环境减灾二号A/B卫星在森林树种识别中的应用

采用环境减灾二号A/B卫星数据,在福建武夷山国家公园和东北虎豹国家公园2个试验区开展森林树种识别的应用研究。分别提取2个试验区影像的光谱特征、归一化植被指数(NDVI)和基于主成分第一分量的8个纹理特征信息,采用支持向量机(SVM)和原型网络分类对森林主要树种进行识别,并利用验证样本进行精度评价。结果表明：在福建武夷山国家公园试验区,SVM和原型网络分类的总精度分别为86.37%和91.11%,Kappa系数分别为0.83和0.90。在东北虎豹国家公园试验区,SVM和原型网络分类的总精度分别为91.77%和91.34%,Kappa系数均为0.90。总体来说,环境减灾二号A/B卫星数据在2个试验区的主要树种识别精度较好,后续能较好地满足林业行业相关业务应用需求。     

GF-6卫星WFV数据在林地类型监测中的应用潜力

为了了解"高分六号"(GF-6)卫星宽视场(WFV)传感器1A级产品数据品质,评估新增4个波段在林地类型分类研究中的应用潜力,文章以内蒙古鄂伦春自治旗的秋季GF-6卫星WFV数据为对象,开展了绝对定位精度的测试,并应用随机森林方法进行了林地类型分类研究。结果表明,GF-6卫星的WFV平原区数据几何畸变较小,无控制点有理多项式系数校正后图像配准的中误差在1个像元之内,有助于降低遥感技术应用的门槛,提高工作效率。新增的红边1、红边2、黄边波段对林地类型分类影响显著,整体分类精度从74%提高到80%以上,紫边波段对于森林类型分类也有所贡献。因此,GF-6卫星WFV的8波段多光谱遥感数据对中国大尺度森林资源、森林灾害等的宏观动态监测具有重要意义和极大应用潜力。     

“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。     

改进的光谱角法在Landsat-8 OLI影像土地利用分类中的应用

文章对光谱角法分类的原理进行了阐述和分析,提出了一种结合图像分割算法改进光谱角法的影像分类方法,采用改进的光谱角分类方法以陆地观测卫星-8陆地成像仪(Landsat-8 OLI)遥感影像数据为数据源对武汉市武昌区的土地利用情况进行分类,并对分类精度进行了分析。研究结果表明改进的光谱角分类方法对于Landsat-8 OLI数据分类效果较好,提高了影像分类的精度。     

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。     

高分遥感影像林地资源信息提取方法研究

林地资源是森林资源的重要组成部分,在空气净化、自然防疫、制氧、气候调节等方面均具有重要作用。本文应用GF-1卫星数据,基于e Cognition软件平台,采用面向对象方法对廊坊市永清县2013年11月GF-1影像进行林地信息提取。通过多尺度分割试验确定最优尺度分割参数,结合影像地物纹理、光谱特征,采用模糊逻辑分类算法实现林地信息高效提取。     

GF-2卫星影像在土地变更监测中的适用性及潜力分析

为进一步推广国产卫星遥感影像数据在国土资源行业中的应用,针对土地利用监测与现状变更调查业务需要,探索"高分二号"(GF-2)卫星数据在土地利用动态监测与现状变更调查工作中的适用性及其潜力。以四川隆昌县金鹅镇为研究区,通过定性、定量评价原始影像数据质量,对比分析同级数据,结合多方法提取变更信息,从不同角度测试其变化监测能力。结果显示,GF-2卫星数据地物清晰,光谱信息丰富,目标解译性较好,影像效果优于"高分一号"(GF-1)和SPOT6数据;主成分分析法和光谱变异法的结合可快速发现影像上的变化信息,GF-2卫星影像能满足土地利用变更监测的需求,具有较大潜力及价值。     

“高分四号”卫星影像辐射与几何精度评价

"高分四号"(GF-4)卫星是中国首颗高分辨率静止轨道面阵凝视光学遥感卫星,载荷首次采用面阵CMOS探测器在36 000km高轨成像、基于面阵成像构建在轨相对辐射校正模型、面阵相机光学畸变在轨检校。文章首先分析了影响GF-4卫星影像辐射质量(quality,以下同)与几何精度的关键因素,然后介绍了高轨面阵成像处理模型的构建技术,最后分析评价了GF-4卫星影像的辐射质量、几何质量和处理精度。结果表明:GF-4号卫星全色多光谱影像的平均行标准差、平均标准差和广义噪声等相对辐射精度指标均优于3%,典型地物信噪比平均优于40d B。影像内部畸变在垂轨和沿轨方向均优于0.8个像素。     

