不同空间分辨率高光谱遥感数据对蚀变矿物信息提取的影响

高光谱遥感由于其精细的光谱分辨率,在定量分析物质成分上独具优势,因此广泛应用于提取蚀变矿物信息.探讨了不同空间分辨率高光谱遥感数据对蚀变矿物信息提取的影响,采用最邻近插值法、双线性插值法和三次卷积插值法３种重采样方法对美国 Cuprite矿区空间分辨率为２０m 的 AVIRIS影像做空间尺度扩展,分别扩展到空间分辨率为２５,３０,３５,４０,４５,５０m.采用SAM 分类方法从不同空间分辨率影像中提取蚀变矿物信息,使用混淆矩阵评价提取结果.一方面比较不同重采样方法对后期蚀变矿物信息提取精度产生的影响;另一方面比较不同空间分辨率对高光谱遥感影像蚀变矿物信息提取精度的影响.结果表明:①采用不同的重采样方法做
空间尺度扩展,会影响后期蚀变矿物信息提取的精度,但是数值变化相对较小.相比之下,最邻近插值法重采样下影像蚀变矿物信息提取的精度稍好一些.②在中等空间分辨率(２０~５０m)范围内,基于５０m 空间分辨率的高光谱影像,蚀变信息提取的总体精度和 Kappa系数较２０m 的明显下降.其中最邻近插值法重采样下的总体精度和 Kappa系数分别下降了７．９４％,０．０９;双线性插值法重采样下的总体精度和 Kappa系数分别下降了６．８７％,０．０８;三次卷积插值法重采样下的总体精度和 Kappa系数分别下降了６．６８％,０．０８.较高空间分辨率影像的总体精度和 Kappa系数整体上均高于较低空间分辨率的情形.      

基于Adaboost的高分遥感影像自动变化检测方法

基于监督分类的高分辨率遥感影像变化检测需要大量人工标注,且单个监督分类器难以适应高分影像中复杂多样的地表变化信息提取,检测结果中“椒盐噪声”严重、变化图斑破碎。因此,本文提出一种基于Adaboost集成算法、自动标注训练样本的变化检测方法。首先利用非监督分类方法完成变化初检,接着在初检结果中进行“非等距”区间采样自动获取均匀分布的训练样本;然后以Adaboost算法为集成框架,选择决策树桩、Logistic回归和kNN作为弱分类器,构建一种混合分类器集成系统,充分挖掘和利用高分影像中的空间信息以提升分类精度和分类器泛化能力,最后利用SLIC分割算法和空间邻域信息对像元级检测结果进行空间约束滤波,进一步提升变化检测精度。为验证本文方法的有效性,选取SPOT-5和WorldView-2影像为实验数据,结果表明本文方法能有效降低训练样本人工标注成本、提高变化检测精度。     

球形全景影像核线方程推导及其应用

核线约束是影像在数字摄影测量中的一项核心技术,可限制同名像点的搜索范围,显著提高计算效率和可靠性。目前,核线约束在传统中心投影影像与卫星扫描影像上取得了广泛的应用,而全景影像具有不同的几何模型,核线模型的推导与应用存在很大的难度。以往实现全景三维重建方法大多通过不同方位影像,应用大量的控制点,结合光束法平差以实现构筑物三维重构,缺乏球形全景核线数学方程的推导及应用。鉴此,本文通过对球形全景影像的投影几何研究,基于共面方程建立该类影像的核线几何模型,推导出数学方程及其特性,为核线在球形全景影像中的应用提供了理论基础,实验表明该球形全景核线方程的正确性与可行性。     

用Kaula线性摄动方法恢复CHAMP重力场模型

介绍了Kau la线性摄动方法的基本原理和算法,基于CHAMP几何法轨道和动力法轨道,给出了利用该方法恢复地球重力场模型的实现过程,分析了Kau la线性摄动方法在实际应用中需要注意的问题。基于德国慕尼黑技术大学提供的一个月的CHAMP几何法轨道和德国GFZ数据中心提供的快速科学轨道,计算出了50×50阶地球重力场模型CHAMP-Kau la1S,并与EIGEN-CG03C、EIGEN-CHAMP03S、EIGEN2、ENIGN1S、EGM96模型进行了比较。结果表明:X ISM-CHAMP1S模型精度明显优于相同阶次EIGEN1S模型,前40阶明显优于EGM96模型,而低于同阶次的EIGEN2和EIGEN-CHAMP03S模型精度。     

