特征级高分辨率遥感图像快速自动配准

随着遥感图像分辨率的日益提高,遥感图像的尺寸和数据量也不断地增大,同时随着遥感应用的发展,对图像配准的性能也提出越来越高的要求,基于此,提出一种特征级高分辨率遥感图像快速自动配准方法。首先,对图像进行Haar小波变换,基于小波变换后的近似图像进行配准以提高配准速度;其次,根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子,SAR图像使用Ratio Of Averages算子),并将线特征转化为点特征;然后,依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对;最后,利用改进的随机抽样一致性算法滤除错误匹配点对,并结合分块思想均匀选取匹配点对计算仿射变换参数,进一步提高配准精度。为了验证本文方法的有效性,选择高分辨率World View-2图像、Pleiades图像和Terra SAR图像进行了实验,并与典型的SIFT算法、SURF算法进行比较分析,采用匹配率、匹配效率、均方根误差和时间消耗4个定量评价指标来客观评价算法的配准性能。实验结果表明,本文方法具有较好的有效性,且在不同的情况下具有较高的配准精度。本文提出的特征级高分辨率遥感图像快速自动配准方法,多组高分辨率遥感图像数据的配准实验结果表明该方法能快速实现并具有较高的配准精度和较好的鲁棒性。     

汶川地震灾后农田和森林植被恢复遥感监测

2008年汶川8.0级特大地震对当地的生态系统造成了极大的破坏,为了评估5年来灾区农田和森林植被的恢复情况,利用逐年机载高分辨率遥感影像,结合星载遥感数据和地面调查数据,开展了灾区农林植被恢复状况监测。在农田恢复监测方面,结合2008年地震发生后以及2013年5月中旬的机载高分辨率遥感数据,采用目视解译的方式对汶川地震中受损农田的恢复状况进行监测与评估,同时利用GVG(GPS、Video和GIS)农情采样系统的作物种植成数调查结果,分析了灾后作物种植结构的变化。结果表明,灾区1592 ha受损农田,5年后仅有约17.5%得到了恢复和耕种使用。就耕地利用强度而言,重灾区耕地利用率较高,作物种植结构没有发生重大变化。在森林恢复状况监测方面,对典型区(岷江干旱河谷区和盆周山地区的3个重点区域)采用目视解译方式识别出森林变化,并结合大区域尺度规一化植被指数(NDVI)时间序列变化分析,对整个灾区的森林损毁和恢复情况做出评价。监测结果显示,汶川县、什邡市和绵竹市的森林植被恢复情况总体较好,但是一些坡度较大的损毁区、次生灾害频发区的森林尚未恢复,大区域尺度的统计结果显示,地震重灾区的46381 ha重度损毁森林植被和177025 ha中度损毁森林植被区域,完全恢复的区域占13.52%和25.84%,部分恢复的区域都占到50%。在自然恢复较为困难的区域,如汶川县中部和东北部、都江堰市北部、彭州市北部、什邡市北部、绵竹市北部、安县北部及北川县南部等,需要加强人工干预。遥感监测方法既适用于震后的农田和森林恢复状况动态监测,也适用于其他自然灾害发生时对灾区农田和森林植被破坏状况进行应急监测,具有实际应用价值和良好的发展前景。     

Landsat 8全色影像阴影的扁平冰山出水高度提取

冰山出水高度是测量冰山厚度进而估算冰山体积的一个重要几何参数,是定量评估冰山对海洋的淡水输入量的基础。冬季冰山在海冰上成影且阴影较长,本文提出利用阴影测高模型高精度测量冰山出水高度的方法。试验选择2016年8月29日、9月7日和9月16日中心太阳高度角分别为5.43°、7.49°和11.01°的3期Landsat 8全色15 m影像,以独立扁平冰山为例,自动提取冰山在海冰上的阴影长度计算冰山出水高度,并利用不同时相同名成影点进行交叉验证评估测量精度。结果显示：阴影长度测量误差优于1个像元,在太阳高度角低于11.01°时,全色15 m影像提取的冰山出水高度均方根误差（RMSE）低于2.0 m,平均绝对误差（MAE）低于1.5 m。由此表明：在冬季低太阳高度角下,Landsat 8全色15 m影像可用于高精度测量冰山出水高度,具有大范围测量南极冰山出水高度的潜力。     

