ASTER多光谱波段与SPOT全色波段融合方法研究

遥感图像融合可以发挥多源遥感数据的优势。但由于不同传感器的遥感数据有着不同的特征,不同数据所采用的融合方法也应不同。文章探讨了ASTER多光谱波段与SPOT全色波段数据融合的方法,通过对PCA融合、IHS融合和基于小波的IHS融合方法的对比研究,得出基于小波的IHS融合法在提高空间分辨率的同时较好地保持了地物的多光谱信息。     

像素级遥感图像融合方法研究

多传感器遥感图像融合按信息表征层次的不同,可以分为像素级融合、特征级融合和决策级融合。本文介绍了像素级层次上的多种遥感图像融合方法,阐述了其融合原理和实现过程,分析了它们适用性和优缺点,并给出了遥感图像融合的一般评价指标。     

基于数据融合与地图合并技术的行政区划图更新与数字重建

行政区划图是地学研究中最为常用的空间数据.针对吉林省近年来行政区划多有变更的实际情况.吸纳地图合并技术和多源数据融合思想,利用ETM遥感数据.地形图、行政区划图等地图数据.矢量行政区划图数据,国家行政区划代码等国家标准,以及地方志等文本数据等多类型数据为数据源.更新吉林省2004年县级行政区划图矢量数据,数字重建乡镇行政区划图,所得数据精度较高.本研究旨在为相关研究提供行政区划空间数据.拓展地图合并技术和多源数据融合思想的应用领域.     

DCT域遥感影像融合算法

提出一种基于离散余弦变换(Discrete Cosine Transform,DCT)与IHS变换的多光谱与全色遥感影像融合方法及其改进算法。本文方法依据DCT系数的特点在DCT域进行遥感影像融合,适合压缩格式的遥感影像快速融合。目视效果与客观评价表明,相比常用遥感影像融合方法,本文方法能在提高空间分辨率与保持光谱特性之间得到更好的折衷。     

Landsat7 ETM＋影像的融合和自动分类研究

利用SFIM、MLT、HPF和修改的Brovey(MB)等遥感影像融合算法对Landsat 7 ETM 影像进行融合和自动分类研究，并就融合影像的光谱保真度、高频空间信息融人度和分类精度对这些方法进行评价。结果表明SFIM变换几乎完全保持了原始影像的光谱特点，并具有最高的平均分类精度；MB变换具有最高的高频空间信息融人度；MLT变换也具有较高的分类精度；只有HPF变换的各项指标都不突出。所有4种融合影像的分类精度都较原始影像的分类精度有明显的提高。这表明，源于同一传感器系统的不同分辨率影像的融合可以避免异源传感器融合影像所常见的各种参数、时相和配准误差，所以能够明显地提高影像的自动分类精度。     

基于小波统计特性的遥感图像像素与特征联合最优融合方法

遥感影像的IHS融合方法由于匹配误差导致光谱畸变和退化,而小波变换在变换域具有良好的分频特性,小波系数的统计特性反映了遥感影像的边缘、线和区域等显著特征。提出了基于小波统计特性的遥感影像的像素和特征联合最优融合方法,在IHS空间,对强度分量I的高频部分利用多分辨率小波融合方法进行影像的高频细节特征融合,低频部分选取光谱信息和空间分辨率评价指标作为融合权系数求优指标,进行像素级最优融合,实验结果证明了该方法的有效性。     

国土资源行业“3S”技术集成研究及实用技术体系构建

本文面向国土资源信息化建设的实际需求,通过关键技术研究和技术集成,建立基于“3S”的国土资源数据获取、更新、管理、交换与应用的技术体系,通过应用示范研究,形成实用、可推广的技术流程和应用软件。研究结果表明,基于“3S”的技术体系,以其精确的空间定位、快速准确的数据获取、强大的数据管理能力,能够满足国土资源信息化建设的实际需要。     

我国低山丘陵区水土流失生态环境背景分析

我国是一个以山地为主的国家，山地多为大江大河的源头，而低山丘陵为这些大江大河支流的发源地，这些区域的水土流失必然会带来环境问题。本文以TM影象为数据源，以GIS为技术支撑，从DEM中获取低山丘陵层，以此为MASK层，提取水土流失及相应的生态环境背景各层，包括土地利用、坡度、年降水、积温、植被等生态背景层，这些背景层是多年数据的平均，然后把水土流失层与环境背景各层分别叠加，分析不同环境背景下水土流失状况，从而为治理水土流失提出科学依据。     

基于树结构的数字遥感图像存储方法与应用

数字遥感图像一般是采用栅格结构来存储。图像中地物的结构特征是隐含其中的。该文从图像识别角度，重点研究了基于树结构的数字遥感图像存储方法。这种方法与遥感中常用的四又树等存储方法不同，它注重图像中地物本身的结构特征。通过树结构使像元按地物目标形成一个个的组合体。该文以机场跑道识别为例，介绍了基于树结构的数字遥感图像存储方法的应用以及将图像变为树的算法。