利用SAR影像区域分割方法提取海洋暗斑特征

在SAR强度影像中,包括海洋溢油在内的许多海洋现象呈现为暗斑。为从诸多暗斑中辨识海洋溢油,需要在SAR影像中提取暗斑的几何和统计分布特征,以此作为进一步分类（辨识）海洋溢油的依据,将基于几何划分技术的区域分割方法应用于SAR影像暗斑特征提取。首先建立高分辨率SAR影像暗斑或然率模型,然后利用最大化期望值和M-H算法实现其几何及统计分布特征参数提取。实验结果表明,该方法不仅可以精准提取暗斑的几何形状,同时还能有效估计其统计分布参数。     

基于超像素的高分辨率影像建筑物提取

建筑物提取对于基础地理数据获取与更新具有重要意义。针对传统的基于像元方法难以利用影像空间、上下文信息以及面向对象方法最优分割尺度难以确定等问题,该文提出一种基于超像素的高分辨率影像建筑物提取方法。首先利用LiDAR点云数据生成归一化高程模型以获取地物的高度特征,并通过Layerstacking方式与高分辨率影像融合;随后基于Simple Linear Iterative Clustering(SLIC)算法分割高分辨率影像的RGB彩色图像生成超像素;继而基于分割所得的超像素中的每个像元对超像素进行特征计算;最后使用基于RBF核的支持向量机方法进行超像素级别分类,得到建筑物提取结果。实验结果表明,该方法能够有效识别出简单场景和复杂场景下的建筑物,显著消除了传统基于像元方法出现的"椒盐效应",同时避免了面向对象方法中最佳分割尺度选择的难题,取得了较好的建筑物提取效果。     

基于QuickBird卫星数据的土地利用分类规则集研究

以天津滨海新区为实验区,研究面向对象技术的高分辨率遥感影像土地利用分类规则集。针对耕地、草地、水域、建设用地、交通运输用地、空闲地的特征差异,综合多尺度的分割特征,尝试不同的分割尺度,最终选定两个最优分割层次,即大尺度层次(分割尺度为400)和小尺度层次(分割尺度为240)。采用有效的特征参数,包括自定义的特征增强参数(NDVI参数、色度放大函数)以及最大差异特征参数、面积参数、不对称性参数、标准差参数,确定各特征的隶属度函数,最终建立分类规则集;应用该分类规则集,通过图层间信息的传递与合并,对实验区的QuickBird(QB)遥感影像进行土地利用分类,精度达86.98%,有效避免了椒盐现象。实验证明了面向对象的遥感影像分类方法可充分利用高分辨率影像丰富的信息,有效地提高分类精度。     

一种基于牛顿插值迭代的SAR影像滤波评价方法

针对SAR影像难以精确计算信噪比的问题,该文以滤波评价指标信噪比为依托,提出了一种基于牛顿插值迭代修正SAR影像近似信噪比的滤波质量评价方法:根据已知值通过牛顿插值得到更多的数据,再利用牛顿迭代法拟合非线性函数修正近似信噪比。以模拟影像和真实影像为数据源,选择目视效果较好的滤波结果作为真实影像的近似无噪声影像,人工对模拟影像和无噪影像进行降质,并使用5种滤波器对影像进行处理,分别利用基于牛顿插值迭代得到的修正近似信噪比、传统的峰值信噪比、等效视数和边缘保持指数评价滤波效果。结果表明:基于牛顿插值迭代修正的近似信噪比可作为衡量SAR影像滤波质量的评价指标,且无需参考原始无噪影像,对真实SAR影像的滤波质量评价有一定的可行性。     

时序SAR影像相干点目标识别方法研究

时序差分干涉技术是近年来地面沉降监测领域的重要研究方向,基于时间序列SAR影像的稳定点目标识别和检测是进行时序差分干涉技术的关键和基础.本文针对短时间序列SAR影像的特点和普遍使用的点目标识别方法的局限性,借鉴散射体识别方法,综合考虑振幅和相位在时序SAR影像上的变化特征,采用多时相子孔径共轭内积和子孔径信息熵来获取时间序列过程中能够保持相位稳定的点目标,并用平均相干系数对选取的相干点目标进行修正.选取包含广州城区、东莞部分区域的2007年3月至2009年1月的17景Envisat ASAR数据进行实验,分别计算了方位向、距离向以及交叉向共轭内积和信息熵,并用基于高分辨率卫星影像数据解译的土地利用数据对提取的相干点目标进行验证.结果表明,利用多时相的子孔径影像共轭内积和信息熵可以得到比较可靠的相干点目标,交叉共轭内积在试验区域能获取精度高达92％的相干点目标.     

