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。     

Review on InSAR based displacement monitoring of Indian Himalayas: issues,challenges and possible advanced alternatives

Natural and man-made disasters like earthquakes, landslides, avalanches, unplanned mining are some of the most serious factors responsible for earth surface displacement. These incidences can be harmful for the society due to loss of life and also threatful for future urban development. Therefore, continuous monitoring of disasters in terms of displacements is of fundamental importance in a modern well-organized society to understand its effects on the social and economic fabric. Availability of SAR data has been proved to be an excellent source for estimation of surface displacements with high accuracies. However, in India, SAR interferometry-related displacement measurement has still not gained appreciable momentum. More rigorous research needs to be carried out for the efficient use of this new generation technique. This review article is an attempt to discuss the issues related to SAR-based displacement studies so far conducted on Indian Himalayan region and possible advanced alternatives.     

直线特征约束的资源3号卫星影像自检校平差

针对控制点获取较困难地区卫星影像定位精度不高的情况,对直线特征作为控制信息提升卫星影像定位精度进行了研究。以"像方直线上任意一点必然位于物方直线和投影中心所构成的平面"作为几何约束条件,通过对直线的参数化表示,建立了基于直线特征的共面模型;在该模型基础上,针对航天传感器的成像特点,分析建立了8标定参数的内方位元素模型和简化的外方位元素模型,最终构建了直线特征约束的卫星影像自检校平差模型。利用资源3号(ZY-3)卫星获取的华盛顿地区数据对构建的平差模型进行实验验证。结果表明,该模型能够解决缺乏地面控制点地区影像定位精度差的问题,可达到与常规自检校平差相同量级的精度。     

基于稀疏判别分析的高光谱影像特征提取

针对当前特征提取方法不能充分挖掘高光谱影像稀疏特性的问题,提出一种基于稀疏判别分析的高光谱影像特征提取方法。首先,在线性判别分析的系数向量中引入稀疏正则项来捕获具有更强判别能力的特征,将高光谱影像映射至低维稀疏的子空间;然后,利用迭代优化方法对模型进行求解。利用Salinas和Pavia University高光谱影像进行对比实验,所提方法与分类方法结合用于影像分类时,其分类精度优于其他方法,总体分类精度分别达到97.42%和97.64%。     

基于语义规则的高分辨率影像道路交叉口提取方法

为了准确提取遥感影像上道路交叉口目标,提出一种利用特征语义规则从高分辨率影像上提取道路交叉口的方法。该算法构建交叉口模型时将其视为由同质区域像素集合及区域轮廓边界构成的面对象,提取过程分为两步:1)利用辐射、纹理特征语义匹配提取交叉口候选区域;2)通过几何特征语义匹配筛选候选区域、识别交叉口属性。利用多源遥感影像对算法正确性及合理性进行验证,结果表明:算法能准确、完整地提取道路交叉口,可为影像道路网构建提供辅助信息。     

基于交叉点的道路曲线化简算法研究

现有的曲线化简算法不能很好地化简具有交叉路口的道路曲线,针对这一问题提出一种基于交叉点的道路曲线化简算法。算法分为预化简和修正化简两个阶段:首先识别并得到曲线上的分段点,利用相邻的分段点作为道格拉斯-普克算法的首尾点对曲线进行化简,得到预化简的结果;然后对于交叉点引入偏差阈值ε,通过判断道路曲线交叉点与化简后交叉点的距离与偏差精度ε的大小关系来确定该交叉点的化简与保留,如果保留或者化简后的道路曲线没有交叉点那么将原交叉点作为分段点对此段曲线进行重新化简。理论分析与实验结果表明,文中算法能够有针对性地保留或化简道路交叉点以及保持曲线化简后的形态特征。     

粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。     

面向高光谱图像分类的半监督空谱判别分析

为充分利用高光谱图像蕴藏的空间信息提升分类精度,提出了面向高光谱图像分类的半监督空谱判别分析(S3 DA)算法。考虑高光谱图像数据集的空间一致性,首先利用少量标记样本定义类内散度矩阵,保存数据集同类像元的光谱近邻结构;再利用无标记样本定义空间近邻像元散度矩阵,揭示像元间的空间近邻结构和地物的空间分布结构信息。S3 DA既保持数据集在光谱域的可分性,又保存了无标记样本蕴藏的空间域近邻结构,增强了同类像元和空间近邻像元在投影子空间的聚集性,从而提升分类性能。在PaviaU和Indian Pines数据集的试验表明,总体分类精度分别达到81.50%和71.77%。与传统的光谱方法比较,该算法能有效提升高光谱图像数据集的地物分类精度。     

特长钢箱梁桥GPS监测数据的奇异谱分析

实时准确地监测和分析大型建筑物的变形对于大型建筑物的施工与运行是十分重要的。奇异谱分析(SSA)是一种与经验正交函数相关联的一种统计技术。文中采用奇异谱分析(SSA)的方法,结合功率谱峰值与原序列和RC1-2重建序列均方误差最小的方法确定最优潜入维数M,研究了特长钢箱梁桥索塔的变形趋势和震荡周期。小波分析技术也可以很好地描述时间序列的时频分布,但SSA重构后的结果比小波要平滑些,更能反映出时间序列的特征。结合苏通大桥北索塔监测序列表明,北索塔站的N,E,U方向上均存在明显的趋势和显著的变动周期,而且也含有较多的噪声信息。     

Road condition assessment by OBIA and feature selection techniques using very high-resolution WorldView-2 imagery

Accurate information on the conditions of road asphalt is necessary for economic development and transportation management. In this study, object-based image analysis (OBIA) rule-sets are proposed based on feature selection technique to extract road asphalt conditions (good and poor) using WorldView-2 (WV-2) satellite data. Different feature selection techniques, including support vector machine (SVM), random forest (RF) and chi-square (CHI) are evaluated to indicate the most effective algorithm to identify the best set of OBIA attributes (spatial, spectral, textural and colour). The chi-square algorithm outperformed SVM and RF techniques. The classification result based on CHI algorithm achieved an overall accuracy of 83.19% for the training image (first site). Furthermore, the proposed model was used to examine its performance in different areas; and it achieved accuracy levels of 83.44, 87.80 and 80.26% for the different selected areas. Therefore, the selected method can be potentially useful for detecting road conditions based on WV-2 images.