洪水预警监测和损失评估系统的设计与应用

介绍了遥感(RS)和地理信息系统(GIS)技术在防洪领域的应用,提出了洪水预警监测和损失评估系统的设计原则,并根据面向对象的思想设计系统的各功能模块,实现数据管理、影像处理、空间分析和模拟输出的功能。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中,受到多种因素的影响,会含有各种噪声而降质.文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上,提出了一种自适应加权的遥感图像去噪滤波方法.该算法针对噪声图像上每一点,应用自适应加权算子,对于不同的图像区域,算子自适应地进行窗口大小和输出像素值的改变.试验证明,该方法优于传统的去噪滤波算法和AMF滤波算法,在滤除噪声的同时尽可能地保留了图像细节,对于遥感图像去噪增强具有很好的效果.     

基于无人机遥感的河流阶地提取

河流阶地记录了河流演变过程中因构造抬升或气候变化引起的侵蚀基准面变化的信息,阶地的提取与划分对于新构造研究与古气候重建有着重要的意义,在分析传统阶地提取方法不足的基础上,提出了一种利用无人机遥感进行阶地提取的新方法.该方法利用无人机航拍影像和高精度地面控制点,通过基于计算机视觉的多视立体运动恢复结构(structure from motion with multi-view stereo, SfM-MVS)技术自动生成研究区高分辨率的正射影像和数字表面模型(digital surface model,DSM),在此基础上根据河流阶地的几何特征,利用高程、坡度及影像灰度等统计量实现阶地信息的提取.利用这一方法对汉江支流蛮河下游河段的阶地进行了提取试验.结果表明,该方法能够提取到两级河流阶地和一级河漫滩信息,提取结果与野外实测结果有较好的一致性.与传统阶地提取方法相比,该方法具有精度好、效率高、可视化效果全面直观等优势,显示出无人机遥感在河流地貌学研究中的巨大优势和广阔应用前景.      

高分辨率遥感影像在新疆塔什库尔干地区沉积变质型铁矿勘查中的应用

采用Worldview-2、Quickbird高辨率分数据及Aster数据,开展了新疆塔什库尔干地区的沉积变质型铁矿遥感综合研究工作。在对研究区开展高分辨率遥感影像特征、遥感异常等成矿信息综合分析的基础上,以老并一赞坎铁矿区为例,建立了区域沉积变质型铁矿的遥感找矿模型,并利用该模型选择塔萨拉地区作为成矿有利地段进行了深入细致的研究,圈定了塔萨拉地区矿化蚀变带的分布范围。研究成果表明在布伦阔勒岩群南部的塔萨拉地区具有较好的寻找沉积变质型铁矿的前景。     

基于规则替换法的多源遥感数据地表覆盖信息提取

为了更加有效地利用海量多源遥感数据提取地表覆盖信息,根据多源遥感图像决策级融合技术原理,提出了基于规则替换法的信息复合方法。通过对三江平原典型内陆淡水湿地的分类实验,验证了该方法的可行性与适用性,从而为地表覆盖状况调查及监测提供了一种新的技术方法。     

面向地学应用的高光谱遥感器指标体系设计

高光谱成像技术在地物精确分类上的巨大优势, 使其成为地学遥感领域的热点与主要技术手段.为确定适合地学应用的高光谱遥感器的指标体系, 分析了地学应用的需求, 以及高光谱传感器各指标之间的"约束"关系, 包括空间分辨率、光谱分辨率、幅宽以及信噪比等.提出了高分辨率与宽幅高光谱遥感器的指标体系, 利用宽幅高光谱数据与高分辨率高光谱数据, 可同时满足大范围调查以及重点区域详查的地学应用需求, 为未来地学应用高光谱遥感器的体系化发展提供了参考和支持.      

高分辨率遥感影像在岩墙地质体信息提取中的应用

高分辨率遥感影像可明显表现地物的几何结构和纹理特征,从而使得在较小空间尺度上观察地物细节变化、进行大比例尺遥感制图成为可能。利用高分辨率QuickBird遥感影像,对新疆巴楚县麻扎尔塔格山地区的岩墙进行计算机辅助地质解译,共获得1227条岩墙。结合GIS空间分析方法获得了解译岩墙长度、走向分布等特征。结果表明:该地区76%的解译岩墙走向为NNW(135°~180°);QuickBird能够满足1∶2.5万地质调查的要求;通过地质分析综合解译结果获得了麻扎尔塔格岩体内部存在发育岩墙、岩墙形成应晚于内部的正长岩体的新认识。探讨并验证了高分辨率遥感影像在中小规模地质体解译中的可行性和有效性。     

基于TM影像属性和形态特征的土地覆被制图方法

本文以浙江省中南部地区不同时相30m分辨率的2景TM影像为基本数据,采用面向对象的方法实现了研究区的土地覆被制图。首先,在eCognition软件中采用多尺度分割算法,以光谱信息、纹理特征、几何特征等实现研究区的对象分割,使分割后的对象边界与实际地物边界尽量保持一致,通过建立多层次地物特征规则,进行最优分割尺度下的遥感多层次识别分类;然后,分析可用于分类的属性特征和形态特征,通过对这些特征的统计值对比分析,选取了对象的紧致度、长宽比、MNDWI、LBV等特征构建了决策树模型,实现了研究区1：25万的土地覆被分类;最后,采用目视解译和野外样本2种方式对分类结果进行精度验证,其中,目测随机样点评价得到的总体精度为87.66%,野外样本点评价得到的总体精度为83.38%。研究表明：面向对象的分类方法不仅具有较高的精度,而且图斑与实际地物边界能较好地吻合,很好地避免了混合像元误分的现象,同时能消除像元分类的“椒盐现象”。     

基于核空间的多光谱遥感图像分类方法

提出了多光谱遥感图像分类方法中解决非线性问题的一种思路。通过引入核空间理论,将在输入空间中不能线性分类的问题映射到一个可以进行线性分类的高维空间,并利用核函数避免了在高维空间中运算的复杂度,较好地解决了非线性分类问题。利用这种思路,本文对一种比较简单的分类算法———自适应最小距离分类方法加以改进,并将其应用于多光谱遥感图像的分类中,提出了一种核函数的选择策略。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。