植被遥感时间序列数据重建方法简述及示例分析

随着遥感数据的不断积累,植被遥感产品逐渐形成了完善的时间序列数据,这些数据对阐明生态系统动态变化及分析有关的驱动因素具有重要价值.然而,云遮挡、仪器误差等因素严重制约着植被遥感产品的观测质量,往往造成连续观测数据的缺失.对存在数据缺失的序列进行时空重建是准确提取序列变化特征的重要前提,时空重建就是充分利用遥感数据的时空...     

MODIS植被指数时间序列Savitzky-Golay滤波算法重构

利用Savitzky-Golay(S-G)滤波方法对若尔盖高原湿地区2000—2009年MODIS16d最大值合成的NDVI时间序列数据进行了重构,并与中值迭代滤波法、傅里叶变换法进行了比较。结果表明,基于S-G滤波的时间序列重构方法重构后的NDVI时间序列在直观及像元的时间序列曲线上均取得了较好的效果,对提高该数据产品质量有很大帮助,通过该方法重构后的高质量的NDVI时间序列对利用该数据源对若尔盖湿地生态系统监测提供了良好的基础。     

高分辨率遥感影像滤波算法综述

高分辨率卫星影像空间分辨率高,地物结构纹理信息突出,常用于土地利用监测、自然灾害预报等领域,但其所含的背景噪声影响了影像识别和分析的有效性和可靠性,因此,选取合适的滤波方法消除各种噪声成为遥感影像处理的首要任务。在遥感技术发展的几十年中,研究者们针对各种噪声类型已发展了多种滤波方法。本文分析了高分辨率遥感影像噪声的特点,介绍了一些传统的滤波算法和近年来广泛应用的新型滤波方法,并深入探讨各种滤波器的性能及其优缺点,为今后选择合适的算法消除高分辨率遥感影像噪声提供参考,最后对遥感影像滤波方法的发展前景进行了展望。     

基于背景库的高质量LAI时间序列数据重建

叶面积指数LAI(Leaf Area Index)是表征植被冠层结构的重要参数,然而由于云等大气因素的影响,MODISLAI时间序列产品在时间与空间尺度的连续性仍存在问题。随着先验知识在遥感反演中的地位不断得到加强,本文将多年LAI历史数据作为先验知识,用以建立LAI背景库,并提出了基于LAI背景库的Savitzky-Golay(SG)滤波算法来实现LAI时间序列数据的降噪工作。结果表明,与传统SG滤波相比,新算法能够更加客观有效地重建LAI时间序列。     

谐波改进的植被指数时间序列重建算法

提出一种基于傅里叶谐波分析的改进算法,引入异常值检测算法,检测拟合过程中的异常值,增加数据拟合的真实性;迭代前动态估算出待处理序列点的峰值个数(即频数),解决整个区域预设单一频数的不合理性;引入拟合影响因子,自动控制迭代终止条件,避免传统方法中人为设置阈值导致的不确定性。利用2003年华北平原MODIS_EVI时间序列图像验证表明,较之HANTS算法,改进算法能够有效修正噪声污染像元值,修正后的EVI时序曲线更能反映地物内在的物候变化规律,并能够更好地保真原始曲线上的特征(点),如作物EVI最大值、最小值出现的时间和大小关系。     

从光谱到时谱——遥感时间序列变化检测研究进展

地物的光谱信息是遥感数据的重要特征,对遥感光谱信息的利用经历了从黑白全色影像到多光谱、高光谱再到时间序列的发展历程.近年来,随着卫星遥感技术的发展和历史数据的积累,大量的重复观测数据被获取.长时序的遥感数据包含光谱维、时间维和空间维4个维度的信息,这在一定程度上能够避免同谱异物、同物异谱的现象.目前还没有统一的概念对长...     

成像光谱遥感数据的光谱重建研究

成像光谱遥感数据处理中的一个重要环节是大气辐射纠正，它是成像光谱遥感定量化的重要部分，本文推导出一种简单的方法，对高光谱分辨率航空遥感图象进行大气纠正，反射率图像转换及光谱重建，并在地质资源遥感调查中应用，取得很好的效果，同时，对重建的地物光谱中出现的误差，进行了分析。     

基于Lebesgue积分理论的时间序列信号中的背景重建

提出了一种基于Lebesgue积分理论的时间序列信号背景重建方法,该方法利用测度函数对时间域进行划分,进而实现对信号能量的划分,最终实现对背景信号的重建。     

基于NDVI时间序列数据的江西省水稻种植制度变化研究

利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中，受到多种因素的影响，会含有各种噪声而降质。文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上，提出了一种自适应加权的遥感图像去噪滤波方法。该算法针对噪声图像上每一点，应用自适应加权算子，对于不同的图像区域，算子自适应地进行窗口大小和输出像素值的改变。试验证明，该方法优于传统的去噪滤波算法和AMF滤波算法，在滤除噪声的同时尽可能地保留了图像细节，对于遥感图像去噪增强具有很好的效果。     

基于APEX的遥感影像高分辨率重建

近年来对遥感影像的研究大多针对多幅影像进行处理,但由于满足多幅重建的影像获取困难且算法复杂,本文提出了一种基于APEX算法的新的遥感影像高分辨重建方法,这种方法可以利用单幅影像进行重建,减轻了数据的获取和处理难度。采用spot-5影像进行了重建实验,结果表明,该方法能够有效地提高遥感影像的分辨率,从而达到改善影像质量的目的。     

遥感影像变化检测方法探讨

利用同一区域不同时相的遥感影像进行变化检测的应用一直是遥感应用研究的热点之一.本文对遥感变化检测技术的研究现状和新进展进行了一定的归纳和总结,对以往分类方法进行了介绍,分别对基于像素、基于对象以及结合特定理论的变化检测方法进行了重点讨论,并对每种方法涉及的理论和最新研究进展进行了评述.     