基于DInSAR技术与WorldView-2影像的煤矿塌陷区信息提取研究

结合DIn SAR与World View-2光学遥感解译技术,对研究区进行多源数据处理,提取研究地区的煤矿塌陷区信息,然后对处理后的两种结果进行对比。二者既有区别,又可以互补,最终在研究区形成完整的塌陷区信息。     

遥感数据融合的进展与前瞻

数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。     

Mapping fractional landscape soils and vegetation components from Hyperion satellite imagery using an unsupervised machine-learning workflow

An unsupervised machine-learning workflow is proposed for estimating fractional landscape soils and vegetation components from remotely sensed hyperspectral imagery. The workflow is applied to EO-1 Hyperion satellite imagery collected near Ibirací, Minas Gerais, Brazil. The proposed workflow includes subset feature selection, learning, and estimation algorithms. Network training with landscape feature class realizations provide a hypersurface from which to estimate mixtures of soil (e.g. 0.5 exceedance for pixels: 75% clay-rich Nitisols, 15% iron-rich Latosols, and 1% quartz-rich Arenosols) and vegetation (e.g. 0.5 exceedance for pixels: 4% Aspen-like trees, 7% Blackberry-like trees, 0% live grass, and 2% dead grass). The process correctly maps forests and iron-rich Latosols as being coincident with existing drainages, and correctly classifies the clay-rich Nitisols and grasses on the intervening hills. These classifications are independently corroborated visually (Google Earth) and quantitatively (random soil samples and crossplots of field spectra). Some mapping challenges are the underestimation of forest fractions and overestimation of soil fractions where steep valley shadows exist, and the under representation of classified grass in some dry areas of the Hyperion image. These preliminary results provide impetus for future hyperspectral studies involving airborne and satellite sensors with higher signal-to-noise and smaller footprints.     

GPS技术和遥感影像在编制重点文物地图中的应用——以制作武汉大学校园重点文物图为例

GPS技术具有实时导航、定位准确的特点,遥感影像能提供快速及时的地理信息,它们当前还未广泛应用于地图的制作,本文尝试将这两种技术结合应用来编制地图,进而探讨在制作过程中的数据处理、重点文物图的设计与编制等问题;并以制作武汉大学的重点文物图为例,来说明和分析这种制作方法所具有的显著特点和具体操作的可行性。     

SNOW WETNESS ESTIMATES OF VEGETATED TERRAIN FROM SATELLITE PASSIVE MICROWAVE DATA

The Special Sensor Microwave/Imager (SSM/I) radiometer is a useful tool for monitoring snow wetness on a large scale because water content has a significant effect on the microwave emissions at the snowpack surface. To date, SSM/I snow wetness algorithms, based on statistical regression analysis, have been developed only for specific regions. Inadequate ground-based snow wetness measurements and the non-linearity between SSM/I brightness temperatures (T_Bs) and snow wetness over varied vegetation covered terrain has impeded the development of a general model. In this study, we used a previously developed linear relationship between snowpack surface wetness (% by volume) and concurrent air temperature (°C) to estimate the snow wetness at ground weather stations. The snow condition (snow free, dry, wet or refrozen snow) of each SSM/I pixel (a 37 × 29 km area at 37.0 GHz) was determined from ground-measured weather data and the T_B signature. SSM/I T_Bs of wet snow were then linked with the snow wetness estimates as an input/output relationship. A single-hidden-layer back-propagation (backprop) artificial neural network (ANN) was designed to learn the relationships. After training, the snow wetness values estimated by the ANN were compared with those derived by regression models. Results show that the ANN performed better than the existing regression models in estimating snow wetness from SSM/I data over terrain with different amounts of vegetation cover.     

包尔图地区Aster遥感岩性提取

介绍光谱排序编码法的原理并对其进行精度验证:在14种矿物的56个样品中最高精度为100%,最低为57%,平均为79.4%;分别提取包尔图地区以方解石、Al-OH Mg-OH和石英为主的岩石分布状况,与该区地质图对比结果表明,其分布与实际情况大体相同,从而证实了光谱排序编码法的目标提取能力。