基于Landsat-8和Sentinel-1A辽东湾海冰分类研究

为研究辽东湾海冰类型特征,文中基于2016年2月9日的Landsat-8和Sentinel-1A数据,结合多光谱、归一化植被指数(NDVI)构建CART自动决策树(CART Automatic Decision Tree),并用灰度共生矩阵(GLCM)统计Sentinel-1ASAR数据的纹理信息特征,对比传统监督分类并验证两种遥感图像海冰分类精度。研究指出:对Landsat-8数据,基于CART自动决策树的分类精度最高,总精度达81.68%;而Sentinel-1ASAR数据,基于最大似然分类的总精度为73.88%,相比于CART自动决策树,其能获得更高的海冰分类精度。分析本研究可知,基于光学数据的CART自动决策树在海冰类型识别中占优,而最大似然分类在SAR数据中对海冰类型的识别度较好,本文为辽东湾海冰监测与预报提供了一种有希望的技术手段。     

基于形态学的海冰外缘线自动提取

海冰外缘线是一个描述北极海冰快速变化的重要指示参数,对近岸冰区航行保障和海冰灾害预警具有实际意义。本文首先基于形态学中的方法分别识别数据中的主体冰域、主体水域和碎冰区。其次利用可变图像闭运算方法将较大碎冰与主体冰区合并,最后再利用连通域方法提取海冰外缘线。该方法可适用于任何冰水二值数据集,包括海冰密集度产品数据、卫星图像、航拍图像以及其他冰水混合数据。本文基于AMSR-E海冰密集度数据,利用此方法提取了北冰洋10个区域的海冰外缘线,与15%海冰密集度等值线比较表明,本文方法能够保留较大面积的碎冰区域,并将其与主体冰域合并处理,因此所提取的海冰外缘线在衡量大尺度海冰范围方面更为合理。     

面向城市地物分类的SAR图像纹理特征提取与分析

合成孔径雷达(SAR)图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

面向城市地物分类的 SAR 图像纹理特征提取与分析

合成孔径雷达（ SAR）图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

利用全极化SAR数据的极化特征获取海冰密集度的算法

本文提出了一种利用全极化SAR数据的极化特征获取海冰密集度算法。首先,对全极化SAR数据进行多视化及滤波等预处理,以获取相干矩阵与协方差矩阵;其次,通过相干矩阵与协方差矩阵获取若干极化特征,对这些极化特征进行相关性与冗余性分析,构建最优特征空间;然后,将最优特征空间作为输入量放入神经网络分类器中,得到海冰分类结果;最后,根据海冰分类结果提取海冰密集度。选用拉布拉多南部海域2景全极化Radarsat-2影像获取海冰密集度,与业务化海冰密集度产品ASI-3125进行对比研究。本文算法结果与ASI-3125海冰密集度分布趋势基本一致,总体上略大于ASI-3125海冰密集度,标准差值分布为3.46%和6.82%,说明利用高分辨率全极化SAR数据在监测边缘区域小尺寸破碎海冰方面具有优势。     

南极海冰边界AMSR-E密集度产品精度检验

根据海冰船测目视观测标准在MODIS影像上提取模拟的海冰边界,并利用相应的MODIS海冰密集度验证AMSR-E海冰密集度产品在海冰边界的精度。研究结果表明,海冰边界像素上,AMSR-E海冰密集度的平均值与15%阈值存在显著差异,且AMSR-E与MODIS海冰密集度的相关性很弱(R2≤0.2),基于ASI的海冰反演算法在夏季低估边界海冰密集度。考虑整个冰区(包括多年冰、一年冰、新冰和开阔海域)的截线分析显示,AMSR-E与MODIS海冰密集度存在较好的线性关系(夏季R2=0.82,冬季R2=0.81),AMSR-E海冰密集度在20%~30%区间的误差最大。     

基于Landsat-8数据和MODIS数据的渤海海冰信息提取

渤海地区是我国经济最为发达的地区之一,但每年冬季该地区经常遭受不同程度的海冰灾害。截至目前,海冰灾害已经造成该地区石油平台多次倒塌,船舶受损和航运受阻,严重影响该地区的经济发展~([1])。本文基于2016年的Landsat-8辽东湾数据和MODIS渤海数据进行海冰范围的提取,并计算海冰的面积、密集度等信息,然后建立MODIS数据海冰的短波宽带反射率和厚度之间的对应关系,计算出海冰的厚度,从而对海冰实现分类。     

基于BP神经网络的机载高分辨率SAR图像分类方法研究

研究可用于机载高分辨率SAR图像分类的灰度共生矩阵惯性矩、能量等纹理特征量以及灰度特征量.提出特征提取和统计分析选取特征向量的方法,基于BP神经网络对图像进行临督分类,最后对分类结果采用数学形态学算法进行开运算去除细小区域.由于该方法充分考虑到SAR图像灰度特征和纹理特征信息,与传统的仅仅考虑纹理特征方法相比,具有较好的分类性能,实验结果表明该方法能够获得较好的分类效果.     

