基于LPS的高分辨率遥感影像空中三角测量

空中三角测量是立体摄影测量中,根据少量的野外控制点,在室内进行控制点加密,求得加密点的高程和平面坐标的测量方法。阐述利用LPS对高分辨率卫星遥感影像进行空中三角测量的一般过程及相关注意事项。     

混合核特征加权SVM遥感湿地空间分类

针对湿地空间信息的复杂性和SVM的分类性能,设计一种基于混合核函数的特征加权SVM分类模型,综合利用多种特征信息,避免被弱相关特征所支配,从而提供更佳的映射性能和泛化能力。实验结果表明,该分类模型兼具良好的外推和内推能力,能够有效地融合不同信息源特征,得到更完整和准确的分类结果,在总体精度、Kappa系数等多项指标上都表现出更高的水平。     

结合多尺度纹理特征的遥感影像面向对象分类

地物具有多尺度的特点,单一尺度难以准确描述遥感影像包含的地物纹理信息。利用我国自行研发的高分一号遥感影像数据,采用灰度共生矩阵对第一主成分进行纹理特征提取,利用Jeffries-Matusit距离选择多尺度组合,并通过单一纹理结合多光谱数据的分类精度,以及纹理特征间的相关性,最终选择多尺度纹理特征组合进行面向对象分类。研究结果表明:结合多尺度纹理特征组合的面向对象GF-1影像分类能有效提取地物信息,总体分类精度达到81.75%,Kappa系数0.78。     

无人机影像匹配中尺度不变特征应用改进

针对尺度不变特征变换算法用于无人机影像匹配中存在匹配效率低下,误匹配较多等问题,该文提出一种特征点提取优化算法,并改进了特征点匹配策略。通过将原始影像划分格网,依据每个格网影像信息熵的大小来合理分配各格网中特征点数量,实现了基于纹理信息丰富程度的特征点均匀分布;基于Harris兴趣值进行筛选,保留了适合于摄影测量的特征点;采用一种多层次自适应的匹配策略,在尽可能保留正确匹配的同时提高了匹配正确率。基于一对由小型无人机拍摄影像的实验结果表明,所提方法在大量减少SIFT特征点的同时,保证较高的正确率,增加了匹配点的精度,且提高了算法效率。     

高维遥感图像的快速分类算法

为了实现对高维遥感图像的快速准确分类,提出了一种基于k均值二叉树支持向量机(SVM)的分类方法。该方法通过对选取的训练样本进行k均值聚类,生成支持向量机分类二叉树,作为确定最佳分类顺序的依据,以降低分类过程中的误差累积并提高整体分类精度,而且可缓解由样本数量不均衡导致的分类误差。该方法可在不进行降维处理的情况下,对高维遥感图像进行快速准确分类。测试结果表明,其分类速度和分类精度都优于传统的支持向量机分类结果。     

不同遥感影像的城市热岛空间分布特征分析

针对传统的地面观测方式很难全面掌握城市地面热岛的空间分布情况的问题,该文将HJ-1B卫星热红外图像代表的亮温图和采用HJ-1B卫星反演的温度图像正规化,利用量化等级体系对同一地区的亮温分布图和温度分布图进行划分,提出并采用间隙度指数对不同影像的高温区进行空间分布进行评价。实验结果表明:基于热红外影像的城市热岛空间分布比基于热红外影像反演的温度图的热岛空间分布更为集中,为研究不同影像之间的城市热岛空间分布提供了一种评价方法。     

改进支持向量机的高分遥感影像道路提取

针对支持向量机受分类数的限制在高分辨率遥感影像中无法直接获取高精度道路网信息的问题,该文提出一种新的混合的基于支持向量机的方法:首先,利用模糊C均值聚类方法将输入的遥感影像分为3类,以减少支持向量机的错分现象;其次,运用支持向量机将不同类别的像素分为道路类和非道路类;最后,应用马尔科夫随机场对分类结果进行噪声去除,并采用形态学进行后处理,进而得到精确道路网信息。实验结果表明:该算法不仅能够从高分辨率遥感影像中提取出道路网,而且精度优于直接使用支持向量机算法以及对比算法。     

一种优化的公共主影像选取方法

针对PS-DINSAR技术中公共主影像的选取问题,提出了基于测量平差理论的归化权值和的方法。该方法在综合相关系数方法的基础上,综合考虑了时间基线、有效空间基线和多普勒质心频率差的影响,利用平差的思想进行定权,来选择公共主影像。归化权值和的方法主影像的选择更加合理、可靠。基于ERS-1/2的影像数据进行实验的实验说明:该算法在主影像的选取上更加稳定,数据的统计特性也更优化,对PS公共主影像的优化选择有重要参考价值。     

中国版大洋洲地表覆盖产品研制

针对全球变化研究对大洋洲地表覆盖产品的需求,该文以2000年和2010年的Landsat卫星影像为数据源,提出了对大洋洲影像按照月份分组并进行样本采集与规则训练的方法,采用GLC树分类器进行自动分类,经过分类后处理和数据集成,完成了2000年和2010年两期、30m分辨率的大洋洲地表覆盖产品研制工作。利用高分辨率影像、实地采集照片等进行室内精度评定,该大洋洲地表覆盖产品的精度达到90%以上。     

顾及拓扑与尖角的分类矢量数据分组压缩算法

针对现有拆分重组法对存在复杂内环以及复杂相交岛屿多边形的分类矢量数据的压缩结果中包含裂缝、重叠及大量尖锐夹角的问题,提出了一种顾及拓扑一致性与尖角的分组压缩方法。依据分类矢量数据中多边形与多边形及其内环的相交关系对矢量矢量数据分组,以修正后拆分重组法结合直接分割法和间接分割法对分类矢量数据分组压缩,压缩结果中不存在裂缝与重叠现象,维护了分类矢量数据的拓扑一致性;通过取回尖角点前后被删除的点,解决了压缩结果中尖角过多的问题。以Landsat8遥感影像分类矢量数据实验验证了文章算法,并与直接分割法、间接分割法、拆分重组法进行了对比分析,验证了本文方法的有效性。