草场资源分类专家系统的研究

在分析了基于光谱特征的统计模式识别方法用于遥感图像的计算机分类的不足之后，探讨了进一步提高遥感图像分类结果精度及可靠性的途径，指出了在遥感图像的计算机自动分类过程中，综合利用遥感图像多光谱特征及光谱特征以外的辅助信息对遥感图像进行分类是解决上述问题的有效方法，并通过笔者研制的草场资源分类专家系统ＧＥＳ（ＧｒａｓｓｌａｎｄＲｅｓｏｕｒｃｅｓＣｌａｓｓｉｆｉｃａｔｉｏｎＥｘｐｅｒｔＳｙｓｔｅｍ）说明了专家系统技术用于遥感图像分类能够有效地解决分类过程中综合利用各种辅助信息的问题。     

成像光谱和热红外多光谱技术地质制图研究

根据高光谱分辨率的航空成像光谱（ＭＡＩＳ）和热红外多光谱（ＴＩＭＳ）图像数据中遥感信息特点，即可从其数据获得成像地物光谱，利用航空成像光谱图像处理和分析方法，可有效和精确地对地物特性进行识别和提取。此次以调查沉积岩地区地质地层单元、岩性识别为研究内容的中日联合遥感研究所采用的图像数据，是由中国科学院上海技术物理研究所新开发的ＭＡＩＳ和ＴＩＭＳ获取的。研究结果表明，利用计算机图像处理方法，对ＴＩＭＳ图像进行主成分分析（ＰＣ），ＭＡＩＳ的短波红外（ＳＷＩＲ）图像的假彩色合成图（ＦＣＣ），以及可见近红外（ＶＮＩＲ）图像波段差值处理，可将研究区内出露的白云岩、灰岩以及红色砂岩、绿色砂岩等岩性识别出来，同时圈出了研究区内出露的各个时代的地层，证明了ＭＡＩＳ和ＴＩＭＳ在地质制图方面有较大的潜力。     

中国测绘科学研究院科技成果介绍

中国测绘科学研究院科技成果介绍孟庆玲（中国测绘科学研究院）知识辅助多光谱图像分类技术研究知识辅助多光谱图像分类技术研究是国家“八五”科技攻关项目８５—９０４—１１“建立数字化测绘技术体系”研究中“遥感图像判读智能化专题信息提取系统”研制的一部分，１９...     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与金色图像的融合，提出了基于IHS变换和小波包变换的遥感图像融合新方法。该方法首先对多光谱图像作IHS变换得到3个分量：亮度I、色度H和饱和度S；其次利用小波包变换融合方法融合多光谱图像的亮度分量与金色图像，并用融合后的图像替代多光谱图像的亮度分量；最后作IHS反变换得到新的多光谱图像。实验分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法，在保留多光谱图像光谱信息的基础上，增强了融合图像的空间细节表现能力。     

基于à trous小波变换的Landsat 7 ETM^＋图像融合研究

以胶州湾及周边海岸带为研究区，采用Landsat 7 ETM^＋数据，提出一种基于à trous小波变换的全色图像和多光谱图像融合改进算法。对全色图像和多光谱图像进行适当层数的小波分解，多光谱图像的低频部分采用全色图像和其低频分量的比来调制；最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和，加权系数由局部区域能量比来确定；最高分解层则采用绝对值最大准则。实验表明，该方法得到的图像可提高空间分辨率，对多光谱图像的光谱信息扭曲也较小，为提高海岸带地物分类和信息提取精度奠定了基础。     

基于à trous小波变换的Landsat 7 ETM＋图像融合研究

 以胶州湾及周边海岸带为研究区，采用Landsat 7 ETM+数据，提出一种基于à trous小波变换的全色图像和多光谱图像融合改进算法。对全色图像和多光谱图像进行适当层数的小波分解，多光谱图像的低频部分采用全色图像和其低频分量的比来调制； 最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和，加权系数由局部区域能量比来确定； 最高分解层则采用绝对值最大准则。实验表明，该方法得到的图像可提高空间分辨率，对多光谱图像的光谱信息扭曲也较小，为提高海岸带地物分类和信息提取精度奠定了基础。     

草场资源分类专家系统的研究

在分析了基于光谱特征的统计模式识别方法用于遥感图像的计算机分类的不足之后，探讨了进一步提高遥感图像分类结果精度及可靠性的途径，指出了在遥感图像的计算机自动分类过程中，综合利用遥感图像多光谱特片及光谱特征以外的辅助信息对遥感图像进行分类是解决上述问题的有效方法，并通过笔者研制的草场资源分类专家系统ＧＥＳ说明了专家系统技术用于遥感图像分类能够有效地解决分类过程中综合利用各种辅助信息的问题。     

