遥感数据融合的进展与前瞻

数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。     

影像与激光雷达数据的城市地物信息提取

针对城市地物信息提取中地物边界难以确定、分类精度不高的问题,该文提出一套综合利用影像及激光雷达点云高程信息的面向对象分类方法。在分割中,各类地物的最佳分割尺度由监督法分割精度评价确定,最终分割结果利用粒度理论下的分割尺度综合方法进行合成,能兼顾不同地物最优分割尺度,获得准确地物边界;在分类中,采用ReliefF特征选择算法度量从影像及点云数据提取的对象特征重要度,选择最佳特征组合,并采用多分类器组合方法进行分类,以消除Hughes现象,提高分类精度。选择德国斯图加特市两块实验区进行分类实验,结果表明:该方法有利于提高大范围城市地物精细信息提取的精度和效率,具有较高的应用价值。     

一种快速的全色和多光谱图像融合算法

针对非下采样Contourlet变换(NSCT)在全色和多光谱图像融合中计算复杂度较高的问题,文章提出了一种快速的基于NSCT和超维彩色空间变换(HCT)相结合的融合算法:采用HCT变换提取多光谱图像的亮度分量,使得任意波段的多光谱图像跟全色图像融合的计算复杂度降低;采用NSCT进行融合,使得融合结果的空间分辨率提高的同时,保留原光谱特性。基于Pleiades卫星图像的实验结果表明,跟NSCT变换相比,本文提出的融合算法的融合结果空间细节更加突出,光谱畸变更小,同时计算复杂度显著降低。     

无人机影像匹配中尺度不变特征应用改进

针对尺度不变特征变换算法用于无人机影像匹配中存在匹配效率低下,误匹配较多等问题,该文提出一种特征点提取优化算法,并改进了特征点匹配策略。通过将原始影像划分格网,依据每个格网影像信息熵的大小来合理分配各格网中特征点数量,实现了基于纹理信息丰富程度的特征点均匀分布;基于Harris兴趣值进行筛选,保留了适合于摄影测量的特征点;采用一种多层次自适应的匹配策略,在尽可能保留正确匹配的同时提高了匹配正确率。基于一对由小型无人机拍摄影像的实验结果表明,所提方法在大量减少SIFT特征点的同时,保证较高的正确率,增加了匹配点的精度,且提高了算法效率。     

低空大比例尺地形图航测生产关键技术

针对传统航空摄影测量生产工艺在生产过程中遇到的影响大比例尺测图精度的问题,该文探讨了低空航测生产大比例尺地形图的关键技术。通过选用宽角相机、低航高飞行、强化影像匹配、野外布设标志控制点、优选平差模型、精化测图操作等改进方式,以提高大比例尺航测精度;组建无人飞艇低空航测系统,对提出的技术方法予以实现;最后给出了山西境内近30个县市建成区1∶500测绘生产实践的部分验证成果。     

资源三号卫星影像融合优化方法探讨

针对资源三号卫星影像如何进行影像融合、波段组合才能到达到最佳视觉效果还没有统一意见的问题,该文提出了利用目前测绘项目中普遍采用的融合算法、波段组合比例对不同地形类别资源三号卫星影像进行实验验证的方法。综合主观评价与客观评价融合后的影像质量,得出了Subtractive、Pansharp和Pansharp2方法较为适合资源三号卫星影像融合的结论,其中绿波段与近红外波段的最佳组合比为9∶1。同时,分析了资源三号卫星影像融合后数据量大大增加、如何将近红外波段的波谱信息合理地加入到红、绿、蓝波段中等问题。     

高维遥感图像的快速分类算法

为了实现对高维遥感图像的快速准确分类,提出了一种基于k均值二叉树支持向量机(SVM)的分类方法。该方法通过对选取的训练样本进行k均值聚类,生成支持向量机分类二叉树,作为确定最佳分类顺序的依据,以降低分类过程中的误差累积并提高整体分类精度,而且可缓解由样本数量不均衡导致的分类误差。该方法可在不进行降维处理的情况下,对高维遥感图像进行快速准确分类。测试结果表明,其分类速度和分类精度都优于传统的支持向量机分类结果。     

中国版大洋洲地表覆盖产品研制

针对全球变化研究对大洋洲地表覆盖产品的需求,该文以2000年和2010年的Landsat卫星影像为数据源,提出了对大洋洲影像按照月份分组并进行样本采集与规则训练的方法,采用GLC树分类器进行自动分类,经过分类后处理和数据集成,完成了2000年和2010年两期、30m分辨率的大洋洲地表覆盖产品研制工作。利用高分辨率影像、实地采集照片等进行室内精度评定,该大洋洲地表覆盖产品的精度达到90%以上。     

遥感影像超分辨率处理方法与研究进展

随着人们对影像高分辨率需求的不断增加,图像超分辨率技术已成为相关研究领域的热点之一。针对在遥感领域并非所有的超分辨率方法都可用的现状,该文按照遥感影像超分辨率处理的流程,将超分辨率问题分为退化模型、配准、重建和精度评定4大模块。对于其中每一模块的理论、常用方法与研究进展进行了较全面的综述及比较分析。最后对这一领域的未来发展进行思考和展望。     

An efficient application of fusion approach for hot spot detection with MODIS and PALSAR-1 data

Hot spot detection with satellite images, especially with synthetic aperture radar (SAR) images is still a challenging task. Several researchers have used TM/optical data for identification of hot spot but the use of SAR data is very limited for this type of application. The fusion of SAR data with TM/optical data may add additional information which in turn will lead for enhancement of detection capability of the hot spot. Therefore, this study explores the possibility of fusion of Moderate Resolution Imaging Spectroradiometer (MODIS) and Phased Array L-band Synthetic Aperture Radar (PALSAR) satellite images for the hot spot detection. Image fusion is emerging as a powerful tool where information of various sensors can be used for obtaining better results. For this purpose, vegetation greenness and roughness information which is obtained from MODIS and PALSAR satellite images, respectively, are used for fusion, and then, a contextual-based thresholding algorithm is applied to the fused image for hot spot detection. The proposed approach comprises of two steps: (1) application of genetic algorithm-based scheme for image fusion of MODIS and PALSAR satellite images, and (2) classification of the fused image as either hot spot or non-hot spot pixels by employing a contextual thresholding technique. The algorithm is tested over the Jharia Coal Field region of India, where hot spot is one of the major problems and it is observed that the proposed thresholding technique classifies the each pixel of the fused image into two categories: hot spot and non-hot spot and the proposed approach detects the hot spot with better accuracy and less false alarm.