结合注意力机制的卫星遥感影像立体匹配

采用立体匹配技术对多视卫星遥感影像进行三维场景重建一直是摄影测量与遥感领域的核心问题。基于卷积神经网络的深度学习方法极大地促进了立体匹配技术的发展,然而其中涉及匹配困难和误匹配问题的相关研究仍然不足。为了提升卫星遥感影像不适定区域中视差估计的精度,本研究提出了一种结合注意力机制的立体匹配深度学习网络,在特征提取模块中加入注意力机制,分别从通道和空间两个维度捕获全局信息,对特征进行优化;在代价体的构建模块中构建新的代价体积,并重新设置视差的回归范围。为了验证本文方法的有效性,在US3D、WHU-Stereo两个数据集上分别与已有方法 Stereo-Net、PSM-Net进行了比较分析。结果表明,本文方法在EPE(endpointerror)和D₁两个指标上均能达到最优,取得了较好的性能,提高了立体匹配的精度,尤其在无纹理、重复纹理、遮挡及视差不连续区域表现出良好的鲁棒性。     

交叉点结构特征约束的机载LiDAR点云与多视角航空影像配准

针对机载点云与航空影像配准精度受点云密度影响较大的问题,本文提出一种交叉点结构特征约束下的机载点云影像配准方法。该方法充分利用激光测距精度较高这一优势,采用点云中的平面结构对影像区域网进行绝对定向约束。首先,利用POS辅助平差后的影像内外方位元素和影像交叉点结构匹配结果,以反投影距离为测度,按照最小二乘准则交会得到交叉点物方结构;然后,在LiDAR点云中自动探测交叉点结构的同名LiDAR平面点;最后,进行交叉点结构特征约束下的航空影像联合区域网平差,得到精确的相机内参数和影像外方位元素。实验结果表明,本文方法在平面和高程方向上均可达到1~2个像素的配准精度。与基于建筑物角特征的配准方法相比,有效克服了点云密度对配准精度的影响,当点云密度较低时,本文方法依然可以取得较高的配准精度。     

基于对象BOW特征的高分辨率遥感影像变化检测方法

针对传统基于像素的变化检测方法的缺点,以及底层特征表现能力不足等问题,提出一种基于对象BOW特征的变化检测方法。首先,将经过预处理操作的两期影像进行波段组合得到组合后影像,再考虑地物光谱特征和几何空间信息对组合后影像进行多尺度分割,获得相对应的对象基元;同时,分别提取两幅影像的底层特征（包括影像各波段的均值和方差以及灰度图像的6种纹理特征）。其次,将对象视作文档,像素的特征向量视作单词,利用BOW模型构建影像对象的中层表达,即对象的BOW特征。最后,通过相似性度量算法比较相应对象的BOW特征,从而识别出影像上的变化区域。本文利用2组WorldView-2影像进行了检验,结果表明本文方法的变化检测结果较为完整,精度优于对比方法。本文方法基本能够满足变化检测的需求,为高分辨率遥感影像上的数据挖掘分析提供了有效的手段。     

基于高分二号卫星影像的城市不透水面提取

受到分类目标趋于多样化和影像因素复杂的影响,基于高分辨率遥感影像提取城市不透水面的方法普遍精度不高。本文旨在探索快速有效地利用高分辨率遥感影像提取不透水面方法。以梧州市高分二号遥感卫星影像为例,采用支持向量机方法应用于不透水面分类中。这种方法首先根据高斯核函数训练出样本空间,然后直接对经过HSL色彩空间变换后的影像进行分类,使得有效特征信息增加进而分类精度提高。实验结果证明了这种方法的有效性。     

资源卫星ETM+影像城镇信息挖掘分析

城镇建成区信息是遥感影像提取中的一个重点。本文以泉州市2000年的Landsat ETM+影像,利用多种方法,提取城镇聚落的信息,并对比各种方法的优缺点后予以改进。研究表明基于Landsat卫星提取城镇信息方法,改进后方法较之原方法提取精度随之提高;经比较认为仿植被指数提取法简单快速,光谱阈值法精度较高但较复杂。     

融合LiDAR数据与高分影像特征信息的建筑物提取方法

建筑物是城市环境中的主要地物类型,从高分影像等数据中自动提取建筑物对于提升土地利用变化检测、城市规划与土地执法等业务的质量与效率具有重要意义。本文针对现有建筑物提取方法存在的边界提取不精确的问题以及采用手工特征表达图像信息的局限性,融合LiDAR数据与高分影像两种数据源的特征信息,提出一种基于SegNet语义模型的建筑物提取新方法。首先,对LiDAR数据预处理得到数字表面模型（DSM）、数字地形模型（DTM）、归一化数字表面模型（nDSM）,利用高分影像NDVI值去除nDSM中部分树木点,得到结果影像nDSM_en;其次,分别获取LiDAR数据回波强度、表面曲率以及高分影像NDVI值 3个特征构建特征图像训练SegNet语义模型,利用训练得到的模型完成建筑物初始提取;最后,采用阈值法分割nDSM_en得到影像对象,利用影像对象约束建筑物初始提取结果,完成建筑物精提取。在以ISPRS 官方提供的标准数据集（数据采集的地理区域为德国Vaihingen,采集时间2008年7—8月）为样本的实验中,本文方法在像素层次的平均查全率、平均查准率和提取质量分别为96.4%、94.8%和91.7%;针对面积大于50 m ²的建筑物对象,上述3个指标均为100%。实验结果表明：本文提出与实现的建筑物提取方法更好地利用了反映建筑物与非建筑物本质差异的特征信息,有效地实现了2种数据源的相对优势互补,提高了建筑物的检测与提取精度。     

