高光谱遥感影像稀疏表示与字典学习分类研究

正稀疏表示作为一种新型数据挖掘技术,能够有效地挖掘影像中各种类型的稀疏特性,已被广泛应用于高光谱遥感影像分类。但是,基于单一特征的稀疏表示模型不能有效地挖掘影像中蕴含的丰富的稀疏特性,且每种单一特征关联的不同非线性结构特征同样蕴含丰富的稀疏特性,充分地挖掘不同特征的稀疏模式和不同非线性结构特征的稀疏模式有助于增强地物的可分离性。此外,通过标注像元直接构建的字     

高光谱遥感影像波段选择算法评价方法研究

波段选择在高光谱影像数据降维处理中尤为重要,其算法较多,但针对波段选择算法评价方法的研究却很少。该文提出一种波段选择算法的评价方法。引入信息量、类别可分性和相关性3个指标,对所选波段子集进行度量,通过比较不同波段选择算法所选波段子集的度量结果,实现对波段选择算法的评价。在试验中,将该评价方法应用于4种常用的波段选择算法,分析了评价结果并验证了该评价方法的可行性。     

基于GANBPSO-SVM的高光谱影像特征选择方法

为了在保持对目标检测和分类分析所需信息的同时,降低高光谱影像的维度,提出了一种混合优化策略的特征选择方法。该方法将遗传算法和二进制粒子群优化算法融合成一种新的混合优化策略（GANBPSO）,自动选择最优波段组合,同时优化分类器支持向量机（RBF-SVM）的参数,以提高分类器的分类性能。为了说明所提出方法的有效性,采用了在高光谱分类中广泛使用的Indian Pines（AVIRIS 92AV3C）数据集进行测试。结果表明所提出方法（GANBPSO-SVM）能够自动选择包含最多信息的特征子集以保证分类精度,而不需要预先设置所需要的特征子集数量,本方法与传统方法相比具有更好的分类效果。     

基于LBV数据变换方法的海岸带多光谱影像分类方法研究

在传统的海岸带多光谱影像分类方法的基础上,提出了运用LBV数据变换方法对海岸带多光谱影像进行地物分类识别的方法,通过图像数据变换能够分别提取出表示地物总辐射水平、可见光-近红外辐射平衡和表示波段辐射变化矢量(方向和速度)L、B、V的值.通过应用青岛海岸带TM多光谱影像,提取LBV变换图像并与原始假彩色合成图像比较,分别进行监督分类试验.运用LBV数据变换方法获得的图像信息量更丰富,地物类别更鲜明,有利于图像的目视解译,分类精度提高约3.12%.     

基于DCT变换的多光谱与全色影像融合方法

针对IHS融合法的融合影像相对于原多光谱影像光谱扭曲严重、小波变换融合法运算量大的缺点,依据影像成像时传感器像素间的对应关系,提出应用遥感影像空间分辨率比值关系对影像进行分块,采用离散余弦变换与IHS变换相结合的融合方法进行多光谱影像与全色影像融合,以提高遥感影像的应用能力。仿真实验表明,该方法融合结果的光谱保持性与小波变换方法相近,均优于IHS变换融合影像,对全色影像空间信息集成能力稍弱,但计算效率明显改善,适合于对大数据量的遥感影像融合。     

基于统计判别法的不同类型植被高光谱数据分析研究

该文利用统计学方法对不同植物的多个采样光谱样本进行比较分析。选用大豆、红薯、茶树、松树的19个野外采样光谱样本,采用Mann-Whitney U检验方法和马氏距离判别法进行比较分析,结果显示,Mann-Whitney U检验适用于同一地物反射光谱的采样样本,判别分析方法适用于不同地物的采样样本,两种方法基本能达到区分的效果。     

基于光谱特征拟合的高光谱遥感影像植被覆盖度提取

植被光谱中可见光部分的吸收谷主要由叶绿素强烈吸收引起,不同植被覆盖度下光谱吸收谷的深度和形状不同,因而可以通过比较光谱吸收谷的深度和形状来提取植被覆盖度。该文采用基于光谱吸收特征匹配的光谱特征拟合SFF方法从高光谱遥感影像中提取植被覆盖度,参考光谱采用ASD光谱仪在影像覆盖地区采集的植被光谱,通过将参考光谱与像元光谱连续统去除处理后进行SFF匹配,完成植被覆盖度的提取并生成植被覆盖度图。研究结果与植被指数、光谱夹角映射方法及实地调查资料之间存在较高一致性。     

