一种高光谱遥感图像快速谱聚类算法

为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题,集成Lanczos算法与谱聚类算法,探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性,提出了一种面向高光谱遥感图像的快速谱聚类算法;通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果,发现面向高光谱遥感图像的谱聚类算法易于识别线性地物,且分类的速度能得到较大提升。     

顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法

稀疏多项式逻辑回归在分类中仅利用图像光谱信息,导致分类效果不太理想.本文提出了一种顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法.首先利用加权均值滤波与拓展形态学多属性剖面对原始高光谱图像进行局部与结构特征提取;然后对二者进行加权平均特征级融合以获取更具唯一性的像元特征;最后由稀疏多项式逻辑回归分类器对融合结果进行分类.结果表明,本文方法能有效地提高分类精度,而且具有较强的稳健性.     

结合空间信息选取最优端元组合的混合像元分解

传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分,但这并不符合实际情况。实际上图像中大多数混合像元仅由少部分端元混合而成。由于端元提取精度及噪声的影响,采用全部端元对混合像元进行分解,会使得混合像元中实际并不存在的端元的丰度估计值不为零,分解结果存在较大误差。由于混合像元大多存在于不同地物的交界处,基于此,本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法。利用一个空间结构元素,从混合像元的附近邻域开始搜索,将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比,并确定混合像元的端元子集进行分解。根据RMSE大小和变化情况,逐步扩大结构元素的大小,不断调整搜索范围,直至得到最优端元组合。模拟数据和真实数据的试验结果表明,该方法相比传统的全端元光谱分解方法,在总体上获得了更好的分解效果。     

加权空-谱联合保持嵌入的高光谱遥感影像降维方法

高光谱遥感影像数据量大、波段数多,容易导致“维数灾难”。传统流形学习方法一般仅考虑其光谱特征,忽略了空间信息。为此提出一种非监督的基于加权空-谱联合保持嵌入(WSCPE)的维数约简算法。首先采用加权均值滤波(WMF)方法对高光谱影像进行滤波,以消除噪点和背景点的干扰。然后根据遥感影像地物分布的空间一致性,通过采用加权空-谱联合距离(WSCD)来融合像素点的光谱信息和空间信息,有效选取各像素点的空-谱近邻,并根据像素点与其空-谱近邻点之间的坐标距离来有区别的利用其近邻点进行流形重构,提取低维鉴别特征进行地物分类。在PaviaU和Indian Pines数据集上的分类结果表明,总体分类精度分别达到了98.89%和95.47%。该方法在反映影像内部流形结构的同时,有效融合了影像的空间-光谱信息,故能提高影像特征的鉴别性,并提升分类性能。     

不同健康状况松针反射光谱特征分析

为利用高分辨率遥感影像实现大面积的枯死松树监测,本研究通过测量不同程度的枯死和健康松针的光谱曲线,结合GF-2遥感影像的波段范围分析其光谱特征与敏感波段,并借助28种光谱指数探究区分健康松树与枯死松树的适宜光谱指数。结果表明:近红外波段(欧氏距离为118.16)是识别枯死松树的最敏感波段。文中使用的28种光谱指数除R_(gre)-R_(blue)、R_(blue)/R_(nir)+R_(gre)、R_(blue)/R_(nir)+R_(red)、R_(blue)/R_(gre)、(R_(blue)-R_(gre))/(R_(gre)+R_(blue))和R_(blue)/R_(red)+R_(gre)这6种光谱指数外,其余22种光谱指数的J-M距离均超过1.90,表现出很好的光谱可分性。研究结果可为构建适用于GF-2遥感影像进行枯死松树监测的植被指数提供理论基础。     

北极海冰薄冰厚度遥感反演模型的船测验证

利用美国科考船Sikuliaq在2015年10月至11月初在北极波弗特海区域获得的512处船测海冰数据,分别对三种不同雪厚参数的MODIS (Moderate-resolution Imaging Spectroradiometer)热力学反演冰厚模型、德国汉堡大学和不莱梅大学发布的SMOS (Soil Moisture and Ocean Salinity mission)海冰厚度产品进行精度验证。结果表明,将船测雪厚作为反演模型中的雪厚参数,得到薄冰厚度与船测薄冰厚度的平均偏差为0.02m,均方根误差为0.12 m,两者均为三种模型中最低而被认为是最优模型。不考虑雪厚的裸冰冰厚模型得到的薄冰厚度与船测薄冰厚度的相关系数为0.72,相关性最高但只适用于冰上无雪盖的情况。以经验雪厚关系推算出的雪厚参数加入反演模型中,得到的冰厚结果在研究验证中精度最不理想。另外,两种SMOS产品与船测冰厚的相关性与均方根误差结果优于MODIS反演结果,且不莱梅大学的SMOS冰厚产品精度更优。因此研究认为现有的MODIS薄冰厚度反演算法的反演精度有待提高,暂不适合作为评定其他薄冰厚度产品精度的标准,只能作为比较数据。     

海面溢油无人机高光谱遥感检测与厚度估算方法

海上溢油是海洋国家所面临的共同问题,但至今仍没有一种可靠实用的海上溢油准确识别和油量遥感监测方法。为此,本文以无人机高光谱遥感为手段,开展了海面溢油检测与厚度估算方法研究。实验中,通过搭建室外大型水槽溢油实验装置,获取了模拟真实海洋环境条件下不同溢油量的遥感和现场光谱数据,在此基础上,分析并提取了海上溢油特征光谱波段,给出了海上溢油高光谱检测模型;针对现场实验条件下水面油膜厚度难以测定的问题,设计了3种利用总体溢油量的油膜厚度估算模型。得到如下主要结论:（1）675 nm和699 nm是海上溢油检测的有效特征波段,但对极薄的油膜没有检测能力;（2）提出了归一化溢油指数模型、反比例模型和吸收基线模型等3种海上溢油油膜厚度估算模型,其中对于薄油膜（厚度≤ 5 μm）和厚油膜（厚度>50 μm）,反比例模型是溢油厚度反演的首选也是唯一选择。对于中厚度油膜,晴朗天气条件下,归一化溢油指数模型是油膜厚度反演的首选,同时反比例模型和溢油吸收基线模型也都有较好的反演能力,而在多云天气条件下,反比例模型效果最佳。     

大地水准面高的计算及其在海底地形反演中的应用

为充分挖掘海洋重力数据在反演海底地形中的应用潜力,尝试探索利用大地水准面高反演海底地形的技术途径,并以夏威夷—皇帝海山链拐点所在海区作为反演试验区进行验证。首先采用Belikov列推法计算伴随(缔和)勒让德函数,利用EIGEN-6C4地球重力场模型解算获取了分辨率为1'的大地水准面高格网数值模型;然后通过综合分析反演比例函数和转换函数特点、研究海区大地水准面高与海底地形的相干特性以及大地水准面高本身尺度特征,获得了利用大地水准面高反演海底地形的频段范围;最终以试验海区大地水准面高为数据输入,构建了相应的海底地形模型(BNT模型),并与ETOPO1等海深模型进行比对分析。试验结果表明:BNT模型检核差值在一倍均方差范围检核点数量占比70.60%,相比正态分布更加集中;BNT模型检核精度低于ETOPO1等海深模型;海深模型检核精度随着水深增加不断提升,水深小于1 000 m时,海深模型相对误差出现较大发散现象;计算海域ETOPO1模型精度最高,GEBCO模型和DTU10模型检核精度相当。