面向无人机影像的改进FNEA分割方法

针对无人机影像光谱信息量不足导致的影像分割精度较低和同类地块过度分割问题,本文设计了一种面向无人机影像的改进FNEA分割方法。首先,利用特征提取方法,构建原始RGB影像的不同纹理和植被指数特征影像;然后,基于改进分离阈值法选择最佳植被指数和纹理特征;最后,将最佳特征与原始RGB数据融合,采用FNEA算法进行影像分割。将改进FNEA方法与多种分割方法对比,结果表明改进FNEA方法的分割精度更高,同一地块内过度分割可得到较好控制,适合无人机影像的分割。     

城市建成区遥感影像边界提取与扩张分析

针对城市建成区提取过程中,仅依赖单一数据源导致精度不够的问题,本文基于面向对象分类方法和利用土地类型信息标准差统计变量,实现遥感影像中城市建城区边界的提取,并以该建成区为依据对河南省虞城县的城区空间扩张特征作了分析。实验中首先采用均值漂移分割算法对高分一号遥感影像实现分割,然后利用决策树分类算法实现土地利用类型分类,最后基于0.1 km × 0.1 km窗口统计土地利用类型标准差信息,获取建成区边界。面向实际应用,以河南省虞城县为例,采用高分一号影像获得虞城县2017年建成区数据,并基于该数据采用多个TM影像提取城区其他年份的建成区边界,实现河南省虞城县城区空间扩张特征分析。结果表明,本文方法获取的建成区边界精度较一般的监督分类提取边界有进一步的提高,精度达到89%。进而说明结合高分辨率影像提取多个年份的建成区数据的可靠性,在城市扩张研究中,对仅利用低空间分辨率提取精度不够问题和仅利用高分辨影像提取效率低等问题提供了较好的解决方案。     

基于面向对象与深度学习的榆树疏林识别方法研究

榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示：① 通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为 90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%, RF与DNN总体精度为97.42%。② 深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。     

复杂地形山区Landsat TM影像C校正策略与实验

采用分坡度、分NDVI（归一化差异植被指数）和分地类的C校正策略,对复杂地形山区Landsat TM影像进行地形校正,并运用视觉检验、回归分析和遥感分类精度将3种C校正策略的结果与传统的整体C校正进行对比,以探寻适合复杂地形山区的C校正策略。在此基础上,进一步探讨了地形校正对影像重采样尺度的响应。研究结果表明：与传统的整体C校正相比,采用分坡度、分NDVI和分地类的C校正策略能更好地消除原影像的凹凸感,减弱地形效应,且背阳面影像的过校正现象减少;各种C校正策略和整体C校正对Landsat TM影像不同波段的校正效果不一,其中,分地类的C校正策略对波段1、2、3和波段7的校正效果最好,分坡度的C校正策略对波段5的校正效果更佳,而整体C校正则对波段4的校正效果最好;虽然所有C校正均能有效地消除影像中的地形效应,但并未能提高影像分类精度;从不同重采样尺度C校正结果对比看,随着采样尺度增加,地形效应逐渐减弱,但并未完全消除,因此,中、低空间分辨率遥感影像的地形效应也不容忽视。     

基于GF-1和Hyperion影像的新增建设用地占用地类信息提取

新增建设用地及其占用地类是年度土地利用动态遥感监测的重点关注信息,综合利用多源数据是提高占地信息提取精度的主要手段之一。现有研究基于光学与高光谱特征波段的像素级融合影像开展分析,不可避免地导致了高光谱影像光谱信息的损失。为了尽量避免信息损失,提出一种光学和高光谱影像独立分析、结果集成的新增建设用地占用地类信息提取方法。该方法首先结合土地利用动态遥感监测所定义的3种主要新增建设用地形态,利用前后两个时相GF-1光学影像的光谱和纹理特征提取新增建设用地,其次利用前时相Hyperion高光谱影像的精细光谱成像能力进行详细土地利用分类,最后通过新增建设用地与土地利用分类图的叠置分析提取新增建设用地占用地类。在北京市丰台区典型区域开展的验证实验取得了86.71%的新增建设用地占用地类属性精度,表明本方法可为土地利用动态遥感监测提供较为准确的地类变化信息。     

