基于Landsat-8陆地卫星数据的火点检测方法

传统的火点检测算法通常利用高温地物在中红外波段或热红外波段的高发射率特性来提取火点,然而受制于影像空间分辨率的限制如MODIS、AVHRR等,使得很多小规模火情现象被漏检.研究发现短波红外数据也同样能被用于高温地物的识别和检测,并且相较于热红外波段数据对低温和高温地物的区分度更大,在精确识别和定位高温目标方面更加准确.文章利用空间分辨率为30米的Landsat-8 OLI传感器数据,根据高温火点在近红外及短波红外波段的波谱特性,利用改进的归一化燃烧指数(NBRS)结果自适应地确定阈值来提取疑似火点,然后再利用高温火点在短波红外的峰值关系进行误检点剔除,从而得到最终的火点产品.提出的算法能检测到所占像元面积10%左右的火点,并能够有效地排除云层及建筑物的干扰,在保证较低漏检率的同时还能达到90%左右的准确率,相比于传统算法的火点提取精度有很大的提高.

利用稀疏编码的遥感影像超分辨率重建

针对现有的超分辨率重建算法存在重建效果不够理想以及算法效率低下的问题,提出了一种利用稀疏编码的超分辨率重建算法,利用遥感图像在特定字典下具有稀疏性,通过学习遥感图像集获取的字典,在已有遥感影像的基础上获取更高分辨率的影像,从而便于影像视觉解译和信息提取。所提出方法建立了高低分辨率影像块稀疏系数间的非线性映射关系,极大地减少了字典模型的冗余和误差,提高了重建的效率。实验表明,该算法不仅在信噪比值和结构相似性值优于其他算法,还提高了算法效率。