最小光谱相关约束NMF的高光谱遥感图像混合像元分解

提出了一种最小化光谱相关度约束的非负矩阵分解方法。该方法根据高光谱遥感图像中端元之间具有不相关性这一特点,提出了一种光谱相关度函数。该函数度量光谱之间的相关程度,函数值越小,光谱间的相关度越小。通过联合最小化光谱相关度函数和非负矩阵分解误差函数,使获得的光谱之间具有最小的相关性,从而获得端元光谱以及组分图。模拟实验和真实实验证明了算法的有效性。     

利用线性混合模型进行高光谱混合图像分解

简述了混合像元及线性模型的基本理论,介绍了线性光谱模型进行分解的步骤,以具体实例实现应用线性混合模型对高光谱混合影像的分解。     

混合光谱分解模型提取水体叶绿素含量的研究

遥感监测水体叶绿素含量是水质遥感研究的难点之一。本文通过研究不同叶绿素含量水体反射率的光谱特征，确定了提取叶绿素a含量的最佳特征波段，建立了太湖水体叶绿素a的混合光谱模型。研究发现，混合光谱模型提取的水体叶绿素a百分比浓度与同步采样分析的叶绿素a浓度之间有较好的线性相关性。并基于TM和HEPERION图像利用此模型生成了叶绿索a浓度分布图。研究结果表明，混合光谱分解模型可以作为遥感监测水体叶绿素a含量的定量模型。     

黄河口水体光谱特性及悬沙浓度遥感估测

通过黄河口含沙水体野外遥感光谱反射率的观测实验,探讨了黄河口水体表观光谱特性,分析了悬浮体中有机颗粒含量和悬沙粒度对光谱特性的影响。针对Landsat TM/ETM+影像波段特性,对黄河口含沙水体在其可见光至近红外4个波段的光谱特性进行了模拟分析,并结合表观光谱观测数据建立了经验回归函数,以估测不同时相黄河口水体表层悬沙的浓度     

基于深度学习的高光谱遥感图像混合像元分解研究综述

高光谱遥感是以成像光谱学为基础发展起来的一项综合性遥感技术,它能够同步记录成像区域内地物的空间信息和光谱信号,故而也称为“成像光谱遥感”。高光谱遥感所获取的数据称为“高光谱遥感图像”,相较于传统的遥感数据,高光谱遥感图像具有光谱分辨率高和“图谱合一”的特点,目前已成为遥感工程应用中的重要支撑数据之一。然而,受空间分辨率限制,混合像元（即某一像元内包含多种类型的地物）问题始终限制着高光谱遥感在精细化地物信息提取工作中的作用。混合像元分解（“解混”）是现阶段处理混合像元问题最有效的分析方法,旨在从亚像元角度出发,获取像元中纯净的光谱信号（“端元”）,并分析出各类端元在像元内所占的比例（“丰度”）。在遥感领域,为实现地物信息精细化解译,目前已发展出不同类型的解混方法,在一定程度上解决了混合像元问题对遥感定量化分析的制约。如今,随着深度学习的发展,越来越多的先进理论和工具被用于处理混合像元问题,发展出了一类基于深度学习的新型解混方法。这些新方法以光谱混合模型为桥梁,用深度学习方式来解译光谱混合现象。相比于传统的解混方法,基于深度学习的解混方法在隐藏信息的挖掘和利用方面更具优势,对先验知识依赖程...     

基于二次散射的高光谱遥感图像光谱非线性混合模型

高光谱遥感图像(简称高光谱图像)的空间分辨率通常较低,混合像元现象严重.为了提高图像的分类精度,必须计算出混合像元内每种纯地物所占的比例(丰度).然而,受实际地物间复杂关系和大气散射的影响,高光谱图像像元内的光谱混合都是非线性的,这就使得传统的基于线性光谱混合模型的解混精度难以满足要求.为此,定义了广义的非线性混合模型,提出了一种基于二次散射的非线性混合模型——二次散射模型(secondary scattering model,SSM).通过对模拟数据和AVIRIS实际数据的解混实验表明,相对于传统的线性光谱解混,基于该模型进行光谱解混得到了更精确的分类结果.     