GF-5卫星高光谱影像数据质量评价与分析

目前遥感影像质量评价的指标与方法虽较为成熟,但尚未发现针对高分五号(GF-5)卫星AHSI影像数据质量评价及其可用性的全面研究。该文在分析高光谱影像质量评价方法的基础上,利用噪声标准差、清晰度和信息熵3个指标,对GF-5可见短波红外谱段的数据质量与可用性进行分析评价,结果表明:GF-5AHSI影像不同波段数据质量存在差异,影像信息主要集中在VNIR和SWIR第1-95波段内(受水汽影响的波段除外),SWIR中第43-50、96-112(1359.03~1418.17nm、1805.44~1940.15nm)共25个波段受水汽影响严重,不可用,第113-180(1948.57~2513.25nm)波段影像质量较差、噪声严重,阻碍了该波段的应用。研究结果可为GF-5AH-SI影像数据的处理与应用提供技术参考。     

中巴02B卫星多光谱影像中LBV数据变换方法研究

通过对实际获得的多光谱影像的光谱特征分析,提出了可用于中巴02B卫星多光谱影像的LBV数据变换公式,使得LBV数据变换方法在国产中巴02B卫星数据上的应用成为可能;运用该变换公式处理得到的中巴LBV数据变换图像比中巴原始数据假彩色合成图像颜色更鲜艳,地物类别更易区分,具有更好的目视解译效果。将LBV变换图像与中巴数据假彩色图像分别用最大似然法进行分类,分类图像和精度检验结果表明:用LBV变换公式得到的LBV结果图像能很好地提高图像计算机分类的精度,该变换方法在中巴02B卫星数据的应用中具有很大潜力。     

一种基于多特征的高光谱遥感图像分类方法

提出在多维特征空间中以互信息为评价指标进行特征选择,在特征子集中应用支持向量机(SVM)分类器实现图像监督分类的方法.首先提取图像的光谱、纹理和颜色特征,得到多特征的高维特征空间,然后用最大相关和最小冗余的互信息作为评价标准,用10-fold交叉验证误差率选择特征子集,最后用基于径向基函数的SVM实现图像的分类.实验表明,该方法能明显提高图像分类的精度.     

用于植被冠层分析的高光谱波段的组合方法研究

波段数目多和波段宽度窄是高光谱分辨率遥感的两个显著特点 ,常规的用于分析的波段组合方法在信息的利用上是不充分的。笔者利用六种植物的冠层测量数据作为试验样本 ,使用了系统聚类分析的方法 ,找出具有信息相似性的波段 ,将这些波段划分为同一种通道类型 ,它们对于植被冠层中的同一种生化成分是敏感的 ,并使用主成分分析的方法进行降维、合并处理 ,得出可以用于实际分析的波段线性组合方法。最后利用前两个主成分的相对得分图 ,进行不同物种类别的划分 ,达到识别的目的。     

用于植被冠层分析的高光谱波段的组合方法研究

波段数目多和波段宽度窄是高光谱分辨率遥感的两个显著特点。常规的用于分析的波段组合方法在信息的利用上是不充分的，笔者利用六种植物的冠层测量数据作为试验样本，使用了系统聚类分析的方法，找出具有信息相似性的波段，将这些波段划分为同一种通道类型，它们对于植被冠层中的同一种生化成分是敏感的，并使用主成分分析的方法进行降维，合并处理，得出可以用于实际分析的波段线性组合方法，最后利用前两个主成分的相对得分图，进行不同物种类别的划分，达到识别的目的。     

成像光谱图像的噪声分析与消除方法研究--以北京顺义区成像光谱图像为例

以北京顺义区32通道成像光谱数据为例，从数据的统计参数入手，分别从数据的方差、动态范围、相关性、直方图等方面分析研究噪声及特点，在此基础上提高局部邻域自动噪声查找与消除算法。     

多光谱与全色遥感影像像素级融合算法比较分析

简述了遥感影像融合的过程,并利用SPOT5的全色和多光谱影像在Envi软件里采用IHS、Gram-Schmidt、Brovey和Color Normalized （CN）的融合算法进行融合,然后对几种影像融合的结果进行定性定量的评价分析.分析的结果表明：与原多光谱相比,HIS融合方法的清晰度和信息的丰富度最高;Gram-Schmidt的光谱保真度和相关度最佳,清晰度和信息的丰富度也仅次于HIS融合结果;Brovey和CN的融合算法是最差的,但是在凸显植被和水体地物时Brovey和CN有优势.总而言之对于不同地物类型,每种融合方法具有各自的优势和限制,所以应根据不同的用途选择最佳的融合算法.     

