遥感图像端元光谱变异性的模糊描述

在遥感图像中,利用模糊扩展的概率测度描述混合像元各端元的丰度含量,是模糊集合理论进行混合像元分解的主要手段。然而由于非线性因素的影响以及自然地物的复杂性,往往导致了端元光谱的变异性,这是造成混合像元分解误差的主要原因之一。从模糊集合的另一种测度——可能性测度出发,讨论了对端元光谱的变异性的描述:在遥感图像多维正态分布假设的前提下,利用1维连续的卡方分布,提出了面向遥感图像可能性分布的模糊描述,并进一步提出了可能性分布的模糊划分算法,对整个图像进行端元的模糊划分,从而描述端元光谱的变异性。通过对真实的高光谱遥感图像进行检验,结果表明,该方法能充分地表达端元光谱的变异性,可为今后进一步提高遥感图像混合像元分解精度提供重要的参考。

一种考虑光谱变异性的高光谱图像非线性解混算法

非线性解混可以解释高光谱图像复杂场景中的非线性混合效应,但地物的光谱变异性是其中的一个难点。提出一种考虑光谱变异性的无监督非线性解混算法。通过核函数将原始高光谱图像数据隐式地映射到高维特征空间中,从而在该空间中结合光谱变异性进行线性解混;与此同时,依据实际地物的分布特性,添加丰度和光谱变异系数的局部平滑约束。模拟和真实高光谱数据的实验结果表明,该方法能克服不同非线性混合场景中存在的光谱变异性问题,提高光谱解混的精度。

同质区共享端元变异性的高光谱混合像元分解

由于不同的照明条件、复杂的大气环境等因素,相同端元的光谱特征在图像的不同位置呈现出可见的差异,这种现象被称为端元的光谱变异性。在相当大的场景中,端元的变异性可能很大,但在适度的局部同质区内,变异性往往很小。扰动线性混合模型(Perturbed Linear Mixing Model,PLMM)在解混的过程中可以减轻端元变异性造成的不利影响,但是对缩放效应造成的变异性的处理能力较弱。为此,本文改进了扰动线性混合模型,引入了尺度因子以处理缩放效应造成的变异性,并结合超像素分割算法划分局部同质区,然后设计出基于局部同质区共享端元变异性的解混算法(Shared Endmember Variability in Unmixing,SEVU)。与扰动线性混合模型,扩展线性混合模型(Extended Linear Mixing Model,ELMM)等算法相比,所提SEVU算法在合成数据集上平均端元光谱角距离(mean Spectral Angle Distance,mSAD)和丰度均方根误差(abundance Root Mean Square Error,aRMSE)最优,分别为0.0855和0.0562;在Jasper Ridge和Cuprite真实数据集上mSAD是最优的,分别为0.0603和0.1003。在合成数据集和两个实测数据集上的实验结果验证了SEVU算法的有效性。

结合分层和ADMM的高光谱图像解混方法

高光谱图像有较高的光谱分辨率,但是单个像元覆盖的面积比较大,导致单个像元中出现多于一种地物的现象,即混合像元。混合像元的存在严重影响了高光谱数据的后续利用。高光谱图像解混技术的目的就是将混合像元中存在的地物种类(端元)以及各个地物种类所对应的比例(丰度)精确地表示出来。高光谱数据覆盖的范围比较大,不可避免存在端元变异的现象。为了应对端元变异现象,利用扩展的线性混合模型对高光谱数据进行建模。在基于分层解混技术的基础上,利用乘子交替方向法对其进行优化。实验结果表明,解混效果得到提升。

结合局部空谱信息的高光谱图像多端元提取

针对传统高光谱单端元提取算法不能描述光谱变异、混合像元分解精度不高的缺点,提出一种结合局部空谱信息的高光谱图像多端元提取(multiple endmember extraction algorithm with local spatial-spectral information,MEELSI)方法。首先将原始高光谱图像进行图像子空间划分获取不重叠的图像块,并利用自动目标生成算法分别在图像块上提取候选端元;然后对候选端元的邻域像元进行光谱相似性分析,优化精选候选端元;最后利用K-means聚类算法对所有端元集进行聚类分析,得到最终的多端元光谱集。仿真数据和真实高光谱数据的实验结果表明,与传统单端元提取方法相比较,MEELSI算法具有表征遥感图像中光谱变异的能力,能够有效提高混合像元分解精度。

激光雷达数据协助下的高光谱图像三维残差网络分类

高光谱成像(Hyperspectral Imaging, HSI)数据可以在狭窄和连续的波段中收集数据,即使在差异很小的情况下,也可以检测到不同类别的数据。然而,光谱变异性和阴影效应会限制任何HSI的分类精度。与HSI相比,激光雷达数据(LiDAR)是HSI的一个很好的补充,因为它提供了高度信息和来自不同物体的多次回波数据。在激光雷达数据的辅助下,通过HSI分类的预处理和深度残差网络分类,可以有效解决阴影效应光谱变异性的问题。除此之外,来源于点云数据的数字高程模型(Digital Elevation Models, DEM)也能够提高HSI分类性能。通过在MUUFL港湾高光谱和激光雷达机载数据集上进行实验的结果表明,采用两种DEM栅格层结合HSI的分类准确率为98.16%,而仅采用HSI数据集独立学习方法的分类准确率为96.3%。并且随着精度的提高,标准偏差从0.304降低到0.150。