遥感高时空融合方法的研究进展及应用现状

针对遥感图像的"时空矛盾",评述了当前解决这一问题最主要的方法即遥感时空信息融合的方法,包括基于变化模型的融合、基于重建模型的融合以及基于学习模型的融合。通过分析各个模型的研究现状,指出了每种模型方法的优劣,特别重点介绍了影响较大的自适应时空融合方法的理论以及对其的改进算法。同时本文总结了当前时空融合模型在长时间序列模拟以及大区域数据集生成等方面的实际应用的效果,以及分析了影响时空融合结果的主要因素。最后基于这些问题和影响因素提出了今后时空融合模型发展的目标和方向。     

月球遥感制图回顾与展望

对月球探测任务、月球遥感制图技术与产品进行综述。从1958年开始,全世界已开展126次(其中70次成功)月球探测工程任务,其中月球遥感制图是其必需的基础性工作。由于月球环境的特殊性,其遥感制图技术与对地观测制图相比具有很大的挑战和更大的难度。目前,中国嫦娥二号轨道器获取的7 m分辨率立体影像是覆盖全月球分辨率最高的立体影像数据,美国月球侦察轨道器LRO任务的激光雷达高度计LOLA数据是精度和密度最高的激光测高数据,LRO NAC影像的分辨率最高(0.5—2 m)但未覆盖全球。在各个探测任务中,基于月球遥感数据和摄影测量技术,已经制作了大量的全球及区域的影像拼图、正射影像图和数字高程模型等制图产品。对月球遥感制图技术发展进行展望,探讨了利用国际多探测任务数据建立新一代控制网和进行精细制图的必要性及技术思路。     

气溶胶定量遥感的机器学习方法综述

机器学习方法近年来取得突破进展,其遥感应用从目标识别和地物分类领域,发展到定量化反演的多个领域。气溶胶定量遥感因其机理复杂,反演参数的种类和精度受到限制,机器学习为气溶胶遥感带来了新的研究和应用技术手段。本文汇总现有研究进展将气溶胶机器学习方法归纳为卫星遥感反演气溶胶光学厚度AOD（Aerosol Optical Depth）、卫星遥感反演其他气溶胶参数、卫星遥感反演颗粒物浓度（PMx）、地基气溶胶遥感4类。结合作者研究工作,通过分析讨论,归纳机器学习用于气溶胶定量遥感的条件为：（1）物理模型无法使用;（2）已有模型卫星产品精度低;（3）已有模型精度高但计算速度低。从应用的角度来说,可以借助于更多的具有相关性的输入信息,发挥机器学习在反演产品种类、反演精度、计算效率等方面的优势;而对定量遥感来说,应该同时重视挖掘遥感数据本身的信息来提高反演能力,并通过误差分析等手段反馈对遥感机理的理解,使机器学习与遥感机理研究相互促进。     

典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例

目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRCL1-SRCRFRBF-SVM/Linear-SVMKNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。     

湖泊遥感研究进展与展望

湖泊遥感作为一门新型交叉学科,是湖泊科学和遥感科学的重要分支.本文探讨了湖泊遥感科学的研究对象、内容和方法,通过梳理国内外总体研究进展,总结出湖泊遥感的5个发展趋势:(1)关注问题,从兴趣导向发展到问题导向;(2)观测手段,从地基遥感/中分辨率卫星发展到高分辨率/高光谱/无人机;(3)算法算力,从单机版经验/机理模型发...     

基于RFM的高分辨率卫星影像三维重建方法

随着高分辨率卫星遥感成像技术的快速发展,基于卫星影像的三维重建技术研究已成为当前国内外研究的热点,但由于种种因素的制约,实现自动化、高精度的三维重建仍然存在很大困难.鉴于此,提出一种基于同源高分辨率卫星影像的三维信息提取方法,其步骤包括利用影像匹配技术获取同名点,通过影像同名点解算像对间几何转换模型,最终基于有理函数模型获取地物点的三维坐标.结果表明,利用文中方法可以实现影像的三维重建,精度上能够满足一定的生产需求.     

异源高分辨率遥感影像的三维重建

针对在实际应用中难以获得同源高分辨率遥感影像,利用同源高分辨率影像实现高精度、自动化的三维重建仍存在一定困难的现状,该文提出一种利用异源高分辨率遥感影像进行三维重建的方法。采用尺度不变特征变换算法对影像进行匹配以获取同名点,并使用随机抽样一致性算法剔除低精度匹配点;然后利用获取的同名点构建Delaunay三角网;接着根据有理函数反解模型和投影射线联合定位算法解算各个同名点的三维坐标;最后基于Delaunay三角网内插技术求取地物点的高程值,并基于OpenGL技术实现三维显示。试验结果表明,利用该方法可以实现异源高分辨率遥感影像的三维重建,精度上能够满足生产需求。     

基于压缩感知的遥感影像弹性配准方法

针对遥感影像由于载荷类型、观测角度、地形起伏等内外部因素造成的影像局部几何畸变,而基于全局配准方法制约着影像配准精度的提高,基于像元的弹性配准方法可大幅提升遥感影像的配准精度,但是存在运算效率这一瓶颈等问题,该文利用像元弹性配准参数的稀疏性,提出一种基于压缩感知的弹性配准方法。通过对遥感影像像元梯度幅值响应较强的点进行随机抽样,形成观测样本点集,采用弹性配准局部参数解算模型求解样本点平移参数;通过压缩感知稀疏重构算法重构影像各像元平移参数。实验表明,在配准精度差异较小和一定的参数设置条件下,该方法可显著提高弹性配准运算速度。