基于HY-1C卫星的呼伦湖蓝藻遥感监测及对比研究

随着全球变暖以及人类活动加剧,呼伦湖已经连年夏季暴发藻华,破坏湖泊生态。海洋一号C(HY-1C)卫星作为中国首颗海洋水色业务卫星,搭载的海岸带成像仪(CZI)在水体环境监测中正发挥越来越重要的作用。随着搭载有相同传感器的HY-1D卫星发射,双星组网观测,可形成3天两次高频次、大范围的观测能力,尤其在水体漂浮藻类等目标探测方面具备优异的效能。本文基于2022年7月19日的HY-1C卫星CZI载荷数据,计算VB-FAH指数来检测藻华,并结合OTSU阈值分割算法对呼伦湖蓝藻暴发进行遥感识别。主要结论如下:结合目视解译结果,对自动分类结果进行精度评价,其中精度指标最高的仅相差2.53%,最低的相差7.60%,总体情况较好;对不同影像分割方法进行对比,其中OTSU阈值分割算法和K-Means算法结果几乎一致,LVQ算法结果差异较大。     

多源高空间分辨率遥感图像平差方法

多源高空间分辨率遥感图像的综合分析处理对地表测绘、灾害应急响应、军事侦察等领域具有重要意义,而如何获取较高精度的地面点坐标是多源遥感图像综合分析与应用所需解决的首要问题.为解决该问题,在有理多项式系数(rational polynomial coefficient,RPC)的理论框架下,构建了基于RPC的多源遥感图像平差模型,用于改正初始RPC模型的系统误差,以得到较高精度的定位结果.为验证本文提出的平差方法的正确性,采用IKONOS和GeoEye-1全色立体像对进行了联合平差试验.结果表明,基于RPC的多源遥感图像联合平差模型是正确的,对控制点依赖较少,定位精度较单源立体像对平差的定位精度高,具有较大的应用潜力.     

基于极大似然估计采样一致性准则的遥感影像配准参数解算方法研究

本文提出运用最大似然采样一致性准则解算遥感影像配准系数的方法。该方法基于极大似然估计理论,首先对初始匹配点的坐标残差进行概率建模,计算概率模型成立时的似然函数值并选择似然函数值最大时的参数为正确结果,最终剔除错误点保留正确匹配点。该方法较之传统的最小二乘方法更为准确地计算配准系数,并可以解决随机采样一致性准则解算配准参数时,对阈值的依赖问题。试验证明,该方法可提高配准参数解算的稳健性和精度。     

基于深度学习的西沙永乐群岛珊瑚礁遥感信息提取

珊瑚礁是海洋生态系统的重要组成部分,对保护海洋生物多样性以及维持海洋生态平衡具有重大意义。我国南海珊瑚岛礁自然资源丰富,准确、高效地提取珊瑚岛礁信息对南海岛礁监测、管理、规划与保护具有现实意义。本研究基于我国海洋一号C卫星(HY-1C)遥感数据,对西沙永乐群岛珊瑚礁信息进行了研究与分析,提出基于HY-1C遥感数据的珊瑚礁地貌分类体系。采用全卷积神经网络U-Net模型,依次通过下采样、上采样操作提取西沙永乐环礁地貌特征,实现原始影像的像素级语义分割。结果表明：基于HY-1C数据建立的地貌分类体系对活珊瑚覆盖及珊瑚生长发育条件具有指示作用,提出的基于U-Net模型的珊瑚岛礁地貌信息自动提取方法,能够为我国南海珊瑚岛礁生态系统的全自动、大范围监测和评价提供相应理论基础,在珊瑚礁生态管理与评价中发挥关键作用。精度验证结果表明：U-Net模型可以有效提取珊瑚礁地貌信息,采用的地貌信息提取方法具备时空泛化能力,泛化精度高于80%。     

基于混合高斯密度模型和空间上下文信息的遥感影像变化检测方法及扩展

在运用混合高斯密度模型对差分影像建模的基础上,分别采用顾及上下文信息的概率松弛迭代法和马尔可夫随机场模型法进行影像的变化检测.首先,提出一种运用遗传K均值算法与EM算法联合解算高斯混合密度模型参数的方法,该方法可以自动地解算出模型的统计参数,结果与手工选择样本的解算结果完全一致.然后,比较概率松弛迭代法以及马尔可夫随机场模型法的影像变化检测效果,得出基于模拟退火法的马尔可夫随机场法效果较好的结论.最后,对传统的基于模拟退火法的马尔可夫随机场方法进行改进,提出了一种变权马尔可夫随机场方法,检测结果能更好地保持影像的结构性,并有效去除了孤立噪声.     

遥感物理教学内容设计与探讨

分析了目前国内遥感物理本科课程的开设情况及存在的问题,针对遥感科学与技术本科专业的培养目标,并考虑与后续课程的联系,对遥感物理教学内容进行了设计与探讨。     

基于边缘特征匹配的遥感影像变化检测预处理方法

提出了一种基于边缘特征匹配的遥感影像变化检测预处理方法，在进行不同时相遥感影像配准时，一并解求两期影像的辐射校正系数，同时实现两期影像的配准和辐射校正。实验表明，经预处理后，两期影像的色调基本一致，地物没有明显的几何变形。     

一种运用纹理和光谱特征消除投影差影响的建筑物变化检测方法

针对不同时期高分辨率遥感影像变化检测中城区建筑物因投影差差异所产生的误检测现象,提出了一种综合应用光谱和纹理特征的建筑物变化检测方法。以变化和未发生变化地物影像的散度作为可分性依据,首先对光谱差分影像在混合高斯密度模型下建模,并采用马尔可夫最小错误概率准则提取初始变化区域,往往含有错判的建筑物。然后将误判建筑物影像类和真实变化影像类构成训练集,通过引入多通道Gabor滤波器,提取训练集的纹理差分特征,并采用分类别PCA变换实施纹理差分特征的选择。最后对选择出的纹理差分特征依据高斯混合密度模型建模,并用马尔可夫最小错误概率提取真变化区域,即可去除光谱信息检测所产生的伪变化。试验表明,本文方法能够较好地解决建筑物变化的错判问题,提高了影像变化检测的精度。     

顾及上下文信息的混合广义高斯密度模型遥感影像分类方法研究

提出了一种基于混合广义高斯密度模型(generalize Gaussian mixture model, GGMM),并顾及影像上下文信息的遥感影像分类方法.试验结果表明,该方法具有较强的鲁棒性,分类精度较传统的分类方法要好,在细节保持方面,较某些尺度上的面向对象的分类方法要好.     

基于MODIS影像的森林火灾火线检测方法

结合归一化火灾差异指数NDBR(normalized difference burn ratio)和MODIS多波段影像梯度边缘分析手段检测火线, 应用B样条函数拟合火线并确定火势蔓延方向。为对比验证, 基于火线的Kriging插值实现火灾外推预测, 与30min后的火灾参考数据目视对比与统计：火线的预测变化与参考影像基本保持一致, 火灾外推影像的均值和熵约为参考影像的86%和81%, 火迹地检测的Kappa系数达80.2%。试验表明, 提出的森林火线特征自动检测方法在动态火灾监测中是可行、有效的。