顾及混合像元分解的遥感图像光谱模拟

基于尺度下降理论,利用高时间分辨率的MODIS遥感影像数据,结合同时间段高空间分辨率的ETM+遥感影像及其分类数据,应用混合像元分解技术,获得了不同时间段的MODIS子像元类别反射率数据。通过类别反射率与像元反射率间的关系模型,以原有的ETM+影像的像元反射率和时间序列的类别反射率,模拟出具有高时间分辨率与高空间分辨率特征不同时间段的模拟影像,实现了遥感影像地物类别反射率在时间上和空间上的细化。通过计算模拟影像与真实影像的相关系数,以及比较模拟影像与真实影像生成的NDVI影像,验证了该方法的有效性。     

成象光谱遥感图象的有限光谱混合分析

本文提出了一种成象光谱数据处理的新方法──有限光谱混合分析方法ＣＳＭＡ（ＣｏｎｓｔｒａｉｎｅｄＳｐｅｃｔｒａｌＭｉｘｔｕｒｅＡｎａｌｙｓｉｓ），该方法将图象中每一象素看作多种类别地物的混合，利用成象光谱仪各波段反射值计算各个类别所占的比例，这是一个求解混合光谱方程最优解的过程。本文提出的有限光谱混合分析方法是在约束条件下求混合光谱方程的最优解，并提出了快速算法。该方法可以得到比传统遥感分类更有意义的结果，使遥感技术更趋于定量化、实用化。     

基于逻辑斯蒂模型的遥感图像分类

逻辑斯蒂法是一种非线性的回归分析方法,因采用逻辑斯蒂模型而得名^[1],可用来进行未知单元类别属性的预测和判定。不同于一般的分类方法,它可分别给出某一单元属于各已知类别的概率,进而对研究的未知区中所有单元进行分类和预测。本文首先阐述了该方法的基本原理,而后利用它对内蒙古自治区两个研究区的两种图像数据进行了分类,最后探讨了影响该方法用于遥感图像分类的几个因素.     

黄河三角洲主要城镇人居环境遥感初探

近年来，随着社会经济的不断发展，黄河三角洲地区城镇化进程加快，大、小城镇星罗棋布。为了更好地指导黄河三角洲地区城镇化规划，有许多问题值得深入研究，主要城镇现状对比分析就是其中之一。利用中巴地球资源一号卫星数据对黄河三角洲地区的河口区、仙河镇、孤岛镇、垦利县城、东城和西城进行了研究，比较了其土地利用差别。逐步分析的方法为：①地球资源一号卫星图像数据几何纠正，图像子区裁切；②利用非监督分类方法（ISOD－DATA）将6个图像子区各分为10类；③利用滤波器对分类结果进行去小地块处理；④对滤波后分类图像进行自动矢量化；⑤利用Arc/Info地理信息系统软件进行矢量编辑，分别统计各主要城镇各地类的面积；⑥分析与讨论等。     

黄河三角洲盐碱地遥感调查研究

土壤盐渍化是干旱、半干旱农业的主要的土地退化问题，有关盐碱地的性质、范围、面积、地理分布及盐渍程度等方面的实时、可靠的信息，对治理盐碱地防止其进一步退化和进行农业可持续发展规划至关重要，提出运用Landsat TM遥感数据来获取这些信息。基于地物光谱特征、野外调查建立的地物与影像之间的关系以及土壤和地下水监测数据的辅助，将常规监督分类法和改进的图像分类法两种方法相结合，提取了不同盐渍程度的盐碱地，即光板地14477．67hm^2，重度盐碱地52086．33hm^2，中度盐碱地86699．61hm^2，轻度盐碱地215001.7hm^2，占黄河三角洲总面积的近二分之一（47．4％），除此之外，水体，滩涂，非盐碱地等也作了区分。     

基于光谱多尺度分割特征的高光谱混合像元分解

提高混合像元线性分解精度的一个关键点在于改善端元光谱矩阵的构成。本文提出一种基于光谱多尺度分割特征的混合像元分解方法。首先在分割段内离差平方和最小准则下,对高光谱影像的光谱进行多尺度分割,并以各分割段中对应像元的光谱平均值为光谱特征,最后以限制性的最小二乘方法估计出混合像元的组分。模拟与真实数据的实验结果表明,本文方法能够较大的提高遥感影像混合像元的分解精度,并且优于光谱维小波特征的分解。     

最小体积约束的线性光谱解混算法

提出了最小体积单体约束的线性光谱解混算法。该算法不需要假设数据中存在纯像元,采用二次规划方法计算降维后的端元矩阵,利用最小二乘方法实现丰度估计和端元提取。实验结果表明,此算法解混的结果整体上优于MVC-NMF算法。     