多特征加权融合的高分SAR影像建筑区提取方法

机载SAR影像分辨率的不断提高使得图像纹理信息更加丰富,对地物分类和提取具有重要意义。针对建筑区的纹理特点,该文提出了一种综合统计和结构多特征加权融合的建筑区提取方法。分别采用经典的灰度共生矩阵方法提取统计纹理特征和采用变差函数方法提取结构纹理特征,并考虑方向信息;然后利用提出的巴士距离特征权值计算方法,将所选特征进行加权融合;利用K均值聚类算法对融合后的特征图像进行非监督分类,对分类图像进行后处理并提取外部轮廓。以国产机载P波段全极化SAR影像为数据源进行了实验,并对结果进行了定量分析,表明该方法能够高精度地有效提取高分辨率机载SAR影像中的建筑区。     

利用纹理融合与广义高斯模型的高分辨率SAR影像变化检测

为了充分利用高分辨率SAR影像的纹理特征,提出一种纹理信息融合与广义高斯模型相结合的SAR影像变化检测方法。通过灰度共生矩阵计算影像的纹理特征进而构造纹理差异影像,利用离散平稳小波变换,融合灰度差异影像和纹理差异影像。然后利用广义高斯模型进行统计建模,估计融合后差异影像上变化类和未变化类的概率分布,利用KI阈值准则获取最佳分割阈值,实现多时相SAR影像的非监督变化检测。选取两组TerraSAR-X数据进行实验,结果表明融合纹理信息与广义高斯模型的变化检测方法可行,其中融合逆差距纹理信息的检测性能最优。     

基于Bootstrap算法的FY-3/MWRI北极海冰密集度反演

海冰作为全球气候系统的重要组成部分,不仅影响着大气与海洋环流,也是气候变化的重要指示器。海冰密集度是描述极地海冰极为重要的地球物理参数之一。本文基于风云三号卫星微波成像仪(MWRI)亮温数据开展北极海冰密集度反演研究,采用线性回归和阈值法确定了动态亮温系点值,利用天气滤波器和陆地污染修正法消除了天气和陆地对海冰密集度反演的影响,计算了2019年—2020年海冰范围和海冰面积并与同类产品进行了比对。结果表明,本研究获取的北极海冰密集度产品与NSIDC发布的海冰密集度产品有较高的相关性,海冰密集度的差异在冬季小于3%,夏季小于8%。利用SAR数据进行了不同产品的结果评估,结果表明本文算法的反演结果优于NASA Team算法,在冬季精度约有1%的提升,在夏季精度约有4%左右的提升。动态亮温系点值较好地反映了海冰辐射特性的季节变化。本研究为中国自主卫星的海冰密集度产品的业务化发布奠定了基础。     

北极遥感海冰密集度数据的比较和评估

本文利用2012年夏季中国第五次北极科学考察期间雪龙船在北极东北航道走航观测的海冰密集度数据(OBS-SIC),初步评估了7种基于被动微波遥感的海冰密集度产品(PM-SIC)。7种PM-SIC因传感器和反演方法不同,分辨率差异较大(4—25 km)。在海盆尺度的海冰范围反演上7种PM-SIC基本相同,但对小范围浮冰区的反演差异较大。与MODIS可见光图像对比发现,MASAM数据(4 km)对局部小区域海冰刻画较好,是研究近岸区域或海峡岛屿海冰覆盖范围或面积时的首选产品;7种PM-SIC纬向平均后对比分析显示,不同PM-SIC对网格内是否存在海冰的判断基本一致,但对网格内海冰所占的比例(密集度)判断差异较大。结合OBS-SIC按航线、区域、密集度大小3种不同情况对7种PM-SIC进行分类定量评估,结果表明基于AMSR2传感器的AMSR2/ASI和AMSR2/Bootstrap数据与OBS-SIC偏差较小,平均偏差约±1%,均方根偏差仅11%和12%;而SSMIS/NT数据的偏差最大,平均偏差约–15%,均方根偏差为21%,其严重低估了网格内的海冰密集度值;因此具有更高分辨率的AMSR2/ASI数据(6.25 km)是关注海冰密集度大小时的首选产品。     

中分辨率成像光谱仪的海冰密集度遥感反演

海冰信息在船舶运输、天气预报和全球气候预测等领域都起着重要作用.一直以来微波遥感是卫星监测海冰密集度的主要手段,目前基于可见光遥感的中分辨率海冰密集度产品还较少,其中只有NOAA发布了相关业务化产品,但其所采用的算法对低密集度海冰反演准确性仍存在提升空间.本文在Liu提出的算法基础上进行改进,提出了最邻近像素法确定纯冰...     

