利用SPACE LAB彩色红外影像及数据复合技术对藏北牧草资源进行计算机分类的研究

本文就在藏北草资源调查中,应用空间实验室量测摄影机(MC)摄得的彩色红外影像,及根据遥感影像目视判读所利用的信息空间特点和草场分类原理进行计算机自动分类的理论与方法,对利用辅助数据和影像数据复合技术的几种尝试进行了讨论,并依实地调查资料和专家判读结果对各种分类结果进行了评价。说明利用这种航天遥感资料,辅以Landsat影像生物量指标、DTM和坡度、坡向数据以及计算机自动分类技术,进行资源调查是可行的,可以达到最佳效果。     

Precise, automatic and fast method for vanishing point detection

A new automated approach for vanishing point detection in images of urban scenes is described. This method is based on the theorem of Thales. The main contribution of this paper is the automatic and simultaneous detection of all vanishing points of the image, achieved by converting this problem into the detection of circles in a complex cloud of points, in which each point corresponds to a segment and is associated with an uncertainty. This extraction of circles uses a RANSAC method, modified to improve its speed by using accumulation techniques (Hough transform or otherwise). This robust estimation is then refined by least squares error propagation using the individual variances of each segment. The algorithm is robust, its accuracy is optimised and it is entirely automatic. Its successful operation has been tested on a large number of images of varied urban scenes.     

基于交互式分割技术和决策级融合的SAR图像变化检测

为免去去除斑点噪声的预处理操作及克服选择分布模型的限制,本文结合差异图的特点和一种不涉及分布模型的交互式分割方法,产生不同“种子点”下的变化检测结果后,再利用投票策略对其进行决策级的融合给出最终的变化检测结果。分割中,将每个像素的特征设为差异图及由静态小波变换分解差异图再丢弃高频系数后重构得到的各层表示中,其对应位置上的灰度值构成的矢量。此特征及决策级融合的策略使本文的变化检测技术对SAR图像中的斑点噪声具有一定的鲁棒性。在无需对SAR图像做预处理的情况下,对真实SAR图像数据集的变化检测结果,其效果优于其他相关技术的。     

一种有效的航拍图像中直线提取算法

首先对航拍图像进行小尺度高斯滤波;然后进行边缘检测,得到边缘检测幅度图像;再在边缘检测幅度图像中进行启发式搜索连接,提取出符合直线模型的直线搜索轨迹;最后根据直线搜索轨迹的判别获取直线。实验结果表明,该算法可以在航拍图像中提取出真实的直线,是一种有效的直线提取算法。     

基于人工神经网络的赤潮卫星遥感方法研究

根据赤潮的卫星遥感探测机理，应用人工神经网络技术，建立和利用NOAA AVHRR可见光和热红外波段遥感数据的BP神经网络赤潮信息提取模型。应用实例显示。基于该人工神经网络方法可以提取赤潮发生地点和范围等信息，赤潮探测正确率达到78.5%。研究结果表明，应用人工神经网络方法提取赤潮信息是可行的。本文中建立的BP赤潮信息提取模型适当修改后可移植应用于其它传感器遥感数据进行赤潮信息提取。     

SPOT卫星影像居民地信息自动提取的决策树方法研究

以南京市江宁县为研究区域，首先分析了该区域居民地的影像特征，然后研究了居民地及其背景地物在SPOT—4(Ⅺ)卫星影像4个波段上的光谱特征，并由此探讨了它们在光谱特征上的可分性。研究发现，除道路在光谱特征上与居民地差异不大而难以完全分开外，其它背影地物均可以依据各波段亮度值的大小关系或适当的阈值与居民地分开。但道路和居民地在形状上存在明显差异，因此可以利用形状指数的差异加以去除。最后分析建立了基于光谱特征和形状特征的简单决策树模型，对研究区域居民地信息进行了提取并对结果进行了精度评价。结果表明，该方法的总体提取效果较好，特别是对于面积大于10000m^2的城镇和集村。其提取精度与通常的监督分类方法相比有了很大的提高，只是在水际交界处和道路两侧有误判现象。因此，利用该模型可以将背景地物类型复杂的江南地区的城镇和集村居民地自动提取出来，并且模型受时相影响较小，只是在域值大小上会存在一些差异。     