成像光谱遥感技术及其图像光谱信息提取的分析研究

成像光谱技术是80年代发展起来的最新遥感方法。本文对其原理、理论基础及图像光谱信息提取的方法进行了探讨,并在红外细分光谱(FIMS)金矿蚀变带信息提取分析研究的基础上,通过对可见光细分19波段AMSS、澳大利亚的24波段GEOSCAN、MKII AMSS及美国GER64通道成像光谱数据的初步处理,发展和形成了一些针对超多波段成像光谱数据的图像处理和分析及光谱信息提取的方法。 成像光谱信息提取的方法,主要包括图像光谱反射率转换技术、图像光谱曲线显示、光谱特征参数测度(光谱吸收特征的波长位置、宽度、深度)、图像地物光谱曲线与地物光谱数据库的信息匹配以及地物光谱识别专家系统。本文以红外细分光谱图像在金矿蚀变带信息提取分析中的应用为例,讨论了成像光谱图像的一种处理分析技术及其发展前景。     

AMSS图像实用化生产技术系统开发研究

机载多光谱扫描(AMSS)是一种重要的遥感技术,本文详细介绍了机载多光谱扫描系统AADS-1268图像产品实用化生产技术系统的开发研究成果,该系统的建立不仅能为不同目的的应用研究提供多级别高质量的AMSS图像产品,为AMSS技术在我国进入实用阶段铺平了道路,而且为今后我国成像光谱技术的进一步发展奠定了基础。     

基于误差补偿预测树的多光谱遥感图像无损压缩方法

预测树方法是一种有效的无损多光谱图像压缩技术,将自适应线性预测方法与传统预测树方法相结合,提出了一种多光谱遥感图像的误差补偿预测树压缩方法。该方法利用多光谱图像谱间的局部统计冗余和结构冗余建立自适应预测器,对传统预测树方法产生的误差进行补偿,从而进一步减少了多光谱图像的数据量;并且利用多光谱图像的局部平稳特性对算法进行了简化。实验结果表明,该方法得到的压缩比与原始预测树方法相比有明显提高,同时算法简化后可以使计算复杂度大幅度降低。     

无人艇载高清多光谱影像配准

针对无人艇载高清多光谱影像特性,提出了集成单应性矩阵内配准与置平薄板样条外配准的多光谱影像整体配准方案:(1)傅里叶-梅林变换引导下的多光谱影像相关匹配自动生成连接点;(2)单应性矩阵最小二乘联合估计实现多波段影像相互配准(内配准);(3)构建“置平”薄板样条变换模型实现多光谱影像序列无地理坐标配准(外配准),最后对无人飞艇搭载多CCD相机低空拍摄的高清多光谱影像进行配准验证,取得了约1个像元误差的内配准精度以及较好的外配准视觉质量。     

Data structure characterization of multispectral data using principal component and principal factor analysis

Abstract

Both principal component analysis (PCA) and principal factor analysis (PFA) were used to analyze an experimental multispectral data structure in terms of common and unique variance. Only the common variance of the multispectral data was associated with the principal factor, while higher‐order principal components were associated with both common and unique variance. The unique variance was found to represent small spectral variations within each cover type as well as noise vectors, and was most abundant in the lower‐order principal components. The lower‐order principal components can be useful in research designed to discriminate minor physical variations within features, and to highlight localized change when using multitemporal‐multispectral data. Conversely, PFA of the multispectral data provided an insight into a great potential for discriminating basic land‐cover types by excluding the unique variance which was related to the noise and minor spectral variations.     

两种基于2DPCA图像融合算法的性能研究

基于2DPCA的图像融合算法是一种新近提出的图像融合技术,它是通过图像矩阵右乘投影矩阵来实现2DPCA分析的。因而,这种算法能够有效利用图像的二维结构信息,具有良好的性能,不仅能够提高融合图像的空间分辨率,而且使光谱信息得到较好保持。提出了一种通过图像矩阵左乘最优投影矩阵来实现2DPCA分析的图像融合算法,即L2DPCA图像融合算法,并将2DPCA算法和L2DPCA算法与经典的BROVEY、PCA和H IS三种图像融合算法进行了对比研究。结果表明:2DPCA算法和L2DPCA算法的性能明显优于这三种经典的算法。     

Automatic detection of residential buildings using LIDAR data and multispectral imagery

This paper presents an automatic building detection technique using LIDAR data and multispectral imagery. Two masks are obtained from the LIDAR data: a ‘primary building mask’ and a ‘secondary building mask’. The primary building mask indicates the void areas where the laser does not reach below a certain height threshold. The secondary building mask indicates the filled areas, from where the laser reflects, above the same threshold. Line segments are extracted from around the void areas in the primary building mask. Line segments around trees are removed using the normalized difference vegetation index derived from the orthorectified multispectral images. The initial building positions are obtained based on the remaining line segments. The complete buildings are detected from their initial positions using the two masks and multispectral images in the YIQ colour system. It is experimentally shown that the proposed technique can successfully detect urban residential buildings, when assessed in terms of 15 indices including completeness, correctness and quality.     

