基于多时相遥感的鄂尔多斯市不透水面变化分析

不透水面作为城市发展和生态环境的重要评估因子,在保障生态环境健康和城市可持续发展中具有重大意义。本文以鄂尔多斯为研究区,通过融合多时相Landsat和夜间灯光数据,提取1990—2019年的不透水面信息,并利用重心分析法、标准差椭圆理论和景观指数理论分析时空演变规律。研究结果表明:①1990—2019年鄂尔多斯市不透水面经历了快速扩张;东北部不透水面覆盖度高于西南部;不透水面的扩张模式总体上表现为“向外扩张-向内加密”。②东北部扩张速度减缓,西南部扩张速度增快。③不透水面扩张的方向性减弱;不透水面扩张的方向有由“东北-西南”向“东-西”转变的趋势。④斑块数量及边缘斑块破碎度增加,城市与郊区的连通性增强,城市有向周边郊区扩张的趋势。本文研究对于进一步了解城市生态环境健康与城市可持续发展的相关关系具有一定的参考价值。     

利用城市公共摄像头分析夜间灯光变化规律

与卫星影像相比,摄像机影像数据具有更高的时间和空间分辨率。互联网共享的摄像头视频提供了丰富的夜间灯光信息,但数据的获取难度较大。针对实时视频数据设计特定爬虫程序进行数据获取,再基于获取的视频进行数据挖掘。通过分析日本东京某实验区的影像,发现城市夜间灯光表现复杂且存在一定的随机性,但是整夜的夜间灯光随着时间呈现明显减弱的趋势,并且部分区域呈现出先增加后减少等更为复杂的变化规律,此外不同建筑物侧面灯光趋势也存在差异。     

《遥感原理与应用》实验教学改革探索

结合专业特色,提出适合《遥感原理与应用》课程实验教学改革的方案,尤其是对实验教学内容和实验教学方法的改革,切实提高学生的遥感技能,增强学生的理解与应用能力,能够利用遥感手段解决大气与环境监测方面的实际问题。     

一种基于灰度直方图的分割阈值自动检测方法

提出一种新的灰度直方图阈值点自动提取算法——最大落差搜索法。利用灰度直方图直观特点,计算统计直方图峰值和谷值。选取最大峰值点为基准点,其余峰值点到基准点区域中,任意非最大峰值点与区域中所有谷值点所形成的最大落差,选取最大落差集合中的最大值,对应该值的低谷值点即为分割阈值点。该方法能够准确得到分割图像的阈值。     

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。     

多尺度字典学习的高光谱图像压缩算法

结合小波变换及字典学习提出了一种针对高光谱图像的压缩算法。该算法首先通过小波变换构建多尺度样本集,在小波域使用K-均值奇异值分解(K-SVD)方法学习得到原子尺寸不同的多尺度字典,然后在稀疏表示的过程中,定义一个原子使用频次筛选因子,通过统计局部最优波段稀疏表示时原子使用情况,结合筛选因子对字典原子进行优化筛选,使用精简后的字典对其余波段进行稀疏求解,最后针对不同尺度的表示系数采用自适应的量化编码。实验结果表明,与目前常用的3D-SPIHT和其他的多尺度字典学习算法相比,本文算法在中低比特率下,具有更好的重建性能。     

星地多源数据的区域土壤有机质数字制图

土壤有机质(SOM)是全球碳循环、土壤养分的重要组成部分,精确估算土壤有机质含量具有重要意义。本文以中国东北—华北平原为研究区,收集了1078个土壤样本,以遥感数据(MODIS,TRMM和STRM数据)与土壤地面光谱数据为预测因子,运用基于树形结构的数据挖掘技术构建土壤有机质-环境预测因子模型进行数字土壤制图。通过不同建模样本数建模精度比较,选择300个样本数时的模型为最优模型。建模结果表明土壤光谱和气候因子是研究区SOM变异的主控因子,生物因子次之,而地形因子影响最小。预测结果经检验,RMSE为7.25,R2为0.69,RPD为1.53制图结果与基于第二次全国土壤普查数据的土壤有机质地图具有相似的分布规律,呈现SOM自东北向西南递减的趋势。通过比较分析发现,经过20年左右的土地开发与利用,研究区低SOM和高SOM含量土壤面积减少,而中等SOM含量土壤面积增加。     

应用图像关联度的图像模糊分类

提出了应用图像关联度的图像模糊分类新方法。该方法在求得每幅图像相对各个类别的关联度的基础上,求得每个类别图像关联度的均值和标准差σ;然后计算每幅图像的关联度与所在类别关联度均值之差Δi,差值Δi≤2σ,该图像应“留“在该类中;否则,该图像应归入与另两个类别的关联度较大的类别。每幅图像都经过这样的检验,实现图像的再划分,直到这一过程稳定为止。实验结果表明,该方法的图像分类质量有一定优势。     

联合盲分解与稀疏表达的高光谱图像异常目标检测

应用高光谱图像进行异常目标检测是高光谱遥感最重要的应用之一,而异常目标检测算法最为关键的是对背景的描述。rx 等经典算法受制于对背景分布的高斯假设,因而在复杂背景条件下不能有效地提取出感兴趣的异常目标。本文提出了一种新的异常目标检测算法,不仅能够有效地检测出亚像元的异常目 标,同时以新的方式描述背景。算法首先针对异常检测先验信息不足的问题,采用盲分解方法建立描述背景的冗余字典,该字典是根据像元的纯净性定义估计的背景类端元束构成;然后采用稀疏回归计算每个像元的重建误差,以误差特征作为异常指数,误差越大越可能是异常;为了增强对可能异常目标的描述能力,应用了局 部近邻分析来增强目标在图像邻域的离群表达,从而获得最终的异常检测特征。算法将字典构造的全局性与地物的局部连续性结合,提高了异常目标检测的可靠性。采用不同混合比例模拟的亚像元数据和两幅真实数据进行实验,结果表明,算法不仅仅获得了比 rx 等经典算法更高的精度,同时在不同信噪比条件下表现稳健且抗噪能力强。     

基于码字匹配和引力筛选的半监督协同训练算法

针对传统的Co-training和Tri-training协同训练算法中基分类器独立性低、迭代过程中误差累积和整体泛化性能低的问题,将多视图理论、编码理论和万有引力公式引入协同训练分类算法中,提出了改进算法,算法有效地防止了迭代过程中的误差累积,同时提高了分类系统的泛化性能。在高光谱图像分类实验中,随机地从数据集中抽取5%、10%和20%样本作为已标记训练集时,码字匹配的协同训练分类算法对比Co-training和Tri-training算法,在分类精度上平均分别提高了12.38%和6.13%,在Kappa系数上平均分别提高了0.2和0.07。进一步加入引力筛选机制,对比Co-training和Tri-training算法,在分类精度上平均分别提高了21.30%和10.99%,在Kappa系数上平均分别提高了0.26和0.13,结果表明了本文算法的有效性。