ALOS卫星图像分析与预处理实证研究

通过实证研究的方法对高分辨率ALOS卫星数据进行质量分析,结合ALOS数据特点,提出了ALOS原始影像数据的预处理方法和处理流程。研究结果表明： ALOS数据预处理工作量较大,且预处理方法要求较为严格,因此,在开展大规模、大范围、大区域、大精度、短周期的图件更新、动态监测等应用时,应考虑将ALOS卫星图像与其它卫星图像结合使用。     

相似性判别原理在影像变化检测中的应用

针对传统基于Bayes影像变化监测方法中分类的硬划分及对辐射畸变敏感的问题,首先,采用集合相似性测度动态更新变化和未变化两类像元模糊子集,解决变化检测分类过程中硬划分的问题;然后,采用像元相似性测度来判断变化类像元集合和未变化类像元集合中的每个像元是否真正发生了变化,剔除伪变化像元,克服对影像线性辐射畸变敏感的问题,并检测出漏检像元,最终实现影像变化区域的提取。实验结果表明,基于相似性测度的影像变化检测方法可实现变化区域自动化提取,具有较好的应用价值。     

基于动态阈值的HJ-1B图像云检测算法研究

针对环境与灾害监测预报小卫星星座1B星(HJ-1B)的传感器波段特征,通过对云检测阈值的年度波动性分析,提出了一种基于波谱标准差异常的“动态阈值云检测算法”.该算法的实现主要是采用图像配准、波段运算、线性回归和误差分析等方法,获取云异常区域,进而剔除图像中的云像元.研究结果表明,该算法可以很好地检测出不同时相、不同类型下垫面上空的云像元,为有效利用HJ-1B数据并提高其图像分类精度发挥作用.     

基于SVDD的变形监测数据可靠性分析研究

提出了一种基于支持向量数据描述的异常值检测方法,该方法在检测异常值方面具有快速形象、通用性强、可有效处理小样本数据等优点。实验结果证明当在训练样本中加入异常值时,训练得到的模型具有很高的正常数据识别率和异常数据识别率,因此,该方法用于异常值的检测是完全可行的。     

Tsallis熵和改进CV模型的海面溢油SAR图像分割

为了解决海洋表面溢油监测中合成孔径雷达(SAR)图像分割精度不高的难题,提出一种基于Tsallis熵多阈值分割与改进CV(ChanVese)模型相结合的海面溢油图像分割方法。首先采用基于Tsallis熵的多阈值选取算法对海面溢油图像进行粗分割;然后分别将得到的溢油区域和溢油粗略轮廓作为CV模型的局部区域和初始轮廓,以降低CV模型的场景复杂度及其对初始条件的敏感性。CV模型仅考虑了图像各区域的均值信息而没有考虑图像的局部信息,尽管能够得到渐进型边界图像,但其分割结果存在误差。本文采用了加入移动因子的改进CV模型降低分割误差,提高收敛速度。实验结果表明,提出的海面溢油SAR图像分割方法具有分割边界定位准确、运行高效和无需设置初始条件等优点。     

统计假设检验方法在全极化SAR变化检测中的应用

本文以全极化SAR数据为研究对象。由于全极化数据相干矩阵T3或协方差矩阵C3服从复wishart分布,所以首先在此分布的基础上利用统计假设检验方法构建似然比参数,用以表征地表地物的变化程度,然后利用基于广义高斯分布模型的EM迭代算法(GGM-EM)对变化信息进行初提取,最后充分考虑上下文信息,利用概率松弛迭代算法对初检测信息进行优化。该方法不仅全自动提取变化信息,而且经过非相干平均、初始分类、分类结果优化3次降斑去噪处理,因此检测精度较高。通过与传统对数比值法的比较,证明该方法的有效性。     

基于独立成分分析的高光谱变化检测

现有的变化检测方法并未充分研究变化前后高光谱遥感影像端元的联系,不能准确地分析地物变化信息。本文提出了一种基于独立成分分析的高光谱遥感影像变化检测方法,对差值影像进行基于偏斜度的独立成分分析,在不同组分图中分别显示单一地物的变化情况,进而提取变化信息。实验表明,该方法能够在获得较高检测率的同时维持较低的误检率,检测效果优于传统方法。     

融合多特征的遥感影像变化检测

常规多时相遥感影像变化检测主要基于光谱信息,没有充分利用纹理、几何、形状等多种特征信息,不足以体现检测目标的完整性和准确性。本文针对不同特征在变化检测中应用的优势,在提取影像多种特征的基础上,构建了1维和多维两种基于信息融合策略的变化检测方法,即利用1维特征空间加权距离相似度运算、多维特征空间的模糊集融合和支持向量机融合策略进行变化检测。利用多时相QuickBird高分辨率遥感影像进行城市土地覆盖变化检测试验,结果表明,本文方法可以有效集成不同特征的优势与表征变化信息的能力,提高变化检测过程的稳定性和适用性,同时能够更好地保持变化地物的结构和形状,突出主要变化目标。     

基于高斯过程的高分辨率遥感图像变化检测

本文首先通过理论分析,探讨了高斯过程分类器在高分辨率遥感图像变化检测应用中的优势与不足,并针对高斯过程分类器的不足给出了相应的解决方法;其次,提出了一种基于空间上下文相关的高斯过程变化检测方法;最后,通过多个高分辨率遥感实验数据集上的实验设计与分析,验证了高斯过程分类器在高分辨率遥感图像变化检测中的应用能力,并证明了本文提出的解决方法的有效性.     

基于改进的最大类间方差法的遥感影像变化检测

变化检测技术被广泛应用于灾情估计、环境监测、农作物生长、森林覆盖等多个领域。为了自动获取变化检测的阈值,本文仔细分析了最大类间方差的方法和原理,改进了二维最大类间方差方法在变化检测中的应用,并利用多套遥感影像数据进行了实验,实验表明了该方法的可行性和有效性。