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。     

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。     

"高分四号"卫星正射校正精度分析

探究"高分四号"(GF-4)卫星影像在无精确控制点情况下进行基于有理函数模型的正射校正时,地形因素、参考影像以及高程数据对其结果的精度影响,并给出最适合GF-4卫星正射校正的经验性结论;文章分别对不同地形、不同分辨率的Landsat8参考影像以及不同分辨率的DEM数据进行正射校正实验,并从自动生成的控制点个数以及均方根误差两方面进行了精度分析。结果表明基于有理函数模型的正射校正对于不同的地形有着不同的校正效果,山地整体效果上略好于平原与城市;参考影像的全色波段与GF-4卫星影像的空间分辨率比例在0.8～1.0之间时,正射校正效果最佳;DEM对于GF-4卫星影像垂直方向正射校正效果显著,且分辨率越高校正效果越好。GF-4卫星影像的正射校正精度高低不仅与自身图像所包含的地形地貌有关,而且其参考影像与DEM数据的分辨率也会对精度有影响,宜选用分辨率相近的参考影像以及较高分辨率的DEM数据参与GF-4卫星的正射校正。     

“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。     

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。     

基于传感器几何特性和图像特征的影像配准方法

“天绘一号”卫星是我国第一代传输型立体测绘卫星,搭载有三线阵CCD相机、多光谱相机和2m分辨率全色相机。多光谱相机波段间影像的配准是保证多光谱影像质量和有效应用的前提,在现有配准方法的基础上,文章提出了基于传感器几何特性和图像特征的配准方法来改善影像配准效果。这种方法首先基于相机几何特性对待配准图像进行调整,然后对图像进行局部多点取图,采用尺度不变特征变换（Scale Invariant Feature Transform,SIFT）法提取图像特征并进行初步匹配,利用匹配点领域灰度相关性来进行精匹配和误匹配点的剔除,最后获得图像位移差,进而完成图像配准。实验结果表明,这种方法能够提高多光谱波段间影像的配准成功率,准确率达到95％以上,大幅改善了匹配精度。     

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。     

“珠海一号”高光谱数据城市不透水面提取研究

不透水面是评估城市化进程和评价城市环境的重要参考指标，研究城市不透水面的空间覆盖程度对城市生态环境保护、宜居城市建设具有重要意义。本文以“珠海一号”高光谱影像为数据源、珠海市陆域为研究区域，选取支持向量机和随机森林机器学习算法，结合光谱特征，实现城市不透水面信息提取。结果表明：使用“珠海一号”高光谱数据提取不透水面可行性较强，且支持向量机算法更适用于“珠海一号”不透水面提取，总体精度和Kappa系数分别达到92.4%、0.78；基于“珠海一号”高光谱数据进行城市不透水面提取，可为城市规划建设、分析城市土地扩张、评估城市灾害风险提供可靠理论依据和数据支撑。     

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。     

基于深度学习算法的极化合成孔径雷达通用分类器设计

地物分类是PolSAR(极化合成孔径雷达)的重要应用方向。传统算法需要基于特定数据人工选取特征和设计分类器,而深度学习算法能够自行从海量数据中提取层次化特征。在深度学习算法总结的基础上,结合深度学习和PolSAR大数据,提出了一种高效率、高精度的通用分类器设计方法。使用人工标记的数据训练CNN(深度卷积网络),自动化地进行特征学习和提取,并实现高精度的地物自动分类。在具有不同分辨率的机载和星载PolSAR数据上对通用分类器进行测试,都能快速、准确地分类。研究成果可快速将PolSAR数据转译为更直观的地物分类结果,对海量数据,特别是GF-3卫星PolSAR图像的利用有一定的辅助价值。     

基于开源GIS数据的广域小重叠卫星影像定位模型精化

设计了一种适用于大区域、小重叠卫星影像有理多项式模型(RPC)定位精度优化的技术流程,基于开源数字正射影像(DOM)、数字高程模型(DEM)数据和RPC几何模型约束,通过优化尺度不变特征变换(SIFT)特征提取与匹配算法,实现了无像幅约束的控制点和连接点的快速稳健匹配,应用DEM支持下的RPC模型二维区域网方法实现了多景影像RPC模型精度的联合精化。GF-1卫星WFV影像的实验结果表明:在DEM支持下经过区域网平差后,RPC模型的定位精度可达到像素级水平。     

基于实测高光谱数据的树种分类

本文利用实测高光谱数据,结合光谱特征分析方法和全波段分析方法将15种树木进行有效分类.与多光谱数据对比,高光谱技术具有数据量多、波段窄等特点,根据这一特点高光谱数据可对树种进行更为精细的识别.其中,选择合适的分类波段对于提高树种分类精度非常重要.该文对于使用归一化、一阶微分、倒数等12种变换方法对原始光谱数据进行变换,...