一种基于光谱角字典构造稀疏表达的高光谱目标检测方法

由于光谱变异性现象在高光谱图像数据中所具有的普遍性,经常导致“同物异谱”现象,高光谱目标检测结果受先验目标特征的影响很大,检测性能受到很大影响。因此提出一种基于稀疏表示的方法来生成优化的目标光谱,当缺乏关于感兴趣目标对象的全面信息时,通过稀疏字典重构的方法优化目标,然后由一组选定的字典生成像素,这些像素包含具有不同状态的目标信号,用来优化先验目标签名。最后将先验目标用稀疏字典重构的方式,利用光谱角分别构造目标训练和背景训练样本,使得来自有限目标训练的样本能够减轻光谱变异性对高光谱目标检测的影响。实验结果表明:该方法在不同数据集中具有良好的检测效果和精度,尤其在AVIRIS数据集中的检测精度高达0.9978,优于其他典型检测算法。

基于均值漂移聚类的端元束提取

为了能够在不需要事先知道地物类别数目的情况下进行光谱的有效聚类,采用均值漂移算法完成聚类这一步骤。根据同一种地物光谱存在变异性的情况,使用了光谱角距离作为均值漂移聚类算法的相似性准则。用模拟高光谱数据和真实高光谱数据进行实验,结果表明基于改进后的均值漂移聚类的端元束提取方法较传统的K均值算法更能有效地形成代表每种地物类别的端元束。

基于像元纯净指数的多端元提取算法

针对传统单端元提取方法不能描述端元变异、限制混合像元分解精度的缺点,提出一种基于像元纯净指数的多端元提取算法(Multiple Endmember Extraction Algorithm Based on Pixel Purity Index,PPI-MEE)。首先将图像划分为不重叠的图像块,并分别利用改进的PPI算法提取候选端元集,然后利用候选端元的邻域像元光谱信息对候选端元进行优化和精选。最后,对优化精选后的端元集分类得到每类地物的多端元光谱集。仿真数据和真实高光谱数据的实验结果表明,提出的多端元提取策略具有表征遥感图像中端元光谱变异的能力,能够提高端元提取精度和混合像元分解精度。

土地利用变更的遥感应用分析

发现变化区域和变更类型是土地利用变更信息提取的主要任务 ,随着遥感技术的发展 ,土地利用变化信息提取的方法趋向于结合高分辨率的卫星影像和现有的影像处理方法来产生变化信息模板。本文全面总结分析了土地利用变更信息获取的技术和方法 ,并在此基础上进一步研究了基于 RS和 GIS技术的土地利用变更信息获取技术方法 ,以及高分辨率遥感影像在土地利用变更信息提取中的应用分析。

高压大功率FRD用硅外延片厚度测量方法

高压IGBT/FRD管(1200 V以上)用外延片外延厚度通常在100μm以上,远超常规外延材料,使用傅里叶红外光谱法(FTIR)测量时,往往光谱center burst出现变异,对测量结果计算造成误差。实验分析不同因素对光谱的影响,同时确认重掺衬底条件下光谱正向峰型稳定规律,重新定义取值峰,采用正向峰值计算方法避免产生测试误差,提高测试稳定性。

塌陷区波谱分析及变化检测

以矿区塌陷区及周边地物为研究对象,采集其主要类型地物的波谱信息,并分析各类地物的波谱特征,寻找地物波谱变化与地物距煤矿距离之间的联系;采用光谱特征变异法对研究区域进行变化图斑检测,分析了研究区2003-2011年间塌陷区主要地物类型的变化情况。

生物多样性遥感监测方法研究进展

对区域生物多样性进行快速、有规律的监测与评价,在生物多样性研究和生物保护中有重要意义。近年来,遥感技术被广泛用于生物多样性研究,能提供区域-大陆乃至全球尺度的生物多样性信息,且费用相对低廉,数据一致性好,并能得到有规律的更新。本文介绍了遥感用于生物多样性研究的原理和优势,总结了生物多样性遥感在实践中的主要应用途径,包括景观格局指数、NDVI、光谱变异假说(SVH)和高光谱遥感等方面。本文着重介绍了SVH以及波段选取问题的研究进展,分析了这些应用途径的优缺点,总结了生物多样性遥感在实际应用中的不足,并对该领域的模型、传感器和尺度效应等方面的未来发展方向进行了展望。

混合像元分解技术及其进展

混合像元分解模型是定量遥感研究的重要组成部分,为各种地学应用提供了更精细的亚像元级地物信息,这一领域受到国内外学者们广泛关注。本文围绕混合像元分解研究的4个核心问题——光谱混合模型、端元提取、模型反演方法以及解混精度评估,总结了近20年来混合像元分解的重要研究进展,分析和介绍了典型算法模型的原理和思路。进一步阐述了现有研究在一些关键问题上存在的不足,如目前仍缺乏公认的线性和非线性模型的选择判据、已有的混合像元分解模型无法抑制由端元光谱相关造成的共线性问题。最后总结了混合像元分解未来的发展趋势和值得探索的研究方向。如结合辐射传输模型和地面试验,定量分析多次散射的影响机制,以及结合克服共线性的统计回归模型。