RS技术在实时区域土壤侵蚀评价中的应用--以福建省花山溪流域为例

传统数据采集方法严重制约了土壤侵蚀评价实时、快速的要求。文章以福建花山溪流域为例,基于“通用土壤侵蚀方程式”(USLE)为土壤侵蚀定量评价模型,利用多时效、多光谱的遥感数据,在ERDAS8．5软件平台上,研究提取流域动态最易变化的植被、土地利用类型等信息的技术方法。研究结果证实,这种方法可以快速、准确地提取影响土壤侵蚀的基本参数．进而实现对区域流域土壤侵蚀的实时评价。     

A useful tool for image enhancement

Image enhancement provides a means to facilitate information transfer without altering the image information. A plug-in for the commonly used image capture and manipulation program Photoshop is discussed as one useful tool.     

基于遥感与GIS技术的城镇体系空间特征的分形分析--以绍兴市为例

在遥感技术与GIS技术的支持下,采用分形几何理论对绍兴市城镇体系空间结构特征和形态特征进行分析,探讨城镇体系的演化规律。研究表明,绍兴市城镇体系无论在空间结构上还是在空间形态上都具有分形特征。城镇分布密度由绍兴市区向周围逐渐衰减,且分布不均衡,具有向交通线集中的趋势,形成了优化的空间结构。但1984～1997年间,空间结构的演化趋向于围绕绍兴市在半径方向上均匀分布,分形特性减弱。此外,各城镇基本是以各自的中心逐渐向外扩展,空间关联性大致不变。空间形态则日趋复杂,稳定性越来越低,发展的随意性越来越大。绍兴市区这一特点更明显。     

遥感图像人机交互判读方法研究及其应用

对于大型复杂的遥感判读任务,往往需要灵活地运用不同的判读方法,才能取得令人满意的效果,然而传统目视判读和常规计算机分类都难以满足这一要求,笔者设计了屏幕目视判读,改进型监督自动分类,分区自动分类,辅助波段分类,动态变化判读,人机混合判读和多组分工判读等遥感图像人机交互判读方法,把计算机自动分类与人工判读的优势相结合,对于提高图像判读精度,速度和高效率的遥感专题信息生成,帮助判读人员更好地完成各种遥感图像的判读任务都具有重要的意义,该文探讨了以上方法的特点,适用范围与实现方法,并给出了一些实例加以说明。     

改进的混合像元分解法用于快速水污染遥感评价研究

该文介绍了一种改进的混合像元分解方法。利用该方法对滇池的各类污染（叶绿素,营养盐等）进行快速评价,可以直接得出滇池各个区域所受各类污染的程度,从而给出滇池全区各类污染的情况分布。     

一种实用的数字图像压缩方法

提出以C Builder 6.0为开发平台,以其所提供的TJPEGImage为核心,实现真彩色图像的压缩,为工程实际的应用提供了一种非常实用的压缩手段。该方法减少了大量程序代码的编写工作。实验表明,当综合压缩比设为65时,压缩图像与原图像相比并无明显变化,由此可见,压缩效果令人满意。     

基于直方图的遥感图像相似性检索方法比较

相似性度量是用于研究多源数据之间相似程度的，是对空间数据进行模式识别的基础。通过单波段遥感图像的检索对两组直方图相似性检索方法进行了实验研究，即基于特征向量的相似性度量和基于概率的相似性度量。实验中发现第一组相似度量中有两种以往较少用于遥感图像检索的方法表现出色，它们分别是，统计距离和相似夹角余弦度量。第二组实验中，针对其中包含较明显的目标物体且背景较为单一的遥感图像（其直方图可看作混合高斯分布），在类别可分离判据的基础上，根据K-近邻法则提出了一种计算该类图像之间相似值的方法。实验结果表明基于K-近邻法则的计算方法行之有效。所得出的结论将对多源数据分析中相似性度量的理解与选择有积极意义。     

Remotely sensed estimation of forest canopy density: A comparison of the performance of four methods

In recent years, a number of alternative methods have been proposed to predict forest canopy density from remotely sensed data. To date, however, it remains difficult to decide which method to use, since their relative performance has never been evaluated. In this study the performance of: (1) an artificial neural network, (2) a multiple linear regression, (3) the forest canopy density mapper and (4) a maximum likelihood classification method was compared for prediction of forest canopy density using a Landsat ETM+ image. Comparison of confusion matrices revealed that the regression model performed significantly worse than the three other methods. These results were based on a z-test for comparison of weighted kappa statistics, which is an appropriate statistic for analysis of ranked categories. About 89% of the variance of the observed canopy density was explained by the artificial neural networks, which outperformed the other three methods in this respect. Moreover, the artificial neural networks gave an unbiased prediction, while other methods systematically under or over predicted forest canopy density. The choice of biased method could have a high impact on canopy density inventories.     

一种基于人工免疫的图像分割算法

图像二维熵分割,一直因耗时长而限制了实际应用。本文借鉴生物免疫思想,提出二维熵图像分割的人工免疫算法。在克隆选择算法中引入疫苗的免疫接种,用于优化最优分割阈值对的搜索过程。在遥感高分辨率图像上的实验显示,该算法不仅能准确搜索到最优阈值对,而且计算时间只有传统算法的1.8%。该算法也验证了人工免疫思想用于图像分割的可行性和有效性。