机载小光斑全波形LiDAR数据处理及应用

采用高斯数学模型,对机载小光斑全波形LiDAR数据进行波形分解、拟合和校正等处理,提取出每个波形信号的距离、振幅和波宽等参数信息,并对其进行成图和简单分类研究,这些成果可为数据的进一步深入应用提供科学依据.     

基于MODIS云产品的AIRS像素云检测

为了利用MODIS云产品数据检测出大气红外探测器(AIRS)数据中像素云的特性,首先采用空间匹配算法对MODIS和AIRS数据进行匹配,然后结合MODIS云分类、云相态掩模及其业务上的云检测算法,实现了利用MODIS数据对AIRS像素云(单个视场云)特性的检测.结果表明,用MODIS 1 km分辨率产品数据可以实现对AIRS数据的云分类(低云、中云、高云)和云相态(水云、冰云、混合云)检测.     

基于半监督学习的遥感影像分类训练样本时空拓展方法

针对无法直接获取训练样本的遥感影像分类问题,从满足条件的其他影像中选择替代训练样本是最直接的方法,但由于地物类型在不同影像中的辐射环境不同,导致替代训练样本对待分类影像的代表性较差,无法保证分类精度.以直推式支持向量机(transductive support vector machine,TSVM)分类为例,发展了一种基于半监督学习的遥感影像训练样本时空拓展方法.该方法采用非监督方法从待分类影像中选择大量未标记样本,挖掘各类地物在特征空间中的结构信息;以替代训练样本所拟合的分类面为初始面,通过自适应渐进式的优化,实现对待分类影像的高精度分类.该方法要求训练样本的来源影像与待分类影像具有相似的地物分布和相近的时相.以SPOT5和QuickBird影像分类为例,分别通过基于像元的和基于分割对象的分类实验证实,该文提出的方法可有效地实现训练样本的时空拓展应用.     

基于K-L变换的自组织竞争神经网络在海底底质分类中的应用

针对海底质地的特点,利用灰度纹理共生矩阵作为特征参数,K-L变换对海底底质图像进行降维,采用自组织竞争神经网络对图像进行自动分类,对各分类方法精度进行对比。以海底侧扫声纳图像为例,通过实测数据验算,取得理想的效果。     

基于遥感技术的地表水系信息提取研究

区域河流、水库容水资源量对该区的工农业生产和经济发展具有重要的作用,采用遥感影像分类技术对获取区域水系信息具有无可比拟的优越性。本文以山西省大同盆地为研究区,以Landsat TM影像为数据源,采用遥感影像监督分类技术,在ERDAS 9.2下对影像进行预处理并做监督分类,最后通过实地调查验证分类的准确性。研究结果表明,2005年9月份该区水系占地面积148.48km2,占该区总面积的2.12%。通过本次研究工作,可对大同、朔州地区的可持续发展提供基础信息支持。     

面向对象分类特征优化选取方法及其应用

与传统基于像元的分类方法比较,面向对象的分类方法可利用的地物信息更加丰富,然而如何从众多信息中筛选出能够有效提取不同地物的分类特征,从而提高分类效率与精度,是使用面向对象方法分类时急需解决的问题。SEaTH算法（分离阈值法）是一种有效的自动选取分类特征并计算阈值的方法,但其只考虑了类间距离,容易存在信息的冗余,从而对分类精度造成一定影响。本文在SEaTH算法的基础上,综合考虑了特征间的相关性、类间距离以及类内距离,对SEaTH算法进行了优化,并将改进前后的两种方法运用到广东省肇庆市TM影像及环境一号卫星影像土地覆盖分类中进行对比分析。实验结果表明,改进后的方法筛选出的特征在提取地物上更为有效,尤其使耕地的分类精度提高了12.26%,使分类总体精度由80%提高到了85.26%。改进后的方法对不易获取多时相影像的地区的土地覆盖分类具有重要意义。     

顾及特征优化的全极化SAR图像SVM分类

以支持向量数和相关性分析为评估依据,结合序列前进搜寻策略,本文提出一种顾及特征优化的改进SVM分类方法,并将其应用于全极化SAR图像监督分类。真实数据的实验结果表明,该方法不仅具有小样本情况下的良好泛化性能,而且能以更少的特征个数,在更广泛的SVM参数取值范围内获得更高的分类精度。     

一种GIS空间知识分析的影像纹理尺度提取算法

本文提出了一种基于GIS领域空间知识的影像纹理尺度提取方法:该方法分析了GIS领域知识辅助下人类对纹理特征的认知过程,对4个步骤的具体实现算法进行探讨;并选取海南省昌江县作为研究区域,实验证明了本方法的有效性,且与传统的枚举法相比,在性能相近的情况下其效率显著提高,更适合于大数据量遥感影像分类运算。     

实测与卫星观测德基水库水质变化

德基水库集水区的气候条件适合温带水果及高冷蔬菜、茶叶的种植,德基水库集水区上游遍布果园、菜园与茶园。因此,每逢大雨来临时,大量的残留肥料常遭冲刷至水库中。这些残留的肥料中含有大量的氮、磷等营养盐,足以提供水库微生物的生长繁殖所需,也因此造成水库中二角多甲藻的大量繁殖,进而形成藻华现象。研究使用Landsat TM卫星数据,搭配传统监测模式,以监督式影像分类法分析与监测德基水库1995年的藻华现象。研究结果显示,以Landsat TM卫星数据监测德基水库的藻华现象,其准确率可达87.5%以上。由影像分类的结果可得知,德基水库二角多甲藻之藻华现象发生较严重的时期为夏天,而冬天则较为轻微。此现象发生的原因,应与集水区上游的农业经营模式息息相关。此外,德基水库藻华现象发生的区域及其程度也经由实地调查与卫星影像监测,一一获得证实。