中巴地球资源卫星图像中伪“同谱异物”区分方法研究

通过对中巴资源卫星图像中存在的伪"同谱异物"现象的分析,提出区分这两类地物的图像处理方法。首先对图像进行傅立叶变换,在频率域图像中针对噪声特点,分别采用楔形、矩形和圆形掩模滤波方法,消除图像条带噪声和周期性噪声,再用中值滤波去除随机噪声;其次对各波段图像进行波段配准和几何精校正;最后进行直方图匹配和拉伸处理,增强图像清晰度和分辨力。得到的图像中"同谱异物"现象消失,实际分类结果证实该处理方法的有效性和实用性。

遥感图像异物同谱干扰消除技术研究与仿真

研究卫星遥感图像异物同谱干扰消除问题。遥感图像具有较低的空间分辨率差异被淡化,不同地面物体反射或发射能量之间的光谱差异随着距离的传递迅速衰减,在远程采集图像终端光谱差异消失,存在着"异物同谱"的现象。传统的遥感图像分类技术主要依靠光谱距离差异测量与统计分析的原理来进行图像分类,在光谱差异迅速衰减造成异物同谱现象的干扰下,距离频率特征被干扰破坏,很难以上述标准为基础进行准确分类。为此提出一种改进的HSV模型用于遥感图像的干扰消除,将特征向量做为测试参数输入到优化改进后的BP神经网络进行分类,克服异物同谱现象带来的特征提取与分类不准确的弊端。实验证明,改进方法可以准确地对低分辨率的遥感图像进行干扰消除,对图像进行准确的分类,并为遥感图像正确提取提供了依据。

基于BP神经网络高光谱图像分类研究

遥感影像常常存在"异物同谱"现象,影响了遥感影像的分类精度。为了提高分类精度,本文提出了基于BP神经网络的分类算法。采用环境一号卫星HJ-1A星上搭载的超光谱成像仪(HSI)获取的高光谱数据,利用BP神经网络对黄岛区进行遥感图像分类,根据得到的分类结果对原图像进行"异物同谱"现象纠正后重新选取训练样本,然后利用BP神经网络再分类,从而有效解决了"异物同谱"现象。实验结果表明,经处理后的高光谱影像的分类精度得到显著提高,分类总体精度为92.386 5%,比异物同谱纠正前提高了7.83%,Kappa系数也从0.768 2提升到了0.885 8。

面向变更调查的自动变化检测技术研究

随着遥感大数据时代的到来,多传感器、多时相、多分辨率的卫星遥感数据的获取手段和速度超越了以往任何时期,深度学习作为当前最热门的一种机器学习方法推动着人工智能走向各个领域。本文阐述了一种面向变更调查的自动变化检测技术,并在新疆全域开展技术落地应用,深度分析了自动变化检测模型应用效果,通过多轮技术攻关最终实现省域空间的高精度、高效率变化检测。

一种基于Quickbird影像提取城市绿地信息的模型算法

利用陕西省西安市阎良区Quickbird卫星遥感数据建立归一化植被指数模型提取城市绿地信息,这种基于光谱的信息提取模型受到"同物异谱"和"同谱异物"信息的干扰,影响了信息提取的精度和速度.通过地物判读发现"同谱异物"信息主要为蓝色房顶、白色建筑物,而"同物异谱"信息主要为城市道路两旁的行道树.对这几种地物类别同实际城市绿地的植被信息进行光谱采样对比分析,建立了避免蓝色房顶及白色建筑物被同时提取的植被提取光谱模型和消除"同物异谱"现象的植被提取光谱模型,经过实验验证,方法可行.

徐州市遥感图像提取景观信息方法比较与分析

利用遥感图像提取景观信息快捷而方便,已经得到普遍应用,目前有很多种提取方法,各种方法各有特点,精度不尽相同,文章选用5种分类方法,分别对四个时相的遥感图像进行分类,对分类结果进行分析比较,旨在找出适合徐州市城区具体情况的景观信息提取方法。

浅谈鄂尔多斯市鄂托克旗遥感TM影像在荒漠化及沙化土地监测中的运用

卫星遥感TM成像技术近几年在资源监测、灾害预报、城市规划等多方面多领域得到了全面的普及和利用。为了全面掌握我国荒漠化和沙化土地的现状及动态变化趋势,为国家制定防治荒漠化和沙化宏观决策提供科学依据,国家林业局组织全国各省区完成了三次荒漠化和沙化土地的监测工作。监测中广泛运用‘3S’技术,初步建立起较为完善的全国荒漠化和沙化土地地理信息系统。

河南省森林资源遥感调查有关技术问题的探讨

本文就森林资源遥感调查的信息源与方法作了简单的介绍 ,对有关技术问题进行了分析和探讨。

基于高分辨率立体影像的建筑区检测研究

建筑区检测是城市遥感领域的一项重要课题,高精度的建筑区信息具有重要的应用价值。在高分辨率影像中,同物异谱与异物同谱现象导致光谱、纹理、形状等平面特征对不同类地物的区分性降低,进而也降低了建筑区与非建筑区之间的区分性。建筑区的建筑物等地物通常高于周围地表,而高度信息有利于提高不同类地物之间的区分性,因而高度信息有利于提高建筑区与非建筑区之间的区分性。结合高度与平面信息进行建筑区的联合检测,能提高建筑区检测精度。

矿区煤及矸石压占灾害决策树分类提取方法

矿业活动为现代工业提供物质基础的同时,极大扰动矿区原有生态结构。煤与矸石压占是矿区多种地质灾害的一种,煤与矸石压占直接造成矿区珍贵的土地资源的浪费,同时,煤与矸石自燃、淋溶、扬尘以及天然放射性对矿区环境有严重影响。近年来,遥感技术以其大范围、实时性等技术优势,在探索矿业活动与生态保护共同途径方面做了大量有益的尝试,尤其在地质灾害监测预警方面体现了广阔应用前景。本文通过对矿区遥感影像的一系列处理(如图像校正,图像增强,图像分类),探索性地采用基于人工智能的决策树分类方法,有效地排除掉同谱异物的现象的影响,高精度地提取出矿区煤与矸石堆放场,为统计煤与矸石压占,预知煤与矸石自燃,判断煤与矸石淋溶、扬尘以及天然放射性对周围环境的影响,以及为今后煤与矸石场的选址规划,提供第一手定量化的地理属性资料。