基于Landsat-8/TIRS的红沿河核电基地海表温度反演算法比对

文章以红沿河核电基地周围海域为研究区,利用Landsat-8热红外遥感影像(thermal infrared sensor,TIRS),分别对辐射传输方程法、单窗算法、普适性单通道法和Qin劈窗算法等四种算法进行海表温度反演模型参数修订与数据处理。通过与实际观测温度数据进行精度验证与比对分析,寻求基于Landsat-8/TIRS数据的区域最佳温度反演算法。结果表明,辐射传输方程法均方根误差在1K以内,反演精度最高;Qin劈窗算法次之,均方根误差达到3K左右,反演精度较差,整体反演温度偏高;单窗算法和普适性单通道法均方根误差高于3K,反演精度最差,整体反演温度偏低。辐射传输方程法可作为红沿河核电海域温排水遥感监测首选算法。     

高光谱图像无监督分类的非线性特征提取器

高光谱图像的数据维数高、数据量大、数据间高度冗余等特点给图像分类带来困难,为进行有效降维、提高分类精度,提出以曲线距离分析作为非线性特征提取器、以独立分量分析的混合模型作为分类器的高光谱图像无监督分类的新方法。利用该方法对来自空载可见光/红外成像光谱仪的高光谱图像进行无监督分类,用分类精度对分类效果进行评价。实验表明,用本文提出的方法得到的分类精度高于传统分类方法得到的分类精度,说明了CDA方法在高光谱图像特征提取方面的有效性。     

一种卫星多光谱图像亚像元波段配准精度自动评价方法

多光谱图像波段配准精度是多光谱影像数据的一项重要指标。文章实现了一种基于相位一致特征的多光谱图像亚像元波段配准精度自动评价方法。通过对CBERS-02B卫星CCD多光谱图像波段配准精度自动评价,表明该方法对于亮度和对比度具有不变性,能均匀稳定提取多光谱数据不同波段影像大量同名特征匹配点,自动给出影像的不同区域的亚像元配准精度,实现对整景影像数据的较为完整准确评价。根据评价结果进行了地面处理系统校正,使行列方向除局部区域外均达到配准精度。     

基于DJI精灵4多光谱版无人机的红树林精细分类

本文基于DJI（大疆）精灵4多光谱版无人机能够同时获取地表可见光照片和多光谱影像的特点，提出了使用摄影测量技术构建冠层高度模型（CHM）的方法，并结合多光谱影像应用于红树林分类。将上述方法应用于广东省湛江红树林国家级自然保护区高桥镇研究区，结果表明：基于无人机摄影测量技术构建的红树林CHM与多光谱影像结合后能够大幅提高红树林的分类精度，可替代传统的机载激光雷达数据；DJI精灵4多光谱版无人机数据获取效率高，能够实现高精度的红树林分类，在红树林监测业务工作中具有推广应用价值。     

特征选择的全极化SAR影像面向对象土地覆盖分类

全极化SAR数据信息丰富,仅利用单一的极化特征和基于像元的分类很难得到较好的分类效果。因此,提出了全极化数据特征优选结合面向对象方法进行土地覆盖分类。以云南西双版纳州勐腊县和普洱市思茅区的Terra SAR-X的X波段全极化雷达数据为信息源,首先对全极化SAR数据进行预处理,提取研究区Pauli RGB图像后,利用影像分割技术对Pauli RGB图像进行分割,作为分类的基本单元;然后对SAR影像提取极化分解特征和Span影像的纹理特征,选取最优特征集合;最后利用面向对象模糊分类方法进行土地覆盖分类,并采用实地调查数据对分类结果进行了精度评价。试验结果表明,面向对象方法可以很好地去除噪声的影响,最优组合的特征波段使得分类结果更加精确。西双版纳州勐腊县总体分类精度达到88.5%,普洱市思茅区总体分类精度达到86.8%,较之H/A/α-Wishart分类方法精度提高了40%以上。     

“资源一号”02C卫星PMS数据融合方法比较研究

遥感影像融合方法可以分为空间域、分量替换、多尺度分析三类。文章从空间域方法中选择Brovey比值法和高通调制滤波法,从分量替换方法中选择色彩变换法,从多尺度分析方法中选择梯度金字塔法,使用这四种常用的融合方法对"资源一号"02C卫星全色/多光谱相机(panchromatic and multispectral sensor,PMS)数据进行了融合处理试验,并从主观评价和定量分析两个方面对融合效果进行了综合评价。结果表明:与PMS数据中的全色高分辨率影像相比,四种方法均可以增加融合后影像的光谱信息;与PMS数据中的多光谱低分辨率影像相比,四种方法均可以增加融合后影像中的空间细节信息。其中,梯度金字塔法在亮度信息、信息量和清晰度方面明显优于其它三种方法,但是较多地丢失了PMS数据中多光谱图像的光谱信息,光谱保持能力较差。色彩变换法可以很好地保持PMS数据多光谱影像的光谱信息,光谱扭曲度较小,但是亮度信息和清晰度表现能力一般。     

