端元光谱自动提取的总体最小二乘迭代分解

根据总体最小二乘(total least squares, TLS)模型理论,提出了一种影像端元光谱可受噪声污染的混合光谱线性扩展模型,并实现了该模型的端元光谱自动迭代提取以及混合像元的限定性分解.实验结果表明,扩展的混合像元分解模型明显优于传统的最小二乘分解模型,总体精度大约提高了10%～20%.     

纪伊半岛地区植被净初级生产力的遥感应用研究

在高光谱数据模式分解方法(PDM)的基础上,建立了一种新的植被指数(VIPD)。根据地面植被光合成实验,建立了有效光合成曲线植被净初级生产力(NPP)遥感估算模型,利用2001年各月份的MODIS影像数据,估算得到纪伊半岛地区的各类NPP。研究发现,该地区的温带常绿林NPP年均值与2001年IPCC调查报告和地面实测得到的估算值在误差范围内一致。实验证明,该光合成曲线NPP估算模型能够有效地利用高光谱数据,且能较好地应用于温带植被研究。     

基于高光谱卫星遥感数据的UPDM分析方法

提出了一种用于处理多高光谱卫星数据的UPDM分析方法。研究结果证明．该方法应用干Landsat／TM(ETM^-)、Terra／MODIS和ADEOS—II／GLI等高光谱卫星传感器时．光谱重构均方根误差小于0．029适用于研究高光谱卫星遥感数据。     

鄱阳湖地区土壤,植被光谱混合模型的研究

本文针对鄱阳湖地区的土壤、植被的特点设计了一套非线性混合光谱模型、较好了地预测了实际的混合光谱，从预测精度上看，要优于传统的线性混合光谱模型。     

鄱阳湖地区土壤,植被光谱混合模型的研究

本文针对鄱阳湖地区的土壤、植被的特点设计了一套非线性混合光谱模型、较好了地预测了实际的混合光谱，从预测精度上看，要优于传统的线性混合光谱模型。     

遥感数据融合的进展与前瞻

数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。     

基于局域自适应信息理论测度学习的高光谱目标探测方法

传统基于信号检测的目标探测方法需要依赖特定的统计假设,只有在符合条件的情况下才能取得较好的目标探测结果。为了克服这一缺陷,提出了一种基于局域自适应的信息理论测度学习方法。首先将信息理论测度学习方法作为目标主函数,然后加以局域自适应决策法则进行约束,自适应地减小相似样本对距离,增大不相似样本对距离,使得在考虑阈值的同时兼顾测度学习前后距离的改变情况来进行目标探测决策,从而更好地实现目标探测。实验证明,该方法与其他经典目标探测方法或测度学习方法相比,可以更好地实现目标与背景分离,能够更有效地对高光谱影像数据进行目标探测。     

影像超分辨率重建技术在遥感中的应用

影像超分辨率重建是通过对多幅具有互补信息的低分辨率影像的处理,重建一幅高分辨率影像的技术,其在视频监控、医学诊断、遥感监测等领域具有很大的应用价值。以SPOT5和ADS40为例阐述了超分辨率重建技术在遥感观测系统中的应用现状,并给出了一种应用于多时相遥感影像处理的超分辨率重建方法。     

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。     

一种自适应匹配子空间亚像元目标探测方法

为了克服基于线性混合模型的高光谱遥感影像亚像元目标探测方法的缺陷, 提出了一种基于全限制性线性分解的自适应匹配子空间探测方法。首先利用交叉相关光谱匹配技术求得各个像元所含端元类别信息, 然后根据端元类别信息和全限制性分解的结果构造自适应匹配子空间探测算子, 利用端元类别信息在探测中动态选择端元, 降低端元数目估计偏差对探测结果的影响, 提高探测器对目标与背景的可分性。实验证明, 该方法与其他基于线性混合模型的亚像元目标探测方法相比, 可以更好地克服端元数目估计偏差对探测结果的影响, 无论是端元个数低估还是