多时相遥感影像的变化监测方法研究

多时相遥感影像图变化监测已经在国民经济及国防建设领域得到了广泛应用。通过分析同一地域不同时相的遥感图像变化监测提供地物发生变化的信息,对资源环境数据进行更新及利用。论文围绕变化监测中的一些关键理论方法进行了研究。     

采用6S模型的多时相MODIS植被指数NDVI归一化方法

目的 基于6S辐射传输模型,对连续6个时相的 MODIS影像进行逐像元大气校正获取地表反射率,以此实现 MODIS NDVI的时相归一化。归一化后,地物 NDVI的时相趋势与校正前相比差异显著,能更加准确地描述地物随时间变化的规律,在浓密植被区域表现更为明显。开展对 NDVI时相归一化的研究,对全球变化、作物物候监测等遥感时序分析相关应用具有着重要的意义和实用价值。     

散射模型的多时相极化SAR斑点噪声滤波算法

本文提出了一种基于散射模型的多时相极化SAR数据斑点噪声滤波算法,该方法是利用多时相极化SAR数据,在保持像元主散射特性基础上实现斑点噪声抑制。其基本原理是对多时相极化SAR数据的主辅影像进行分类,并通过统计主辅影像中待滤波像元邻域窗口内类别分布情况自适应地选取参与滤波的像素进行滤波。实测数据的实验结果表明,该方法既能够有效地抑制斑点噪声,又能够良好地保持地物散射特性和边缘纹理特征。     

基于多时相多极化差值图的稻田识别研究

提出了一种基于多时相多极化差值图的稻田识别方法,该方法在简化稻田识别算法的同时,仍具有较好的稻田识别精度.以江西省高安地区的早稻识别为例,利用两景ENVISA ASAR交叉极化模式数据(VV/HH)计算了同时相多极化差值图和同极化多时相差值图.由于稻田含有水层和水稻的垂直株型等属性特征,稻田在两时相上VV极化和HH极化后向散射差异都很大,且与其他地物具有明显差别,因此利用同时相多极化差值图可以很好地分辨出稻田来;从时间变化看,HH极化雷达波对水稻生长和稻田的变化比对其他地物的变化更敏感,使稻田分布信息在HH极化多时相差值图中反应突出.而VV极化对地物的时相变化不够敏感.因此,建立最优差值图组合,分别采用阈值分类方法和监督分类方法对差值图组合进行分类提取稻田.通过比较分类结果,认为基于统计分析的监督分类方法更好,其稻田识别的精度达到84.92%.文章最后对提出的稻田识别方法及分类结果进行了分析.     

影像超分辨率重建技术在遥感中的应用

影像超分辨率重建是通过对多幅具有互补信息的低分辨率影像的处理,重建一幅高分辨率影像的技术,其在视频监控、医学诊断、遥感监测等领域具有很大的应用价值。以SPOT5和ADS40为例阐述了超分辨率重建技术在遥感观测系统中的应用现状,并给出了一种应用于多时相遥感影像处理的超分辨率重建方法。     

关于数字相位式测距仪的频率改正

本文在分析自动脉冲数字测相基本原理的基础之上，推出了不仅与测距频率有关，而且还与填充脉冲频率及低频测相频率有关的新的频率改正公式，并给出新的频率改正公式与传统频率改正公式之间等同的条件，即有锁相环路（或频率跟踪电路）的正常工作来保证。     

综合多特征的Landsat 8时序遥感图像棉花分类方法

传统的多时相遥感图像分类大多拘泥于单一特征,本文基于多时相的Landsat 8遥感数据,开展了综合多特征的特征提取与特征选择方法研究。综合了NDVI时间序列、最佳时相反射率光谱特征以及纹理特征作为初始分类特征,并采用基于属性重要度的粗糙集特征选择算法对其进行特征约简。分类结果表明:(1)利用初始分类特征,分类的总体精度达到92.81%,棉花提取精度达87.4%,与仅利用NDVI时间序列相比,精度分别提高5.53%和5.05%;(2)利用粗糙集选择后的特征分类,分类总体精度可达93.66%,棉花分类精度达92.73%,与初始分类特征提取结果相比,棉花分类精度提高5.33%。基于属性重要度的粗糙集特征选择不仅提高了分类精度,同时有效降低了分类器的计算复杂度。     

耕地暴雨灾情动态信息的遥感提取

根据暴雨降水天气引起的灾害信息特征,利用基于卫星遥感观测的植被指数NDVI时序数据变化检测方法,在空间和时间上提取了暴雨灾害受灾动态信息。不同于常规的仅提取受灾空间信息的方法,该方法还能提取灾害开始和灾害影响过程中的时间信息。以2016年7月发生暴雨灾害的安徽省巢湖地区为实验区,利用NDVI时序数据进行了应用实验验证。结果表明,利用该方法可有效提取常规受淹、受灾强度的空间信息;结合对应年降水的时间变化特征发现,该方法提取的受灾开始时间数据揭示了持续强降水导致的土壤水分饱和对作物生长的影响,能为国家灾害救助和灾后耕地恢复提供决策依据。     

应用MSS数字图像处理进行森林资源动态监测的探讨

本文探讨了应用多时相Landsat Mss图像进行森林动态监测的方法。研究了差值图像法、比值植被指数差值法、归一化植被指数差值法、多时相主分量分析法(垂直植被指数法)和分类比较法对提取森林动态变化信息的作用。结果表明,3种植被指数法都能较好地提取植被动态信息,可用于森林面积消长的动态监测。     

多时相Landsat影像的平原河网区不透水面信息提取方法与应用

不透水面是衡量城市生态环境的重要指标,针对平原河网区不透水面与水体、裸土等地物较难区分的问题,以苏北里下河平原快速城镇化区为研究对象,利用多时相Landsat影像为数据源,基于像元光谱特征及其季节性变化分析,构建了基于时序NDWI、NDVI和NDBI的决策树模型,并利用GIS空间分析技术对不透水面的时空变化特征进行了分析。结果表明：多时相光谱信息可有效改善水体、裸土和稀疏植被等像元与不透水面的混分,2005年和2016年的不透水面分类总体精度和Kappa系数均在0.85以上,合理反映了不透水面以向东和向南扩张为主的趋势特征,年均扩张速度约为6.7 km²。研究成果为该区城镇化下的生态环境效应研究提供数据基础,同时可为其他平原河网区不透水面信息提供借鉴和参考。