结合凝聚层次聚类的极化SAR海冰分割

针对全极化高分辨率合成孔径雷达(SAR)多噪声的特点,选择合适的海冰SAR影像纹理特征量,并基于凝聚层次聚类的思想,提出一种全极化SAR海冰分割方法。将该方法的结果与K-Means、迭代自组织聚类(ISODATA)和模糊C均值算法等经典分割方法相比较,发现该方法的碎斑明显减少,且分割结果较为准确,证明了该方法的有效性。     

结合纹理信息的极化SAR影像分类研究

结合Gabor小波、灰度共生矩阵和Fast ICA方法提取的纹理信息,利用支持向量机分类器对单极化SAR影像进行分类研究。首先利用精致Lee滤波器对影像进行去噪处理;然后采用灰度共生矩阵和Gabor小波提取影像纹理特征,利用Fast ICA算法对纹理特征进行降维分析;最后将降维后的纹理特征与强度特征结合,采用支持向量机分类器进行分类;采用北京地区Terra SAR-X影像对该方法进行实验,结果表明,纹理信息的引入使极化SAR影像分类精度得到提高。     

基于目标分解及纹理信息的全极化SAR影像分类

全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(Support Vector Machine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。     

朗伯定律的宽观测带SAR海冰图像分割

入射角效应是宽观测带SAR海冰图像分割的主要障碍之一。基于宽观测带SAR海冰图像数据,提出了一种集成余弦朗伯定律的分割算法。为了提高分割算法对SAR海冰图像的适应性,充分考虑了斑点噪声和入射角效应因素,并在区域K-means聚类、朗伯定律校正之后,进行区域合并。分别针对合成SAR海冰图像和星载SAR海冰图像的实验结果表明,该算法可有效提高分割的准确性。     

利用纹理特征的SAR与光学图像融合方法研究

针对SAR与光学图像的融合问题,提出一种基于SAR图像中纹理特征的Contourlet变换融合方法。利用灰度共生矩阵法提取SAR图像的纹理特征,分析各个纹理特征间的相关性,得到重要纹理特征图。用HSV变换提取光学图像的强度分量。将重要纹理特征和强度分量利用改进的Contourlet多尺度变换融合,得到新的强度分量。通过HSV逆变换得到SAR与光学的融合图像。利用Landsat8和Cosmo-SkyMed图像进行融合实验,并与小波、HSV、Brovey、Contourlet变换融合方法对比分析,实验表明该方法能够较好的保持光学图像的光谱特征和SAR图像的纹理、强散射特征,增加图像细节信息,提高图像可解译性。     

结合视觉特征的极化SAR图像分类

为充分提取极化合成孔径雷达(synthetic aperture Radar,SAR)图像中的信息,提高图像分类精度,提出结合视觉特征的极化SAR图像分类方法。首先,通过极化目标分解方法提取极化参数组成极化特征向量;然后,通过灰度共生矩阵和假彩色合成图像提取极化SAR图像中的纹理和颜色特征参数构成视觉特征向量;最后,将视觉特征向量与极化特征向量组合成新的特征向量,并利用支持向量机(support vector machine,SVM)方法进行分类。对RADARSAT-2的全极化SLC数据进行分类实验,结果表明,与仅使用极化特征向量相比,视觉特征的加入能有效提高极化SAR图像的分类精度。     

基于空间特征与纹理信息的高光谱图像半监督分类

传统高光谱图像分类方法主要使用图像的光谱特征信息,没有充分利用高光谱图像的空间特性及样本的其他信息。本文提出了一种基于空间特征与纹理信息的高光谱图像半监督分类方法。首先,将高光谱图像每一像素的光谱特征与其邻域范围内的光谱特征进行结合,得到了这一像素的空-谱特征;然后用灰度共生矩阵提取了高光谱图像的纹理特征,并与空-谱特征进行了融合;最后,用基于图的半监督分类算法进行了分类。通过在Indian Pines数据集和PaviaU数据集上进行试验,结果表明本文提出的方法能取得较高的分类结果。