基于TerraSAR-X影像的格陵兰岛海岸水边线提取

海岸线是海洋与陆地的交界线,全球气候变化将引起海岸线的变迁,极地区域拥有最大的冰川,冰川的消融将导致全球海岸线的迅速变迁,因此研究极地海岸线具有重要的科学意义。由于潮汐等影响,卫星影像提取的海洋与陆地的交界线只是海岸水边线,本文以格陵兰岛海岸为实验对象,采用Gamma滤波方法对合成孔径雷达(SAR)数据的相干斑进行预处理,提出了应用支持向量机(SVM)和Canny边缘检测算子的海岸水边线提取方法,基于Terra SARX影像的实验结果表明,本文提取的格陵兰海岸水边线准确率都达60%以上。     

基于图模型和流形排序的遥感影像人工地物提取

人工地物自动提取是目标识别领域的重要研究内容。该文将图模型和流形排序算法相结合,提出一种基于遥感影像自动提取人工地物的算法。该算法在基于量子遗传算法的KSW熵分割算法获得影像人工地物先验值的基础上,构建以色调、纹理、方向等多特征为邻接边权重的图模型,并以超像素作为基本单位在图模型中进行流形排序,最终通过自适应阈值的方式获得人工地物分割结果。通过利用两幅不同分辨率遥感影像对该算法进行验证,结果显示该算法可以较为完整地提取人工地物,具有较高的正确识别率和较低的漏检率。     

面向对象的山地区域多源遥感影像分割尺度选择及评价

随着遥感技术的飞速发展,通过各种传感器获取的影像种类越来越多.传统的面向像元的影像分析技术已难以适应高分辨率影像,面向对象的影像分析技术应运而生.面向对象的影像分析技术所面临的首要问题是影像分割,如何选择合适的影像分割尺度已成为面向对象影像分析技术的关键.为了提高遥感影像分割尺度选择的准确性,通过对影像分析建立了分割质量函数,针对不同分辨率的多源遥感影像进行分割实验,获取了最优分割尺度,最后提出了一种顾及面积和光谱的分割匹配指数对最优分割尺度进行评价,并研究了分割尺度与亮度均值标准差、影像空间分辨率之间的对应关系.研究结果表明,构建的分割质量函数获取的最优分割尺度避免了人工分割带来的主观性,建立的同时顾及面积和光谱因子的分割匹配指数验证了最优分割尺度选择的正确性.     

基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取北大核心CSCD

植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。     

利用SAR影像时间序列的耕地提取研究

卫星遥感是耕地资源调查的一种重要技术手段,利用遥感时间序列数据进行耕地提取具有很强的实践意义。光学遥感成像过程易受光照和大气条件影响,在云雨多发地区所能获取的可用数据十分有限;合成孔径雷达(SAR)能够全天时、全天气进行对地观测,但受斑点噪声影响,少见利用其构建时间序列进行信息提取的研究。本文研究了SAR影像时间序列在耕地提取中的适用性,利用江苏省徐州市2009年12月-2010年12月共11景ENVISAT ASAR 影像构建时间序列,目视选取30个5像元×5像元大小的耕地样区,分别统计样区内(相邻位置)与样区间(不同位置)耕地时域后向散射特征的一致性(变异系数);然后利用欧氏距离法、相关系数法以及动态时间弯曲法(DTW)进行研究区的耕地提取。结果显示：相邻位置耕地像元后向散射特性较为一致,平均变异系数为9.96%;不同位置耕地像元后向散射特性一致性也较好,平均变异系数为15.27%。在所选的3种方法中,相关系数法耕地提取精度最高,正确率与完整率分别为86.25%与80.70%;欧氏距离法精度次之,正确率与完整率分别为76.40%与71.93%;DTW效果较差,正确率和完整率分别为62.15%和77.78%。SAR影像时间序列作为一种新的数据组织形式,可用于耕地的有效提取。