高分辨率卫星影像中阴影的自动提取与处理

高分辨率卫星遥感影像开创了许多新的应用领域，但影像中的阴影是一个必须解决的问题。一方面，它给象影像分类这样的一些应用带来了很大麻烦，另一方面，它提供了物体的高度信息。本文利用纹理分析的方法，通过共生矩阵和相应指数的计算，对高分辨率卫影像中阴影的自动提取与处理作了一个尝试并给出了一些结果。     

面向航空倾斜影像空三转点的特征提取算子比较

首先对4种常见的尺度和旋转不变特征算子：SIFT,SURF,MSER,ORB进行简单的介绍。为定量比较各种特征算子在航空影像自动转点中的性能,本文提出了3种与倾斜影像相关的指标,并结合常用的4种指标组成本文的7个定量评价指标。在此基础上,采用一组倾斜影像数据进行了试验,结果表明,SURF/SIFT算子在航空倾斜影像空三转点中具有相对较好的性能,MSER次之,而ORB的效果较差。     

汶川地震灾后农田和森林植被恢复遥感监测

2008年汶川8.0级特大地震对当地的生态系统造成了极大的破坏,为了评估5年来灾区农田和森林植被的恢复情况,利用逐年机载高分辨率遥感影像,结合星载遥感数据和地面调查数据,开展了灾区农林植被恢复状况监测。在农田恢复监测方面,结合2008年地震发生后以及2013年5月中旬的机载高分辨率遥感数据,采用目视解译的方式对汶川地震中受损农田的恢复状况进行监测与评估,同时利用GVG(GPS、Video和GIS)农情采样系统的作物种植成数调查结果,分析了灾后作物种植结构的变化。结果表明,灾区1592 ha受损农田,5年后仅有约17.5%得到了恢复和耕种使用。就耕地利用强度而言,重灾区耕地利用率较高,作物种植结构没有发生重大变化。在森林恢复状况监测方面,对典型区(岷江干旱河谷区和盆周山地区的3个重点区域)采用目视解译方式识别出森林变化,并结合大区域尺度规一化植被指数(NDVI)时间序列变化分析,对整个灾区的森林损毁和恢复情况做出评价。监测结果显示,汶川县、什邡市和绵竹市的森林植被恢复情况总体较好,但是一些坡度较大的损毁区、次生灾害频发区的森林尚未恢复,大区域尺度的统计结果显示,地震重灾区的46381 ha重度损毁森林植被和177025 ha中度损毁森林植被区域,完全恢复的区域占13.52%和25.84%,部分恢复的区域都占到50%。在自然恢复较为困难的区域,如汶川县中部和东北部、都江堰市北部、彭州市北部、什邡市北部、绵竹市北部、安县北部及北川县南部等,需要加强人工干预。遥感监测方法既适用于震后的农田和森林恢复状况动态监测,也适用于其他自然灾害发生时对灾区农田和森林植被破坏状况进行应急监测,具有实际应用价值和良好的发展前景。     

Auto-identification of forest fire-points in NOAA images based on neural network

Identification of forest fire-points in NOAA images in the basis of monitoring forest fire using NOAA satellite data. Traditional visual interpretation is difficult to settle for auto identification with computer. The artificial neural network technique provides a new means for solving this problem. In this paper, the principles and method of using neural network technique to automatically identify fire-points in NOAA images are discussed and the test in the range of Hubei province is presented. The result of the test shows that the disciplined neural network has collected the character of fire-points and has ability to identify fire-points in NOAA images. Comparing neural network with visual interpretation, the conclusion is drawn that by using neural network the purpose of auto-identification of forest fire-points in NOAA images can be realized with the almost same precision.