黄河三角洲典型地区土地利用变化遥感监测及驱动力分析

黄河三角洲是我国重要的后备土地资源开发利用区,是土地利用、覆被变化研究的热点区域。本文选择黄河三角洲核心区域垦利县为研究区,采用2001、2005、2011和2014年的卫星遥感数据,基于RS和GIS技术,在ENVI软件支持下,利用监督分类方法,提取了研究区各时相土地利用类型面积及分布信息,研究了该区土地利用时空变化特征与规律,并结合研究时段内的自然和社会经济因素,对研究区土地利用变化驱动力进行了分析。研究结果表明:耕地、盐荒地和滩涂是该区土地利用的主要类型;研究时段内,垦利县土地利用发生了显著变化,陆地面积总体增加,耕地、林草地呈现减少趋势。耕地是减少速度最快、减少面积最大的土地利用类型,建设用地、盐荒地、滩涂则处于持续增长状态。气候水文因素是主要的自然驱动力,而人类的开发建设活动是主要人为驱动力。研究结果对于该区的土地资源合理利用及经济社会可持续发展具有积极意义。     

面向线性光谱混合分解的邻域像元集螺线型构建方法

高时间分辨率遥感影像在地表景观破碎区域易形成混合像元,难以发挥其高时间维度优势。现有方式多是基于线性光谱混合模型,借助邻域像元所构成的像元集合组成线性方程组,求出组分光谱值的最小二乘解,提高其空间分辨率。然而,现有方法依赖窗口形式来构建邻域像元集合,在某些区域易造成方程组无解的欠定问题。本文在分析其问题原因的基础上,引入阿基米德螺线代替传统的矩形窗口,对邻域各像元依次遍历,构建空间邻近、组分相近的邻域像元集合来解决该问题。在GlobeLand 30数据上的试验表明,螺线型构建方法对5种混合尺度上多种类型地物均具有稳定的精度,与传统窗口构建方法相比,可从构建邻域像元集合方面将总体理论精度提高2%,分解结果精度提高近1个数量级。     

基于混合像元分解的南方地区植被覆盖度遥感监测——以广州市为例

通过测量图像端元的地表反射率,对遥感图像进行精确大气校正;在对混合像元分解模型进行改进的基础上,建立了基于地表反射率的线性混合像元分解( Liner Spectral Unmixing,LSU)模型,有效地避免了因大气时间、空间差异所造成的多时相误差,实现了多时相对比;通过增加土壤湿度因子,消除了土壤湿度差异造成的误差...     

基于CA模型模拟黄河口海岸线演变

以黄河三角洲清水沟汊河的入海口为研究区域,以Landsat影像为主要数据源展开研究。利用ERDAS对遥感影像进行几何精校正、配准、裁减、分类等操作,再通过ArcGIS进行编辑,进而提取海岸线。通过分析影响海岸线变化的主要因素,建立元胞自动机模型(CA模型),基于这个模型,CJHJ结合ArcEngine9.2开发海岸线演变模拟系统。在该系统上结合黄河来沙数据,进行模型训练,得到一组参数,利用这组参数模拟海岸线的演变过程,得到了较好的模拟效果。     

融合谱间特征的高分辨率遥感影像分类

传统影像分类方法仅利用灰度、纹理等谱内特征,未能充分利用谱间特征,针对这一不足,本文提出一种融合谱间特征的高分辨率遥感影像分类方法。采用主成分分析法(Principal Component Analysis,PCA)对遥感影像进行变换,提取前两个主分量作为变换后的数据;通过影像分割方法获取像斑,选取训练样本像斑;利用灰度直方图与联合灰度直方图分别表达像斑的谱内特征与谱间特征,采用G统计量度量直方图距离,依据距离倒数加权计算像斑的谱内概率与谱间概率,依据加权组合谱内概率与谱间概率构建联合概率,在联合概率最大基础上获取影像分类结果。在Quick Bird遥感影像上的实验结果表明了本文方法的有效性,总体分类精度与kappa系数分别达到了90.0%和86.7%。     

压缩感知和万有引力模型相结合的高光谱混合像元分解

高光谱影像虽然具有较高的光谱分辨率,但因其空间分辨率低而普遍存在混合像元。混合像元分解是高光谱遥感应用的重要研究内容,包括端元提