基于最佳小波包基的高光谱影像特征制图

鉴于在时频局部化能力方面小波包变换优于小波变换,将高光谱影像像元光谱曲线作为1维信号并对其进行多尺度小波包变换分解,得到不同尺度上的低频和高频成分向量。根据不同地物像元光谱小波包分解最佳基有很大差异,而同一地物像元光谱小波包分解的前若干个最佳基完全相同的特点,提出一种基于前若干个最佳小波包基特征参量数组的分类特征参量和目标识别方法,并对AVIRIS影像中的特征如地物植被、水体、岩石及某些阴影等进行提取与制图。     

一种最佳基小波包变换的影像融合研究

在将小波包变换应用于影像融合的过程中,选择不同性质的小波包基,会得到不同效果的融合影像。如何在其中找到性质最好的小波包基,即最佳小波包基,并在此基础上实现影像的融合具有重要的意义。影像融合涉及到两幅影像,最佳小波包基的搜索需要在两棵小波包树上进行,而已有的最佳小波包基搜索算法只能在一棵小波包树上实现。本文提出了一种在两棵小波包树上搜索最佳小波包基的算法,并基于由此算法得到的最佳小波包基,实现了一种新的基于最佳基小波包变换的影像融合。试验结果表明:在采用基于特征的融合规则的条件下,该方法所得的融合影像,无论是在视觉效果上还是在评价指标上都优于由其他小波包变换方法(包括小波变换方法)得到的融合影像。     

用卫星高光谱数据提取德兴铜矿区植被污染信息

在深入分析研究德兴铜矿矿区植被光谱特征的基础上,利用美国EO-1卫星Hyperion高光谱数据,通过反演表征植物生理状态的光谱特征参数(红边位置和最大吸收深度)变异,提取与污染相关的信息,获取了矿山植被污染生态效应概况,为矿山污染的诊断和监测提供新技术和知识支撑。     

基于高光谱数据的铀尾矿植被污染信息分析

选择若尔盖铀尾矿区为研究对象,通过ASD地面光谱仪测量铀尾矿堆内和堆外的植物样品光谱数据,结合研究区高光谱数据,提取该区受污染植被的光谱信息和光谱变异参数,分析铀尾矿区植被污染情况,为铀尾矿区环境评价和污染治理提供参考依据。研究显示,尾矿堆内光谱曲线特征一致,大部分样品的红边位置为717 nm,存在个别红边差异。与非尾矿堆植被光谱参数相比,尾矿植被的红边波长位置蓝移14.1 nm。高光谱红边参数提取结果反映了研究区植被红边变异程度。     

从高光谱遥感影像提取植被信息

遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。本文基于云南省鹤庆县北衙的高光谱遥感数据用SAM方法对植被信息进行了提取,参考光谱使用ASD光谱辐射仪采集的植被光谱曲线。文中对高光谱遥感影像的辐射定标和大气校正进行了研究,针对影响光谱辐射仪采集的主要因素采取了相应的措施,并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行SAM匹配提取出植被信息,经过与实地调查资料比较并计算总体精度和kappa系数,计算结果达到预期精度。最后将分类结果转换为矢量图,经过投影转换为大地坐标后制作出北衙植被分布图。     

结合HSV和小波包变换的高光谱影像融合及信息识别研究

传统的HSV变换融合法是一种十分常见的遥感图像融合方法,该方法虽然可以提高图像的空间分辨率但会导致光谱信息的严重丢失,不适用于对高光谱影像的融合。而小波包变换是一种优于小波变换的多尺度多分辨率变换方法,基于小波包变换的图像融合技术允许对不同频带的图像采用不同的融合规则从而很好地保留图像的频谱信息。本文采用一种将HSV变换与小波包变换（Wavelet packet transform,WPT）相结合的融合方法对高空间分辨率影像和高光谱影像进行融合并对融合结果进行二进制编码监督分类,最后与传统的PCA变换融合法及Gram-Schmidt融合法在图像信息和光谱特征两个方面进行比较。结果表明,本文所采用的方法不仅可以提高融合图像的空间分辨率,并在地物的波谱特征保持和信息识别方面效果良好。     

一种基于小波包变换的纹理图像压缩算法

提出一种基于小波包变换与自适应混合量化的新图像压缩算法.该算法首先用小波包变换对纹理丰富的图像进行完全分解,并用一种与后续编码器相关联的成本函数(CostFunction)进行最佳小波包基搜索;然后依据图像内容,自适应确定小波包系数的扫描次序;再对小波包变换后的最低频子带进行DPCM无失真编码,对高频子带实施矢量量化编码;最后对所形成的二进制符号流进一步实施自适应算术编码.仿真实验结果表明:提出的小波包图像压缩算法是一种比较好的编码方案,其压缩效果不仅明显优于JPEG算法与SPIHT算法(特别是纹理图像),而且优于已有的其他小波包图像压缩算法.     

基于小波包的遥感图像融合方法

介绍了一种基于小波包的遥感图像融合方法,实验采用熵、光谱扭曲指数和边缘指数等作为评价融合质量的定量指标,表明了通过这一融合方法比传统的IHS,PCA,HPF以及小波融合具有更高的光谱信息保持和纹理信息增强能力。     

高光谱遥感城市植被识别方法研究

传统的植被状况调查方式费时、费力,并且更新困难,而高光谱遥感数据图谱合一,能够更精细、准确地进行遥感地物识别和分类,因此采用Hyperion高光谱数据来研究地物混合严重并且呈零星碎片状的城市植被。利用混合像元分解思想改进Gram-Schmidt融合算法,将Hyperion高光谱和ALI全色波段进行融合,提高光谱数据的空间分辨率,来解决城市植被像元混合严重和分布过于零散破碎难题,进而提高植被识别精度。为了避免高光谱植被识别陷入维数灾难,采用主成分分析对融合后的高光谱数据进行数据降维。最后,在地面光谱成像仪获取的纯净像元光谱信息辅助下,选取训练样本进行最小距离分类,完成植被类型识别,总体精度达到84.9%。     

一种小波包遥感图像融合方法

本文介绍了一种基于小波包的遥感图像融合方法,实验采用熵、光谱扭曲指数和边缘指数等作为评价融合质量的定量指标,表明了通过这一融合方法比传统的IHS、PCA、HPF以及小波融合具有更高的光谱信息保持和纹理信息增强能力.     