UAV for mapping shrubland vegetation: Does fusion of spectral and vertical information derived from a single sensor increase the classification accuracy?

High quality data on plant species occurrence count among the essential data sources for ecological research and conservation purposes. Ecologically valuable small grain mosaics of heterogeneous shrub and herbaceous formations however pose a challenging environment for creating such species occurrence maps. Remote sensing can be useful for such purposes, it however faces several challenges, especially the need of ultra high spatial resolution (centimeters) data and distinguishing between plant species or genera. Unmanned aerial vehicles (UAVs) are capable of producing data with sufficient resolution; their use for identification of plant species is however still largely unexplored. A fusion of spectral data with LiDAR-derived vertical information can improve the classification accuracy, such a solution is however costly. A cheaper alternative of vertical data acquisition can be represented by the use of the structure-from-motion photogrammetry (SfM) utilizing the images taken for (multi/hyper)spectral analysis. We investigated the use of such a fusion of UAV-borne multispectral and SfM-derived vertical information acquired from a single sensor for classification of shrubland vegetation at species level and compared its accuracy with that derived from multispectral information only. Multispectral images were acquired using Tetracam Micro-MCA6 camera in the west of Czechia in a shrubland landscape protected within the NATURA 2000 network. Using (i) multispectral imagery only and (ii) multispectral-SfM fusion, we classified the vegetation into six classes representing four woody plant species and two meadow types. Our results prove that the multispectral-SfM fusion performs significantly better than multispectral only (88.2% overall accuracy, 85.2% mean producer’s accuracy and 85.7% mean user’s accuracy for fusion instead of 73.3%, 75.1% and 63.7%, respectively, for multispectral). We concluded that the fusion of multispectral and SfM information acquired from a single UAV sensor is a viable method for shrub species mapping.     

全景扫描图像系统几何畸变特征及其校正

在简述遥感图像的几何畸变特征的基础上,本文着重讨论了包括陆地卫星多光谱扫描图像 (Lanasat-MSS)、陆地卫星专题制图仪图像(Landesat-TM)和航空多光谱扫描图像在内的各类 全景扫描图像(panoramic scanner image)系统几何畴变的成因、大小及其变化规律,提出了定 量计算图像上任一像元处系统几何畴变量D的计算公式。 本文探讨了全景扫描图像系统几何校正的基本原则,并根据这些基本原则,用Fortran语言编 制了可直接用于校正各类全景扫描图像系统几何畸变的实用程序。 用该程序对德国南部某地的航空多光谱扫描图像实施系统几何校正的结果表明,偏离航线不 同距离各部位影像的系统几何畸变均得到合理校正,图像上由于全景扫描造成的不程度的压缩现 象均得到相应的补偿。     

基于PCA+àstrous小波融合方法

针对PCA变换融合影像存在较严重的光谱失真现象,以及àstrous小波融合影像保真度高,而空间分辨率相对低的情况,本文提出一种基于PCA+àstrous小波融合算法。新方法首先对将多波段图像经PCA变换至各不相关的成分,而后对高分辨率图像与低分辨率图像主成分按照特定融合规则进行融合处理,并使用该融合后的第一主成份分量来替代高分辨率图像与低分辨率图像进行àstrous小波融合,即PCA变换与àstrous小波变换相结合的融合处理方法。主观视觉分析和客观参数表明,新方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达。     

Spectral and Spatial Quality Analysis in Pan Sharpening Process

Image fusion is a process to obtain new images containing more information by combining images obtained same or different sensors. With most of the earth observation satellites, high spatial resolution panchromatic images and low spatial resolution multispectral images are obtained. As an example of image fusion ??pan sharpening?? is a process of combining of high spatial resolution panchromatic images and low spatial resolution multispectral images. At the end of the fusion process both high spatial and spectral resolution new images are obtained. In this study, panchromatic and multispectral images gathered from Ikonos were used. Panchromatic and multispectral images belonging to the same sensor were combined by using different image fusion methods. As pan sharpening methods Brovey transform, Modified IHS, Principal Component Analysis (PCA), Wavelet PC transform and Wavelet A Trous transformation methods were used. Quality of fused products was evaluated from the point of view of both visual and statistical criteria. While wavelet based methods are succesfull in terms of protection of spectral quality of original multispectral images, the colorbased and statistical methods are giving better results within the improvement of spatial content.     

保持光谱信息的遥感图像融合方法研究

常用的遥感图像融合方法,如IHS变换法、Brovey变换法和主成分变换法等在实施图像融合时,均会有不同程度的光谱扭曲现象.探讨能有效保持光谱信息的EECN融合法.EECN融合法采用比值变换法,同时对参与融合的全色波段进行增强边缘,融合后的图像在光谱保持性能、分类精度等方面均较优.