基于几何定位一致性的星载多光谱影像配准精度分析

多光谱影像波段配准是高分辨率光学遥感卫星多光谱相机数据预处理的关键环节,其配准精度直接影响影像产品的融合、解译等应用。文章首先从理论上深入分析了影响基于几何定位一致性多波段配准方法精度的因素,然后利用"资源三号"(ZY-3)卫星多光谱相机影像数据,并结合像方配准方法进行了对比实验验证。实验结果表明,当平台无震颤或存在微小震颤时,基于几何定位一致性多波段配准方法精度优于0.2像元,能满足高分辨率遥感卫星多光谱影像高精度配准需求。     

旋转森林算法在GF-2卫星影像土地利用分类中的应用

"高分二号"(GF-2)卫星影像中精细的空间信息可用于高精度的土地利用分类研究。为了获取基于GF-2卫星影像土地利用分类的最优特征空间,以及将旋转森林算法应用于提高遥感影像分类精度中,文章利用GF-2卫星影像数据,基于光谱特征(4个多光谱波段和1个全色波段)、指数(植被指数、水体指数及简单比值指数)和变换成分(主成分、最小噪声分离成分与独立成分)构建特征空间,应用基于决策树的旋转森林算法构建面向对象的分类规则集,进行土地利用分类,并与最近邻和决策树算法的分类结果对比分析。结果表明,结合光谱特征、几何特征和纹理特征,采用旋转森林算法得到的分类总体精度为84.85%,Kappa系数为0.819;引入指数、变换成分后分类总体精度提高4.90%,Kappa系数提高0.058;相比于最近邻分类器和决策树分类器,结合旋转森林思想的决策树分类器总体精度分别提高11.97%和15.44%,Kappa系数分别提高0.142和0.184。研究结果可为中国高分辨率卫星影像的信息提取及基于旋转森林算法的土地利用分类研究提供参考。     

“高分二号”卫星多光谱与全色影像配准策略

"高分二号"(GF-2)卫星能够提供空间分辨率优于1m的全色影像和优于4m的多光谱影像,可以作为高精度土地基础数据采集的影像数据源之一。针对多光谱与全色影像配准精度对后续数据处理和应用影响较大的问题,文章分别采用原始多光谱与全色影像的自动配准和纠正后配准两种方法,对比不同策略的配准精度,结合土地资源遥感调查监测的相关技术规程,形成GF-2卫星多光谱与全色影像配准策略。对10景山区和平原区完整景GF-2卫星影像进行了试验,结果表明,原始多光谱与全色影像自动配准方法不仅能保证配准精度,而且能缩短影像预处理完成时间,是规模化数据应用中较好的配准策略。     

基于深度学习特征提取的遥感影像配准

传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。     

“高分二号”卫星影像融合方法对比和评价

由于融合处理方法的原理以及获取影像的传感器特性不同,目前尚没有某种融合方法能适用于所有类型的影像。为了探究适用于"高分二号"(GF-2)卫星影像的融合方法,文章以GF-2卫星影像全色与多光谱数据为数据源,采用Brovey、PCA、GS、HPF、NNDiffuse五种融合方法对全色和多光谱数据进行融合处理,以主观评价和定量分析相结合的方式对影像融合结果进行综合对比和评价。试验结果表明,HPF变换法的融合影像光谱畸变最小,光谱信息保持最好;NNDiffuse变换法的综合效果最好,其在可见光波段的融合效果方面很突出;而在近红外波段的融合上,可以考虑PCA法和GS法。文章的研究成果可对GF-2卫星影像数据的融合处理及应用提供参考。     

改进粒子群算法优化SVM参数的遥感图像分类

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的搜索性能,能够寻找更佳SVM分类器参数,获得较高的分类精度。     

基于改进Hough算法的高光谱数据直线检测方法研究

为改进用于高光谱数据直线检测的传统Hough算法的计算量大、性能较低等不足,对一种基于改进Hough算法的检测方法进行了研究。用能反映地物信息体量的峰值信噪比选择波段,选出10个波段图像,既减少了输入波段数,又确保后续识别能考虑所有波段的光谱信息。对光谱相似性测度进行了改进,采用光谱信息散度与光谱角制图法混合度量(SID-SAM)检测图像边缘轮廓,获得特征点。再仿照传统Hough算法进行直线检测以得到结果。给出了算法的处理步骤,算法适于二维图像和高光谱图像的处理。实验检测结果表明:对二维图像,改进Hough算法识别出的直线数量远多于传统Hough变换,且提取的直线精度和完整性均有较大改善;对高光谱图像,与二维Hough算法相比,改进Hough算法所获结果的置信率高、准确性好,不仅可提高提取直线的完整性,而且能检测到前者无法检测到的部分。     

