SAR图像点目标检测新方法

分析了2L-IHP目标检测算法,提出了一种基于幅度和相位信息的SAR图像目标检测方法,实现了SAR图像中人工目标的有效检测.     

城市框架数据的更新模式及应用研究

分析了利用竣工测量数据、VRS技术及高分辨率影像更新城市框架数据三种模式的可行性,给出了适合青岛地区框架数据的更新方案.     

一种基于亮度调制的多源遥感影像融合方法

分析了基于亮度调制的多源遥感影像融合方法,利用HIS变换和àtrous小波变换,根据逐步对亮度分量进行调制的思想,实现了武汉城郊地区SPOT、TM和ENVISAT SAR影像的融合,使融合影像在保持光谱信息、提高空间分辨率和增强纹理信息方面取得了较好的效果,有利于目标判读和影像分类等后续处理.     

基于物方影像匹配的DEM聚类变化检测

提出了DEM的变化检测问题,采用了基于密度的聚类分析方法对匹配所得的初始变化区域进行分析,实现了地表高程变化区域的检测.     

基于时刻独立脉冲耦合神经网络的高空间分辨率摇感影像分割

高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点.时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果.本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析.结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景.     

基于蚁群智能的遥感影像分类新方法

智能式遥感分类是遥感研究的新热点.提出了一种基于蚁群智能规则挖掘(ant-miner)的遥感影像分类新方法.遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差.而ant-miner算法中的信息素是基于规则整体性能的,信息素的动态更新能有效地处理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误.因此,蚁群智能算法应用于遥感分类具有一定的优势.将该方法用于广州市地区的遥感影像,取得了较好的分类结果.并与See5.0决策树方法及最大似然方法(MLH)进行了对比研究,实验结果表明,蚁群智能算法分类精度比后两者的分类精度更高.     

遥感影像特征提取与选择及在影像分类中的应用

利用模式识别中特征提取和特征选择的相关理论对遥感影像的纹理特征进行遴选和变换处理,得到描述纹理的二次特征。实验证明这些新特征能够提高影像分类精度和分类效率。     

基于遥感影像理解模型的土地利用时空变化监测——以龙口市为例

本文从遥感影像理解模型出发,探讨了遥感信息的知识发现及特征提取问题,特别针对士地利用研究领域,提出了纳入GIS信息的遥感影像综合理解模型,将GIS数据(主要包括高程和坡度)与遥感影像结合起来,从中发现知识,并将知识用于遥感影像的专题信息提取,建立了地学规律知识库,从而提高了遥感影像的分类精度。本文基于遥感影像理解模型,发现土地利用变化区域,提取变化信息,动态地监测了龙口市土地利用的时空变化情况。     

基于LBV变换的遥感影像多步骤分类法研究

面对与日俱增的遥感数据,如何快速准确地进行影像分类成为遥感领域亟待解决的问题。本文在前人的基础上提出了一种基于LBV变换的遥感影像多步骤分类方法。L:地物的总辐射水平,集中反映了裸地的信息;B:地物的可见-红外光辐射平衡,是地面水分状况和水体存在的一个良好指标;V:地物辐射随波段变化的方向和速度向量,能集中反映地面植被状况。多步骤分类法遵循由易到难的原则,能克服类别之间的互相影响,从而提高分类精度。文章结合LBV变换和多步骤分类法的优点对影像进行了分类,结果表明该方法简单易行,且能达到良好的分类精度。     

基于人机交互技术的ETM+影像岩性信息提取方法研究——以康恩纳德斑岩铜矿床为例

随着遥感应用技术飞速发展,及近年来高分辨率传感器的不断出现,人们对遥感影像的数字化处理也有了长足进步.但在遥感地质方面,由于"同物异谱"和"同谱异物"现象广泛存在,使计算机自动提取遥感影像上的岩性信息出现较大误差.完全人工解译虽准确率较高,但速度慢,如何将计算机自动提取与人工解译有效结合起来是本次研究的重点.文章以康恩纳德斑岩铜矿床地区ETM 遥感影像为数据源,以计算机自动提取与人工解译相结合,根据已有地质资料,对该区ETM 遥感影像进行岩性信息提取.通过在包古图地区对提取模型进行验证,结果表明两者相互结合可以大大提高识别精度,为进一步地质工作提供良好的遥感信息.