基于K-L变换的多光谱图像增强方法

为在多光谱图像增强同时保持其光谱特性,提出了基于K-L变换的多光谱图像增强方法,并在研究如何准确量化增强前后光谱保持度的基础上,提出了光谱特性保持系数的概念.实验结果表明,该方法在对多光谱图像增强的同时,能较好地保持多光谱图像的光谱特性.     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

植被波谱空间尺度效应及尺度转换方法初步研究

基于遥感图像的地物识别需要大量地物波谱数据的支持,而现有地物波谱库中收集到的同一地物的波谱,由于其测量尺度和方法的差异,波谱也存在很大差异.以冬小麦为例,首先介绍了材料波谱、端元波谱和像元波谱这3种不同尺度波谱的概念,并以实验数据分析了不同测量尺度下波谱的差别,以此说明波谱尺度转换的必要性.然后利用物理模型和统计模型建立不同测量尺度下的波谱转换关系.分别验证了SAILH模型和线性光谱混合模型在波谱转换中的精度.研究表明,在大尺度上采用统计模型,在小尺度上采用非线性的物理模型可以解释不同尺度观测植被波谱之间的差异.     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.     

油气化探同步荧光技术中的若干问题

在试验的基础上,对油气化探固定波长同步荧光测试技术中光谱图的认识、波长差与方法灵敏度的关系以及同步荧光与其他荧光方法的内在关系等问题作了深入的研究和探讨,澄清了该技术在实际应用工作中较易产生混淆的几个问题,旨在推动该项技术在油气化探工作中的进一步应用和发展.     

Study on the connectivity of heavy oil reservoirs by ultraviolet spectrum technique in the western part of the QHD32-6 oilfield

As a new method, the ultraviolet spectrum technique is applied to studying the connectivity of biode-gradable heavy oil reservoirs. The similarity of crude oils can be judged according to the extinction coefficient （E） because aromatic hydrocarbons and non-hydrocarbons have conjugated bonds and obvious absorption in the ultraviolet range, and different materials have different characteristics and additives. The relationship diagram is made in terms of the extinction coefficients （E） of the samples by taking E as the Y-axis and wavelength as the X-axis. The connectivity of oil reservoirs is estimated according to the curve positions and characteristic fingerprints of the sampies. The connectivity of part of the reservoirs in the western part of the QHD32-6 oilfield was studied with this method. The results showed that the connectivity of samples from wells F7 and F8 in the Nm-2 oil reservoir zone is good, that of samples from wells F17 and F20 in the Nm-1 oil reservoir zone also is good, and that of samples from wells F17, F19, and F20 is poor.     

基于光谱和纹理的SVM矿化蚀变信息提取研究

针对传统矿化信息提取方法单一,利用光谱或纹理、信息量相对较少、需要大量样本的缺陷,利用基于光谱和纹理的支持向量机(SVM)原理,建立矿化信息提取模型.选择青海泽库县析界日地区作为典型研究区.首先提取研究区光谱和纹理信息,选取训练样本;然后求解最优超平面,进而确定决策函数;最后泛化推广识别其他待识别的样本.通过所提取的遥感蚀变异常信息与重砂异常点叠加分析,叠加基本吻合;从野外实地验证来看,均发现了不同程度的矿化现象,并指出了5个重点异常区.     

2DPCA在遥感图像压缩中的应用

Two Dimensional Principal Analysis是新近提出的一种图像分析方法,并已在特征提取与人脸和物体识别中得到较好应用.由于2DPCA本身就具有数据压缩功能,在用于去除图像的空间相关性中,可实现对数据的压缩,尤其是对高光谱或多光谱遥感图像的压缩.实验结果表明,这类方法不仅有效,而且压缩性能良好.     

玉米冠层FPAR的高光谱遥感估算研-基于PCA方法及近、短波红外波段

光合有效辐射分量(Fraction of Photosynthetically Active Radiation,FPAR)是进行生态系统功能和全球变化研究的重要参数,准确估算FPAR具有重要意义。通过对野外实测玉米高光谱数据和光合有效辐射数据的分析,探讨了主成分分析方法在高光谱信息提取及估算玉米冠层FPAR参数方面的可行性,在此基础上,结合植被指数验证FPAR估算效果,分析近红外及短波红外高光谱数据在FPAR估算方面的应用潜力。