基于U-net的"高分五号"卫星高光谱图像土地类型分类

"高分五号"卫星是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星,对于土地利用类型分类具有重要的应用价值,如何利用深度学习技术开展高光谱图像分类是当前研究的热点问题。深度学习中的语义分割方法在地面场景的图像中已经获得较好的应用,但是对于高光谱遥感图像的精度和适用性较差,无法准确获得精确的分类结果。文章采用U-net模型开展高光谱土地利用类型分类研究,首先基于"高分五号"卫星高光谱数据,构建样本数据集,然后训练分类模型,进行土地利用类型分类,探讨语义分割方法在高分五号高光谱数据上的应用能力。结果表明,采用深度学习中的语义分割方法能够有效提高精度水平,U-net模型的整体分类精度为0.9357,Kappa系数达到0.92,均高于SVM方法和CNN方法。采用深度学习中的语义分割方法,可以为"高分五号"高光谱数据的土地利用分类提供技术支撑,有效提升"高分五号"卫星的应用能力。     

基于“高分四号”卫星影像洞庭湖湿地信息提取

文章以"高分四号"卫星数据为数据源,以湖南洞庭湖区域为主要研究区域,建立了洞庭湖三级湿地分类系统(主要包括:水体、草滩地、泥滩、耕地、林地、裸地六类),分别使用最大似然法、支持向量机法以及神经网络法对洞庭湖湿地进行遥感信息提取。结果显示,在三种不同的遥感分类方法中,最大似然法分类精度相对较高,总体精度为77.14%,Kappa系数为0.592 9。研究发现:"高分四号"卫星影像具有良好的湿地类型信息提取能力,采用最大似然分类方法可以较好的进行大区域湿地类型信息的提取。     

应用Landsat-8卫星遥感图像的青海地区土壤分类研究

遥感技术的迅速发展和应用,为土壤分类提供了新的技术与数据支持,文章提出一种利用陆地卫星-8(Landsat-8)遥感图像的土壤分类方法,用于青海地区土壤分类,所提取的特征包括4种,即基于遥感图像的变换特征、指数特征、纹理特征和基于高程图像的地形特征,通过随机森林方法实现土壤分类。文章首先提出2个基于遥感图像的纹理特征——熵与平滑度,从中国土壤数据集中自动提取了16 444个数据点,并在试验中采用,充分验证了此分类方法的有效性。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

“高分二号”卫星数据面向对象的海岸线提取法

"高分二号"(GF-2)卫星的成功发射是中国遥感事业发展的重大突破,标志着中国遥感卫星进入亚米级时代。由于兼具高辐射精度、高定位精度和快速机动能力等特点,GF-2卫星数据应用于海岸线提取将极大提高提取的精度和速度。现有的遥感解译海岸线方法主要有阈值分割法、边缘检测法、区域生长提取法、神经网络法和面向对象法等,其中面向对象法是一种新兴的遥感图像解译方法,该方法通过对影像的分割,使同质像元组成大小不同的对象,从而实现较高层次的遥感图像分类和目标地物提取。文章以深圳大鹏半岛GF-2卫星数据为例,通过对影像进行正射校正、配准、融合和裁剪等预处理,再采用面向对象方法对海岸线进行了提取,并对入海河流河口处的海陆分界线划分进行了初步研究。研究结果表明,将海岸线提取结果与GF-2卫星遥感影像叠加进行验证,结果可靠,且所耗时间短,效率高。     

基于多层次特征的高分影像海岸带地物分类

针对高分辨率影像地物光谱丰富复杂的问题，文章提出了一种结合像元-对象-空间格局特征的水域、盐田等海岸带精细地物分类方法。首先基于像元和空间格局特征分别利用遗传算法优化随机森林参数进行分类；其次将两种分类结果采用D-S证据理论融合；然后基于不同地物斑块的空间上下文信息，采用粒子群算法优化支持向量机（Support Vector Machine，SVM）参数实现面向对象的二次分类。为验证方法的有效性，收集山东省莱州湾海岸带附近区域的“高分二号”卫星影像，开展了水域及水利设施用地、盐田、工矿用地、交通运输用地、住宅用地、沿海滩涂、海域与耕地8类地物的分类实验，总体精度达到97.21%，Kappa系数为0.964 2。实验结果表明，文章提出的高分影像海岸带地物分类方法兼顾像元、对象及空间格局特征优点，能够实现多层次细致分类，并同时兼具较短的训练时长与较高的分类精度。该研究成果可为中国海岸带生态环境监测与土地利用规划提供一定技术支撑。     

中巴地球资源卫星数据在毛乌素沙漠生态环境监测中的应用

以2001年中巴地球资源卫星(CBERS-1)影像为主要数据源，对毛乌素沙漠生态环境重点建设区宁夏盐池县进行了生态环境遥感动态监测的应用研究。通过与2000年Landsat-TM／ETM 数据在信息(影像)特征、识别效果、分类精度等方面的对比，分析了一年来土地利用与土地覆盖的变化，并就CBERS-1的数据质量、精度及其在西部生态环境建设中的应用潜力做出了客观评价。