基于光谱角匹配算法的水体信息提取研究

针对水体信息提取时,传统算法不能较好地解决山体阴影被误提为水体的问题,引入多用于高光谱数据处理的光谱角匹配算法,以Land-sat8 OLI(band1-band7)为数据源,以黄河小浪底水库周边区域为实验区,开展水体信息提取研究,结果显示:水体指数法和波段关系提取的结果中有大量的山体阴影信息,提取精度不超过30%,而光谱角匹配法提取结果受阴影的影响较小,提取精度在99%以上。     

高潜水位煤矿区沉陷水体信息提取

针对高潜水位煤矿区煤炭开采后极易形成大面积的沉陷积水区,且沉陷水体信息易与矿区其他地物混淆的问题,该文提出了针对高潜水位矿区水体信息提取的增强型改进归一化水体指数(E-MNDWI).对研究区典型地物光谱进行分析,将E-MNDWI应用于Landsat系列数据,并对比验证该指数与改进归一化水体指数(MNDWI)的精度水平.研究结果表明:矿区投入运行后,利用E-MNDWI提取沉陷水体的精度普遍较MNDWI高,总体精度在90％以上,Kappa系数大于80％.选取高分1号数据作为验证数据源,发现E-MNDWI的计算面积精度高达93.07％.与其他水体指数对比,E-MNDWI的综合精度最高.E-MNDWI对于山区和平原水体提取具有较好的效果,能够消除山体阴影和其他物体倒影的影响.     

基于光谱夹角的水体信息提取方法研究

以南京幅Landsat ETM+数据(波段1～5、7)为信息源,通过分析不同地物的光谱特征,利用地物光谱夹角及反射率差异对水体信息进行提取.首先,求出ETM+6个波段形成的4个光谱夹角(波段2～5); 然后,利用各地物在波段4的光谱夹角值差异,区分水体、植被及阴影信息; 最后,利用波段4和波段5的反射率差异提取居民区信息 .     

复杂背景下水体提取方法适用性研究

研究复杂背景下最佳水体提取方法,已成为近年来水体提取研究的热门话题。本文以南湾水库为实验对象,基于光谱特性和分类的方法探究复杂环境下水体提取效果。研究表明：在各种方法中,以改进的归一化差异水体指数（modified normalized difference water index,MNDWI）以及结合该指数和归一化差异建筑指数（normalized difference building index,NDBI）的随机森林算法提取效果最好,多波段谱间关系法提取精度最低。复杂背景下高反射率建筑群及非均匀水质等因素均对水体提取造成干扰,可联合多种方法综合提取水体面积。     

利用光谱角敏感森林的高光谱数据快速匹配方法

提出了一种新的光谱匹配算法——光谱角敏感森林方法。在位置敏感哈希函数算法的基础上引入光谱角度量,并利用新的数据桶检索结构改进了原位置敏感哈希函数算法中部分目标光谱点无法得到匹配光谱的缺陷。理论和实验证明,光谱角敏感森林算法的计算效率较传统高维数据匹配方法有较明显优势。     

空-谱角匹配与多指数法相结合的OLI遥感影像水体提取

针对复杂环境条件下水体遥感提取结果不连续且易与植被、建筑物、阴影相混淆的难题,基于Landsat 8 OLI影像,以石家庄市平山县岗南水库和宿迁市骆马湖附近河流为研究区,提出了一种空-谱角匹配与多指数法相结合的水体信息提取方法;并与单波段阈值法、归一化差分水体指数法（NDWI）、光谱角匹配法（SAM）、自动水体提取指数法（AWEI）和一类支持向量机法（OC-SVM）的水体提取结果进行对比分析和精度评定。试验结果表明,本文提出的方法兼顾了多特征之间的互补性优势,引入的空间信息有效地抑制了噪声的干扰,且以像素为基元的提取策略较好地保持了水体的边缘信息,避免了出现平滑掉细节信息的情况;与传统方法相比,本文方法受植被、建筑和阴影的干扰最小,对细小水体也具备较好的识别能力。     

一种多特征转换的高光谱影像自适应分类方法

:光谱相似性测度用来衡量像元光谱的相似程度,是高光谱影像光谱匹配分类的重要工具之一,一般通过设置阈值判断像元光谱和参考光谱是否相似来进行分类。在此基础上,本文提出了一种多特征转换的高光谱影像自适应分类方法,实现了各种光谱相似性特征和分类器相结合的一种自适应分类。实验结果表明,本文提出的方法相比于传统的SVM方法,分类的总体精度更高,还可以避免部分传统光谱匹配分类方法中需要专家经验确定分类阈值的复杂过程。     

淡水湖泊湿地水体信息提取方法

及时、准确地获得水体信息是对水资源保护、利用和可持续发展的有利支持。以洪泽湖为研究区,通过实验比较了阈值法、TM2+TM3>TM4+TM5的谱间关系法、比值法和新型水体指数法提取水体结果的优缺点。研究表明,基于谱间关系构建的新型水体指数法能有效地提取各种类型的水体,且具有很强的普适性。新型水体指数法有效地提高了水体信息提取精度,提取精度高达92.5%。     

一种利用高光谱像元分解技术提取水体边界的方法

针对水体边界混合像元导致的精度损失问题,提出了一种基于高光谱混合像元分解的水体边界提取方法。该方法结合高光谱影像水体边界混合像元特有的光谱特征,削弱诸多因素对水体边界像元识别的影响,获取水体边界混合像元,降低了混合像元分解的计算量。通过混合像元的高精度分解及水体边界像元分割,进一步逼近水体的真实边界,能显著提高水体边界界定的精度。试验结果表明:用该方法进行水体提取,精度明显优于水体指数法,略优于支持向量机法,总体精度为93.86%,Kappa系数为0.87。     

