Quantification winter wheat LAI with HJ-1CCD image features over multiple growing seasons

Remote sensing images are widely used to map leaf area index (LAI) continuously over landscape. The objective of this study is to explore the ideal image features from Chinese HJ-1 A/B CCD images for estimating winter wheat LAI in Beijing. Image features were extracted from such images over four seasons of winter wheat growth, including five vegetation indices (VIs), principal components (PC), tasseled cap transformations (TCT) and texture parameters. The LAI was significantly correlated with the near-infrared reflectance band, five VIs [normalized difference vegetation index, enhanced vegetation index (EVI), modified nonlinear vegetation index (MNLI), optimization of soil-adjusted vegetation index, and ratio vegetation index], the first principal component (PC1) and the second TCT component (TCT2). However, these image features cannot significantly improve the estimation accuracy of winter wheat LAI in conjunction with eight texture measures. To determine the few ideal features with the best estimation accuracy, partial least squares regression (PLSR) and variable importance in projection (VIP) were applied to predict LAI values. Four remote sensing features (TCT2, PC1, MNLI and EVI) were chosen based on VIP values. The result of leave-one-out cross-validation demonstrated that the PLSR model based on these four features produced better result than the ten features’ model, throughout the whole growing season. The results of this study suggest that selecting a few ideal image features is sufficient for LAI estimation.     

像元与对象特征融合的高分辨率遥感影像道路中心线提取

提出了一种融合像元-多尺度对象级特征的高分辨率遥感影像道路中心线提取方法。首先在像素级上提取影像的纹理和形状结构特征,在构建的多尺度分割集影像上提取对象的区域光谱特征。然后,将像元级特征与多尺度对象特征进行决策级融合,完成道路网的粗提取。最后,结合本文所提出的非道路区域自动去除算法和张量投票算法,实现道路中心线的精提取。不同场景、不同分辨率数据下开展的试验结果表明,该方法可有效改善传统道路提取方法易产生的"盐噪声"和非道路地物粘连现象。     

基于邻域投票和Harris-SIFT特征的低空遥感影像匹配

文中提出一种基于邻域投票和改进的Harris-SIFT特征的低空遥感影像匹配方法。首先用NMS算法提取多尺度的Harris-SIFT特征并对其进行方向描述,然后根据最近邻与次近邻特征点距离之比确定初始匹配点对,最后通过近邻域选择投票的方法剔除候选点中的虚假匹配点,进而实现低空遥感影像的配准。实验表明该算法在获得充足匹配点且保证匹配精度的同时,明显提高影像匹配的效率。     

联合光谱和纹理特征的支持向量机滩涂分类方法研究

滩涂作为海岸带的重要组成部分,是重要的土地资源。针对遥感影像滩涂分类的提取,文中提出一种联合光谱和纹理特征支持向量机(SVM)滩涂分类的方法。首先介绍纹理特征影像获取方法,通过灰度共生矩阵分析得到滩涂纹理特征影像;然后将光谱影像与纹理影像叠加形成一幅多维特征影像,用SVM分类算法中的OAR分类器进行分类实验,对分类结果进行实验分析。实验结果表明,该算法对提高海岸带地理信息获取能力,提升海洋遥感测绘信息化保障水平有积极意义。     

混合智能优化算法的SAR图像特征选择

为提高SAR图像自动目标识别的准确率及实时性,提出了一种基于混合智能优化的SAR图像特征选择算法。首先,采用分形特征对SAR图像进行增强,基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征集合,使用遗传算法结合二值粒子群的混合优化算法实现SAR图像特征选择。最后,采用MSTAR数据库验证本文算法的有效性。实验结果表明,优化后的特征集合具有一定泛化能力,一方面提高了SAR目标识别的准确率,另一方面减小了SAR图像目标识别的时间。     

基于多尺度模型的数据库影像特征匹配

针对传统的遥感影像数据库中影像特征匹配效率低下的问题,该文提出一种基于多尺度模型的数据库影像特征匹配方法。为遥感影像数据库构建多尺度模型,能较高效率地在数据库中快速定位候选的匹配影像;基于搜索得到的候选影像,采用快速排序算法逐层筛选最佳匹配影像,从而实现了数据库匹配影像的精确定位。实验结果表明:所提算法不仅能高效地完成影像间特征点匹配运算,还能从数据库中精确地筛选得到最佳的匹配影像;且随着数据库中影像总数的增加,该方法的优势表现得更加明显。这一研究将为遥感影像数据库的高效、实时及动态匹配提供可能性。     

多传感器影像建模的海洋遥感数据管理应用

针对海洋遥感数据多源、异构特点显著、采用传统文件型或关系型数据库难以有效集成管理的问题,该文提出了面向海量多源影像数据集成管理的多传感器影像建模技术。在系统分析各类数据存储、组织结构的基础上,分别构建元数据模型和数据模型;数据模型由惟一标识ID、元数据信息、快视图、空间特征和影像数据实体构成,并由ID进行关联;提出了元数据的自动提取与匹配方法,实现了多源遥感影像数据元数据和快视图的自动提取,以及元数据与数据文件、空间特征和快视图的自动匹配,构成了海量多源遥感影像数据统一入库和集成管理的基础。该文提出的方法在我国海洋部门遥感影像数据管理系统中得到了成功应用,有助于提升现有海洋遥感影像数据集成管理和信息化的服务能力。     

应用雷达干涉技术的交通设施形变监测研究

针对常规测量手段耗时、费力,难以快速完成大型交通设施的形变监测的问题,该文开展了基于高空间分辨率SAR影像的PS-InSAR在大型交通设施形变监测方面的实验研究:选取2009—2010年间27景3m分辨率的TerraSAR-X数据,采用PS-InSAR技术提取了天津市西部城郊结合区内主要交通设施及沿线区域的地表形变信息。结果表明:利用高分辨率SAR影像监测公路、铁路等交通设施时,可以提取高密度的PS监测点;提取形变信息与水准观测值相互吻合;研究区域存在几个较大的沉降中心,使得一些交通设施在部分路段沉降较大。     

多通道颜色信息融合与纹理影像检索

利用纹理特征进行遥感影像检索时,通常先将多波段影像转化为灰度影像再提取纹理特征,但由于忽略了影像的颜色信息,用于遥感影像检索时往往难以得到好的检索结果。针对此问题,该文利用Gabor小波构造多个相同方向不同尺度的滤波器以提取波段之间的差异信息,并与传统的纹理特征融合构成改进的纹理特征。实验结果表明,相比传统的纹理特征,改进的纹理特征对影像内容的描述能力更强,有效地改善了检索结果,提高了检索查准率。     

结合全局信息描述子的局部特征匹配算法

针对影像间存在相似性场景时容易出现误匹配的问题,该文提出了局部DAISY描述子与全局纹理信息相结合的算法。详细论述了DAISY描述子和全局纹理的生成过程。该算法首先提取SIFT特征;然后计算特征点的DAISY描述子与全局描述子,获得结合全局信息的DAISY描述子;最后采用卡方统计量作为度量函数进行特征描述子的匹配。实验结果表明,该文算法能得到较好的匹配结果。但是该算法在大角度旋转情况下误匹配率较大。