干旱半干旱地区植被覆盖度遥感信息提取研究

提出了利用中等分辨率与高分辨率卫星图像相结合建立植被覆盖度提取模型以获取大范围植被覆盖度的方法。该方法简单、实用,适合于利用中等分辨率卫星图像进行大范围宏观监测     

采用小波和分形维的高光谱遥感影像特征提取

由于omis影像128个波段间具有较强的相关性,可对高光谱响应曲线采用小波分解,用噪声较小波段的部分高频信息代替噪声较大波段的相应高频信息对其进行小波降噪。再对降噪后的影像采用db4函数进行7级小波分解,对各级小波系数取一范数后,用最小二乘法对各级分解对应的范数在半对数坐标系下线性拟合,根据直线斜率求取各像元分维值,最后实现分类。通过实验,证明了此方法的有效性。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与金色图像的融合，提出了基于IHS变换和小波包变换的遥感图像融合新方法。该方法首先对多光谱图像作IHS变换得到3个分量：亮度I、色度H和饱和度S；其次利用小波包变换融合方法融合多光谱图像的亮度分量与金色图像，并用融合后的图像替代多光谱图像的亮度分量；最后作IHS反变换得到新的多光谱图像。实验分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法，在保留多光谱图像光谱信息的基础上，增强了融合图像的空间细节表现能力。     

基于小波包变换距离特征选取的遥感影像融合

介绍了基于小波包变换和距离特征选取的影像融合方法：首先对多光谱影像做IHS变换;其次对多光谱影像的亮度分量和全色影像做小波包变换并分别采用加权平均法和距离特征选取法融合低频部分和高频部分;最后通过小波包重构和IHS逆变换得到最终的融合影像。以ERDAS8．5软件自带的影像文件为例对这种方法进行了实验,并利用信息熵等标准与其他融合方法进行了比较,实验结果表明该方法能得到更好的融合效果。     

基于NDVI和LSMM的干旱区植被信息提取研究——以新疆吐鲁番市为例

植被是干旱区生态建设重要的组成部分,而植被覆盖度是生态环境变化的重要指示,是评价生态系统健康的前提条件。本文在遥感等技术的支持下,以landsatTM影像为数据源,选用归一化植被指数(NDVI)和线性光谱混合分析模型(LSMM)两种方法进行分析比较,提取吐鲁番市近20年植被覆盖度,并对该地区植被覆盖度的演变特征进行分析。结果表明:①LSMM方法能较好地提取干旱区植被信息,指标简单且分类精度较高。②NDVI方法提取植被时,受到很多限制,在干旱区不宜采用。     

基于小波包分解的结构自振特征提取及多路径误差分离

为了准确获取结构自振特性,通过分析多路径误差和结构振动的频率特征,采用小波包分解和频谱分析相结合的方法,在不同尺度下进行特定成分的提取,再作频率特性分析。实验结果表明,小波包能够有效地分离多路径误差,实现结构振动特征的提取,GPS测定的结构自振频率与理论值吻合较好,并且具有很好的稳定性。     

基于Landsat遥感数据武汉地区植被覆盖度动态变化监测分析

旨在研究受人类经济活动影响的植被资源及其动态变化趋势的程度,采用基于归一化植被指数的像素二分模型,利用2002—2010年(武汉市每年8月)的卫星遥感数据,对武汉地区6年间的植被覆盖变化进行监测分析。结果表明,植被覆盖度变化与武汉GDP增长率有着紧密联系:2002—2007年,武汉经济较缓慢上升,植被覆盖度基本维持在55%左右;而2007—2008年武汉GDP总值增长率高达26.06%,但随之而来的是植被覆盖度由高峰期的61.68%下降到49.18%,是历年来的最低水准; 2008—2010年经济发展放缓,植被指数有小幅度回升。人类经济活动是影响植被资源的重要因素。     

基于Landsat影像的木里煤田矿区植被覆盖提取及时空变化分析

木里煤田地处青藏高原典型生态环境脆弱地带的大通河源头,本文以Landsat影像为数据源,基于归一化植被指数像元二分模型估算木里煤田矿区1990-2016年植被覆盖度,监测其动态变化及时空发展规律。研究发现,1990-2016年矿区裸土及低植被覆盖面积增加156.60 km^2,中植被覆盖面积增加153.37 km^2,高植被覆盖面积减少309.99 km^2。动态监测结果表明,1990-2016年木里煤田植被覆盖呈现严重退化趋势,退化最明显区域出现在矿区周边;时空格局变化分析结果表明,矿区植被覆盖等级逐渐向低植被覆盖等级转变,植被覆盖区域面积逐渐缩小。通过监测木里煤田矿区植被覆盖动态变化并分析其时空变化特征,为研究区生态环境修复,土地复垦等工作提供相关数据参考及技术支撑。     

基于DInSAR技术与WorldView-2影像的煤矿塌陷区信息提取研究

结合DIn SAR与World View-2光学遥感解译技术,对研究区进行多源数据处理,提取研究地区的煤矿塌陷区信息,然后对处理后的两种结果进行对比。二者既有区别,又可以互补,最终在研究区形成完整的塌陷区信息。