海岸带浅海水深高光谱遥感反演方法研究

近红外波段(760~900 nm)反射率对水深最为敏感,通过波段比值方法可以提高与水深的相关性,而711nm处反射率一阶微分值与水深的相关系数高达-0.87。对于近岸混浊度高的样本,单波段和比值模型反演效果不好,平均相对误差均高于30%;而光谱微分模型的精度较好,平均相对误差为17%。研究结果证明:水体反射率的一阶微分可以有效地削弱水质变化给水深反演带来的误差。     

基于HJ-1A高光谱影像的湿地精细分类

混合像元的存在不仅影响了基于高光谱影像的地物识别和分类精度,而且已成为遥感科学向定量化发展的主要障碍。本文以扎龙湿地为试验区,以环境一号卫星采集的高光谱影像为数据源,分别采用传统的全约束最小二乘光谱解混算法(fully constrained least squares spectral unmixing algorithm, FCLS)与基于稀疏约束最小二乘光谱解混算法(sparse constrained least squares spectral unmixing algorithm, SUFCLS)实现了试验区湿地的精细分类,并对两种分类结果的表现及其分类精度进行了对比分析。研究结果表明：SUFCLS算法能够自适应的从光谱库中选择场景中所占比例最高的一组端元,并将此端元的组合应用于传统的全约束最小二乘光谱解混中实现不同湿地类型丰度的提取,该算法充分考虑了端元的空间异质性,弥补了FCLS算法在端元选取过程中的不足。精度验证结果表明与FCLS算法相比,SUFCLS算法分类结果的均方根误差更小,丰度的相关系数更高,因此该方法对于提高湿地解混精度以及实现湿地精细化分类具有重要意义。     

CBERS-02B与资源三号多光谱影像的光谱可分性实验对比

以江苏省徐州市郊区为实验区,采用Jeffries-matusita距离方法分析了CBERS-02B与资源三号卫星(ZY-3)多光谱影像的光谱可分性。采用最小距离法、最大似然法和支持向量机3种分类算法进行影像分类,以用户精度、制图精度、总分类精度和Kappa系数作为分类精度的评价指标,探讨了CBERS-02B与ZY-3多光谱影像的光谱可分性。实验表明,CBERS-02B和ZY-3多光谱影像均有利于区分农田和水体类,而对建筑物、裸地及道路的光谱可分性较弱;ZY-3影像对建筑物类的光谱可分性优于CBERS-02B影像,但对裸地及道路类的光谱可分性不及CBERS-02B影像。研究结果对于卫星传感器设计和遥感数据应用具有一定的参考价值。     

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

基于相位一致性的红外多光谱影像波段间特征匹配

传统基于灰度的影像匹配方法难以适应红外多光谱影像波段间的非线性灰度差异。该文提出一种基于相位一致性的角点筛选与特征匹配方法。首先基于相位最大矩提取影像边缘图,并利用角点的结构属性进行稳定性判断和角点筛选;然后利用相位一致性的幅值和方向信息构建特征描述符,并采用双向最近邻方法实现初始匹配;最后采用RANSAC算法剔除粗差,得到优化后的匹配结果。实验结果表明,该文提出的角点筛选算法能使匹配点中稳定角点的比例由37.9%提升至85.2%,将最大残差由2.765降到1.766,RMSE由0.854降到0.751。与HOPC模板匹配算法相比,该特征匹配算法能在保证匹配精度的同时,将效率提升了3倍。     

多光谱遥感数据最佳波段选择方法试验研究

分析了多光谱遥感数据最佳波段选择的标准差、熵和联合熵、相关性系数及最佳指数等计算方法的内在联系。通过试验,说明了各种计算方法的有效性和局限性,最后得出OIF指数法为多光谱遥感数据最佳波段选择的最优方法。