基于少量控制点的Radarsat-2影像快速几何纠正技术研究

Radarsat-2卫星依据其搭载的GPS接收机可实现3倍中误差小于60m的精确实时定轨。由此本文提出依据其影像元数据信息实现快速几何纠正的方法,该方法利用少量的几个控制点来消除Radarsat-2影像与待纠正参考系间的系统误差,从而实现Radarsat-2影像的快速几何纠正。本文并依据SAR斜距成像原理的纠正公式和实地采集的GPS数据,验证了元数据中所提供RPF模型的内部精度和外部符合精度。通过实验验证了本快速纠正技术可以获得中误差小于2个像素的平面几何纠正精度。     

国家测绘局跨世纪学术和技术带头人

刘玉贤 男,出生于1963年10月,河南人,1989年毕业于武汉测绘科技大学,1991年8月获得中国测绘科学研究院工学硕士学位.现任中国测绘科学研究院副研究员,一直从事摄影测量与遥感的技术与学术研究.在《侧视雷达图像的制图研究》课题中,他在单板机上用机器码研制了雷达图像的微分纠正程序,并为生产单位编写雷达图像的判读指南.该课题获国家测绘局1990年度科技进步三等奖.在“八五”课题《SPOT图像高程信息提取的方法与精度分析》研究中,在SPOT影像处理中采用似核线重采样分层多点相关方案,以及SPOT立体模型定向中解决线元素与角元素强     

多时相影像的典型区农作物识别分类方法对比研究

基于甘蔗和玉米的物候特征差异,对多时相影像典型分类方法处理的适宜性和准确性进行了比较研究。并以目视解译结果作为参考数据,利用全样本检验法,对自动分类的结果进行了精度检验。试验结果表明:面向对象法的分类精度最高,总体Kappa系数为0.655,是最适宜的方法;其次是BP神经网络法和光谱角制图法,总体Kappa系数分别为0.635和0.631;而最大似然法和分类后比较法则是不适宜采纳的分类方法,总体Kappa系数分别为0.601和0.577。上述分析可见,它们对遥感分类处理多时相影像识别算法的适用性选取有一定参考意义。     

霍西煤矿区地表滑坡灾害敏感性数值建模与等级划分

本文以山西省霍西煤矿区为研究区,利用遥感和GIS方法对滑坡灾害的敏感性进行了数值建模与定量评价。利用交叉检验方法构建了径向基核函数支持向量机滑坡敏感性评价模型,并基于拟合精度对模型进行了定量评价;对各评价因子在模型中的重要性进行对比分析;基于空间分辨率为30m的评价因子,通过径向基核函数支持向量机模型获得了霍西煤矿区滑坡敏感性指数值,并利用分位数法将霍西煤矿区的滑坡敏感性分为极高、高、中和低4个等级。结果表明：拟合精度建模阶段和验证阶段分别为87.22%和70.12%;与滑坡敏感性关系最密切的5个评价因子依次是岩性、距道路距离、坡向、高程和土地利用类型;极高和高敏感区域分布了93.49%的滑坡点,面积占总面积的50.99%,是比较合理的分级方案。本研究不仅可以为研究区人工边坡调查和煤矿资源合理开采提供借鉴,对相似矿区的相关工作也具有参考价值。     

基于动态极坐标参数化的遥感影像匹配方法

图像匹配作为三维重建至关重要的环节,其精度直接影响了平差优化、正射校正等模块的精度。对于城镇、农场等特征密集型区域,特征距离小,相似性强,易于匹配图像;而针对草地、沙漠等特征不明显区域,特征距离大,如果使用特征点匹配的方法,严格阈值下难以获得足够数量的匹配对,放宽阈值又将引入较多误匹配对,这也是导致稀疏点云不够均匀的原因之一。在此场景下,本文提出了基于动态极坐标参数化的无人机正视影像匹配算法,首先对图像做极坐标参数变化,采用动态策略解决极轴方向采样不均匀的问题,使用最小二乘法对得到的极坐标影像对做位移方向上的匹配,匹配后得到的旋转量和平移量,将该结果和SIFT算法的结果做比较。本文设计了2组实验,即参数已知的解算实验和参数未知的解算实验,且每组实验进行3次。在同等配置的计算机上,对两张7360像素×5400像素,32位的影像,本文方法的位姿解算时间相比SIFT的时间减少约57%,二者求得的位姿差通常小于1%。结论表明二者的结果在精度上表现相当,在时间上明显优于SIFT算法,具有实际的应用价值。