一种全自动提取居民地的方法

对遥感影像中居民地提取的各种方法作了一般性的阐述,并在吸收这些算法优势的同时,提出了一种全自动实现遥感影像中居民地目标的提取方法：先求取非最大值抑制后的梯度图,而后进行高斯模糊处理,以提高影像上居民地区域纹理特征一致性;通过增强大津法和形态学的方法全方位腐蚀与膨胀,完成面状地物居民地的提取;最后进行图象矢量化处理。论述方法的同时,展示和分析了实验结果。     

Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong, China

The significance of crop yield estimation is well known in agricultural management and policy development at regional and national levels. The primary objective of this study was to test the suitability of the method, depending on predicted crop production, to estimate crop yield with a MODIS-NDVI-based model on a regional scale. In this paper, MODIS-NDVI data, with a 250 m resolution, was used to estimate the winter wheat (Triticum aestivum L.) yield in one of the main winter-wheat-growing regions. Our study region is located in Jining, Shandong Province. In order to improve the quality of remote sensing data and the accuracy of yield prediction, especially to eliminate the cloud-contaminated data and abnormal data in the MODIS-NDVI series, the Savitzky–Golay filter was applied to smooth the 10-day NDVI data. The spatial accumulation of NDVI at the county level was used to test its relationship with winter wheat production in the study area. A linear regressive relationship between the spatial accumulation of NDVI and the production of winter wheat was established using a stepwise regression method. The average yield was derived from predicted production divided by the growing acreage of winter wheat on a county level. Finally, the results were validated by the ground survey data, and the errors were compared with the errors of agro-climate models. The results showed that the relative errors of the predicted yield using MODIS-NDVI are between −4.62% and 5.40% and that whole RMSE was 214.16 kg ha⁻¹ lower than the RMSE (233.35 kg ha⁻¹) of agro-climate models in this study region. A good predicted yield data of winter wheat could be got about 40 days ahead of harvest time, i.e. at the booting-heading stage of winter wheat. The method suggested in this paper was good for predicting regional winter wheat production and yield estimation.     

遥感影像植被信息提取方法研究及思考

从植被光谱特征出发,对植被信息提取的方法和现状进行了综述,其中主要介绍了几种具有代表性的植被提取方法,如:植被指数提取法、NDVI与波段合成法、HIS融合法、分级分类提取法、基于知识库提取法等,对各种方法的原理、特点、优势与限制进行了分析、对比、思考,并展望了下一步研究方向。     

《遥感图像处理》课程教学在地理学专业中的探索与实践

针对地理专业的自身特点和当前遥感图像处理的教学现状，提出了遥感图像处理课程在地理专业中的主要教学内容框架、教学方法以及教学改革方向，并对该课程的实践教学部分做了重点介绍，最后论述了该课程在地理学专业实践教学中的取得一些教改成果。     

基于高分辨率遥感数据的城市居住单元交通环境质量评价——以厦门市为例

居住单元是与人们生活密切相关的社区范围,其交通环境的优劣是衡量居住单元环境好坏的重要标准之一。高分辨遥感影像 的高空间分辨率特点为我们提供了研究居住单元交通环境的可能性。本文从区域交通环境、路网可达性出发,对城市居住单元交通 环境质量的遥感评价方法进行了研究,根据高分辨率遥感影像的特点构建了居住单元交通环境的多级指标评价体系,并对厦门市的 50个居住单元进行了评价分析。实验表明,利用高分辨率影像进行城市交通环境质量评价是一种成本较低,简便可行的方法。     

利用多分类器集成进行遥感影像分类

基于信息相关理论,根据相关度值动态调整分类器的组合和权重,建立了新型的多分类器集成规则,并应用于决策树分类器、BP人工神经网络分类器和SVM分类器的集成。通过对长沙城区TM影像的分类实验发现:①三种分类器的分类结果存在较明显的差异,水体区的差异像元最少,占水体总像元的15.12%,建设用地区的差异像元最多,占建设用地区像元的54.93%;②三种分类器均具有较高的分类精度,总体精度均超过了74%,而且分类器各有优势,决策树分类器能够较好地分出水体和建设用地,BP分类器能够较好地分出水体和林地,SVM分类器对水体、林地和建设用地均有较高的分类精度;③基于全信息相关度的多分类器集成分类法明显地提升了分类结果的精度,分类精度达到了85.71%,Kappa系数达到了80.56%。     

视觉皮层振荡神经网络在遥感影像分割中的应用

对于具有复杂场景的遥感影像,提出了基于各向异性扩散特征保持平滑的简化LEGION算法,弥补传统LEGION图像分割算法对噪声敏感的不足。对于多(高)光谱影像,则采用马氏距离计算光谱向量间的连接权得到扩展LEGION算法进行分割。实验结果表明,LEGION算法较传统的图像分割方法对单波段灰度遥感影像目标及其重要细节部分的分割效果更显著;扩展LEGION算法适用于多光谱遥感影像分割。     

一种利用K均值和SOM进行遥感图像分类的方法

探讨了一种将K均值算法和SOM神经网络算法相结合的方法,并将其应用于多光谱遥感图像分类,通过与K均值算法、ISODATA算法和SOM算法的对比实验,验证了该方法的有效性.     

用数值方法模拟观测误差对水质浓度反演模型参数的影响 ——以叶绿素a浓度为例

在2003年10月27日和28日观测的太湖水质光谱试验数据的支持下,利用数值模拟方法研究了试验数据误差与水质浓度反演模型经验常数之间的关系。研究结果表明,当试验数据误差分别服从正态分布与均匀分布时,反演模型的经验常数随着试验数据误差的增加而呈发散状态。根据试验数据误差与反演精度的关系可知,26.58%的试验误差对应着30%的反演精度,这就意味着在不考虑遥感影像处理所产生误差的前提下,严格控制试验数据误差在26.58%以内,是反演精度打破±30%的技术瓶颈的关键要素之一。     

基于SIFT特征的多源遥感影像自动匹配方法

本文提出一种基于SIFT特征的不同源遥感影像自动匹配方法。首先利用Harris算子结合SIFT特征提取影像上均匀分布的特征点,建立高维SIFT特征描述符;然后以待匹配点与参考点间的欧氏距离为相似性测度,实施两种不同源遥感影像的特征匹配;最后将SIFT特征匹配结果作为初始值,采用将搜索范围扩大到尺度空间后的改进最小二乘影像匹配方法对SIFT特征匹配获得的同名像点进行精匹配。经对同一地区SPOT-5 HRG全色影像与航空摄影影像的匹配试验,取得了较好的结果。