融合光谱-空间信息的高光谱遥感影像增量分类算法

提出了一种融合光谱和空间结构信息的高光谱遥感影像增量分类算法INC_SPEC_MPext。通过主成分分析(PCA)提取高光谱影像的若干主成分,利用数学形态学提取各主分量影像对应的形态学剖面(MP),再将所有主分量影像的形态学剖面归并联结,组成扩展的形态学剖面(MPext)。将MPext与光谱信息相结合以增加知识,最大限度地挖掘未标记样本的有用信息,优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集,并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1Botswana作为测试数据,分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明,在训练样本数量有限情况下,INC_SPEC_MPext算法在降低分类成本的同时,分类精度和Kappa系数都有不同程度的提高。     

面向地学应用的遥感影像分割评价

影像分割是面向地理对象影像分析(GEOBIA)中的一个关键环节。分割评价有助于为影像选择合适的分割方法和最佳分割尺度。本文提出一种以遥感地学应用面向的对象为依据的分割方法分类及评价体系。首先将影像分割方法分为面向局部特征监测的典型目标识别和面向全局特征监测的面向GEOBIA的分割方法两组,进而针对这两组分割方法提出了两套分割评价测度指标及相应的综合评价方法。在面向典型目标识别的分割方法评价中,使用区域内部非均质度、区域间灰度对比度、区域间散度对比度、边界点梯度和单位像素运行时间作为评价测度,并针对由于评价测度间的相关性而无法直接确定各测度权重分配的问题,提出利用熵权法为各个评价测度分配权重以获得综合评价结果的分割评价方法,该评价方法可用于选择合适的分割方法。用于面向GOEBIA的分割方法中使用分割区域内均质性和区域间异质性作为评价测度,这种评价方法适用于选择最优分割尺度参数。本文通过定量试验论证了这两种评价方法的有效性,试验结果表明其在遥感应用中具有实际意义。最后本文分析了影像分割评价方法的不足及未来的发展方向。     

利用多光谱影像检测资源三号卫星平台震颤

卫星平台震颤是影响高分辨率卫星成像质量的因素之一,会引起影像模糊和内部畸变。本文从资源三号卫星多光谱相机的成像特点和多光谱影像配准误差影响因素入手,理论推导和仿真分析了卫星平台震颤对配准误差的影响规律,在此基础上提出了基于多光谱影像高精度密集匹配的平台震颤检测方法和流程,最后利用不同波段、不同时间的成像数据进行试验。试验结果表明资源三号卫星在试验数据成像阶段存在约0.6Hz的平台震颤,且垂轨方向震颤幅值大于沿轨方向,同时引起波段间相同频率周期性配准误差。检测结果为进一步提高资源三号处理精度提供了可能,也为卫星平台震颤源的分析和优化卫星平台设计提供了重要参考依据。     

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。     

基于时间序列统计特性的森林变化监测

森林动态变化分析对揭示生态系统环境变化及植被恢复和布局重建等具有重要意义,时间序列的遥感数据为森林监测提供了基础数据。本文根据森林植被的统计学特性,在暗目标法的基础上,利用归一化植被指数NDVI实现森林样本自动选择;并融合NDVI构建了新的综合森林特征指数(Integrated Forest Z-Score,IFZ);以时间序列的IFZ分析森林动态信息,实现森林变化动态监测。以三峡大坝及周边区域森林为研究区,利用2001年至2012年每年生长季节(5月—10月)的Landsat TM影像检验本文算法。基于2002年、2006年和2010年三期7月—9月的Quick Bird影像的精度分析结果发现:研究区森林变化检测的总体精度可达96.53%,Kappa系数为0.9512。在添加NDVI指数后构建的IFZ提高了总体监测精度。其中,毁林类别的检测精度提高显著,漏检率和误检率分别为2.74%和3.64%;干扰后重建的森林类别的检测精度有一定提高,其漏检率和误检率分别为10.79%和10.51%。研究结果表明,改进暗目标法能提高森林样本的选样效率,添加NDVI的IFZ能提高森林动态变化的识别度。此外,本算法不仅能定性识别森林变化,而且能定量提供森林干扰发生时间和干扰强度。     

改进支持向量机算法无人机影像信息精确提取

支持向量机(SVM)算法作为一种成功应用于大多数遥感影像的分类方法,虽然具有较高的提取精度,但是针对分类中仅仅采用单一参数,严重依赖于参数选择的不足,该文基于AdaBoost算法提出一种改进的SVM分类方法。该方法采用选择径向基函数作为核函数的SVM算法作为AdaBoost的弱分类器,实现了核参数的自适应调整。实验结果证明,该方法可以达到精确提取无人机影像信息的目的。     

分片纠正的球面全景影响匹配方法研究

针对球面全景影像等矩形投影易带来非线性畸变,而直接将传统特征匹配方法应用于全景影像很难满足实际应用需求的问题,该文提出了一种基于分片纠正的球面全景影像匹配方法:先将等距形投影的全景影像按经纬度分成N个子影像块,对每个子块进行投影转换以得到畸变纠正后的影像,并对其做SIFT特征提取及描述,将N个子影像的SIFT特征进行坐标转换并合并即可获得整幅全景影像的特征集,进而完成多幅全景影像间的匹配.经过分片纠正后的影像在较大程度上保证了空间物体的几何属性,提高了特征匹配的质量.     

物方多视影像密集匹配方法

针对多视影像由于遮挡导致的匹配不确定性问题,该文提出一种特征点和物方地面元相结合的多视影像密集匹配方法。该方法利用规则格网划分的空间平面作为基础,通过特征点匹配获取同名像点和高程赋值的格网平面,为后续匹配提供初始的DSM。在此基础上,利用铅垂线轨迹法对平面上规则分布的平面元进行匹配,加密特征点匹配结果。通过对某区域UCX影像的匹配实验表明,该文提出的算法能高效、准确地得到匹配结果,特别对较大影像计算快速,适用于实时处理。     

地心地固坐标系有理多项式系数模型探讨

针对遥感影像处理中多源影像联合定位研究的不足,该文在地心地固坐标系(ECEF)中构建航天光学与SAR影像的有理多项式(RPC)模型,给出了计算ECEF中RPC参数虚拟控制点的获取方法,分析了大地坐标系与ECEF中虚拟控制点格网的形变特点,并选取5种光学与SAR影像进行了RPC参数拟合试验,验证了模型的可行性。结果表明ECEF坐标系RPC模型不仅能够克服大地坐标系RPC模型存在应用盲区的缺点,也有利于通用模型和严密模型结合,在统一的坐标系中实现多源影像的联合定位。     

基于奇异值分解的遥感图像鲁棒水印算法探讨

针对遥感图像的安全保护问题,文章提出了一种基于DCT-SVD和最近区间量化的鲁棒水印算法,将遥感图像进行分块,选择视觉掩蔽效应好的纹理子块作为嵌入区域,根据混合变换后的系数在各自所属区间上的位置,将系数进行最近区间量化来嵌入水印信息;利用密钥即可实现水印的提取,不需要原始遥感图像参与。实验结果表明,该算法对加噪、滤波、旋转、缩放、随机剪切、JPEG压缩等攻击均具有较强的鲁棒性,可有效保护遥感图像的安全。