条件的贝叶斯网络来构造分类器,即特征节点被约束为类节点的子节点,子节点间允许有不同的连接关系,并将约束型贝叶斯网络的几种典型模型--NB、TAN、BAN用于遥感图像的解译中.通过评价结构的似然函数得到网络结构,综合特征节点和类别节点的拓扑和概率统计信息学习得到分类器.将这些模型用于多光谱和高光谱影像的分类,并就其性能进行探讨.     

人工神经网络在遥感数字图像分类处理中的应用

近年来,随着人工神经网络系统理论的发展,神经网络技术日益成为遥感数字图像分类处理的有效手段,并有逐步取代最大似然法的趋势。本文重点讨论国外遥感图像分类处理研究中应用效果显着或应用前景广阔的一些神经网络方法。最后讨论了有关上述方法在遥感数据分类处理中实际应用的一些原则性问题。     

地理信息系统支持下的山区遥感影像决策树分类

山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法（C 4.5算法）自动提取知识，基于知识建立决策树用于山区影像分类，并结合研究区土地利用类型与DEM空间统计关系的先验知识，在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比，该方法极大地改善了山区地表覆被分类的精度，得到试验区较为可靠的遥感分类图像。     

REMOTE SENSING METHODS IN THE STUDY OF SOILS IN BELARUS'

Applications of remote sensing in the study of soils of Belarus' are investigated. The focus is upon ascertaining relationships between phototone of cultivated soils and various soil characteristics (humus content, texture, etc.); upon ensuring the best times for imaging; on the revision of existing soil maps from remote sensing imagery; and on determinations of humus content from spectral reflectance values. Translated by Edward Torrey, Alexandria, VA 22308 from: G. V. Dobrovol'skiy and V. L. Andronikov, eds., Aerokosmicheskiye metody v pochvovedenii i ikh ispol'zovaniye v sel'skom khozyaystve: sbornik nauchnykh trudov [Remote Sensing Methods in Soil Science and Their Utilization in Agriculture: A Collection of Scientific Works]. Moscow: Nauka, 1990, pp. 109–116.     

基于遥感技术的土地利用与土地覆盖的分类方法

分类方法在土地利用和土地覆盖变化研究中占据重要的地位。土地利用与覆盖分类首先涉及图像的处理以及分类系统的建立。目前机助分类技术主要着眼于统计模式识别和基于知识的分类决策。最终的精度评价可以进一步完善分类决策。     

航空遥感技术在延吉市建设规划综合调查中的应用

本文介绍应用航空遥感图像对延吉市土地利用现状、城市扩展、绿化状况以及生态系统特点调查结果。指出了各类用地及绿化覆盖方面存在的问题,提出了综合开发利用的建议。     

山东省土地利用动态遥感监测应用研究

对SPOT、TM、ETM卫星数据进行了校正、配准、镶嵌和多源多时相遥感数据融合,采用三种方法对土地利用变化信息进行提取,提高了监测成果的准确性和可靠性,获得了矢、栅、属一体化监测成果.     

塔里木河下游植被恢复遥感模型建立

以2000年~2006年塔里木河下游MODIS、ETM及ASTER数据为信息源,从不同时间和空间分辨率角度分析塔里木河下游喀尔达依断面输水后NDVI时空变化规律,并在此基础上建立了研究区不同离河距离、不同时间MODIS、ETM及ASTER数据NDVI的预测模型;根据模型预测的NDVI值,使用像元二分法反演植被覆盖度,并根据当年实地调查数据对反演植被盖度进行精度验证,其平均精度达82.88%以上。以上研究结果为监测和预测塔里木河下游植被恢复提供方法借鉴和恢复趋势预测参考。     

REMOTE SENSING METHODS IN THE STUDY AND MAPPING OF NATURE RESERVES

A Siberian geographer outlines the major aspects of a program to map the climatic and ecological state of ecosystems in the Lake Baykal region of southern East Siberia. A methodology for the classification of micro- and mesoclimates is outlined that is based on the structural characteristics of the underlying terrain surface, the character of air flows into the region, and extensive study of natural conditions in the region. Translated by Edward Torrey, Alexandria, Virginia from: Geografiya i prirodnyye resursy, 2000, No. 2, pp. 104-112.