图谱迭代反馈的自适应水体信息提取方法

提出图谱迭代反馈模型,结合空间聚合图特征和非线性谱映射结果的优点,设计图谱迭代反馈机制,并通过自适应信息计算方法自动地调整提取参数,逐步地计算逼近正确的专题区域边界。结合水体提取案例,在分析当前较为有效的水体提取方法基础上,选取ETM影像作为数据源,提出图谱迭代反馈的自适应水体信息提取（WERSTP）理论与方法。试验比较表明,该方法能充分结合基于指数和基于光谱分类提取方法的优势并成功融入水体空间分布特征,获得较好的提取效果。     

面向特定目标地物提取的改进最佳波段组合方法研究

提出了一种利用一类支持向量机（OC-SVM）进行特定目标地物提取的改进最佳波段组合方法（MOIF）。以Landsat8卫星影像作为数据源,对江苏省沿海滩涂光伏电站进行了提取试验,并利用人工解译的结果进行了精度评定。结果表明,本文提出的波段组合方法能够有效提取特定的目标地物。     

基于神经网络的土地荒漠化信息提取方法研究

土地荒漠化是当今全球面临的重大环境问题之一,它的发生、发展及其逆转是气候、环境和人类社会经济活动综合作用的结果.区域荒漠化信息的提取技术研究是荒漠化研究进一步深入的关键,根据土地荒漠化的遥感探测机理,应用神经网络技术,利用了TM卫星遥感数据中的可见光、热红外和植被指数(NDVI)数据,建立了相应的BP神经网络的土地荒漠化信息的自动提取模型.实验应用表明,基于人工神经网络方法提取土地荒漠化发生的地点和范围等信息,其精度可达到84%.因此,应用人工神经网络方法提取土地荒漠化信息是切实可行的,并具有可推广价值.     

基于MODIS遥感数据的水体提取模型及算法改进

针对MODIS遥感数据采用多波段谱间关系模型提取水体容易与阴影混淆,产生提取不精确的问题,作者改进了模型中的水体提取算法,然后对鄱阳湖的MODIS遥感数据进行水体提取实验。最终,实验结果表明,改进后的水体提取算法能够有效地提升水体提取精度。该方法现已运用到一些采用MODIS数据进行水体监测与提取的实践作业中。     

基于水质类型的TM图像水体信息提取

通过对一般水体、富营养化水体和严重污染水体与山体阴影在TM各波段图像上的亮度值进行分析比较可知:一般水体在TM4图像上的亮度值小于TM3波段的,而山体阴影则相反;由于富营养化水体中的浮游植物在TM4波段具有强反射特征,严重污染水体对可见光具有强吸收作用,造成了这两类水体在TM4图像上的亮度值大于TM3波段的,因而无法通...     

遥感组合指数与不同分类技术结合提取农业用地方法

多光谱遥感影像因具有丰富的波谱信息,提高了地表覆盖的辨识能力,利用遥感数据高精度自动提取专题信息是目前研究的热点和难点。本文以北京市ASTER影像为例,通过对城市生态环境中土地类型及其光谱特征规律分析,组合归一化差异植被指数、修正归一化差异水体指数和归一化差异建筑指数三种指数,制作组合指数新影像。对组合指数影像采用基于支持向量机的面向对象分类方法进行农业用地信息提取,同时将该方法分别与基于原始影像、组合指数影像的最大似然及支持向量机的分类方法进行对比分析。实验结果表明:组合归一化差异指数影像压缩了数据维数,降低了覆盖地物相关性,易于农业用地信息提取。对组合指数影像采用基于支持向量机的面向对象分类方法精度达95.701%。     

海岸带水体遥感信息全自动提取方法

在对经典的水体遥感信息提取方法分析的基础上,针对海岸带水体的特点了提出一种新的方法,该方法通过“像元-对象”及“全域-局部”的双重尺度转换,综合利用了海岸带水体遥感信息的光谱特征、空间特征、统计特征和不确定性,有机结合了地学知识与数据挖掘方法,实现了海岸带水体遥感信息的全自动提取。对我国四大海域不同类型海岸带的Landsat ETM+遥感影像进行试验,发现应用该方法能够兼顾宏观和微观的水体特征,提取结果具有较好的完整性和连续型,相对精度优于监督分类法和阈值分割法。     

一种利用TM影像自动提取细小水体的方法

提出一种利用TM影像自动提取山区细小水体的多波段谱间关系改进方法。该方法在典型谱间关系法的基础上,针对水体与阴影在蓝绿光波段亮度值降低速率差异较大的特征,基于差值运算,构建了新的多波段谱间关系水体提取模型。首先利用该模型将水体从其他地物及阴影中分离出来,然后基于数学形态学膨胀滤波算法进行空洞填充和短线连接,最后通过图像细化算法实现目标的细化。经过实验比较表明,该方法克服了许多水体提取模型只能有效提取较大面积水体的缺点,除了能够对山区的细小水体进行高精度自动提取外,还能够有效地去除阴影等干扰信息。     

图像分类中基于核映射的光谱匹配度量方法

针对多光谱遥感数据特点利用SSV匹配技术改进高斯核函数得到新的KSSV函数,然后在由KSSV核函数映射得到的高维空间中利用SAM匹配技术代替基于欧氏距离的相似性度量。如此可以充分挖掘多光谱影像中的波谱特征信息并有效利用,提高模式识别方法应用的有效性。将此方法分别应用于非监督分类(k均值)与监督分类(最小距离、SVM)的试验表明,改进度量的分类方法可显著提高地类间的可区分度并有效降低类内的不一致性,更有效针对多光谱遥感影像中的地物类型,获得较好的精度改进。