基于多时相CHRIS高光谱卫星数据的优势树种分类研究

多时相高光谱卫星遥感包含树种光谱特征和生长季相差异信息,是解决森林树种识别精度不足的重要技术途径。本文利用不同季节3个时相CHRIS高光谱卫星影像,设计了以Bhattacharyya距离为可分性准则的波段选择经验算法,实现吉林省汪清研究区的优势树种多时相高光谱卫星填图。结果显示,多时相高光谱数据的可分性指标相比单一时相增幅明显;结合波段选择的多时相高光谱分类结果验证精度较单一时相分类结果和多时相全波段分类精度提高7.5%和1.6%;研究区主要优势树种的分类精度存在差异,柞树和落叶松的分类精度最高,杨树最低,红松与暗针叶林存在一定程度的误分,主要原因为二者的光谱接近且时相特征差异小。

多时相遥感影像变化检测的现状与展望

多时相遥感影像变化检测技术能够监测生态环境变化、跟踪城市发展,对于研究人类与自然环境之间的交互关系有着重要的意义。随着新型遥感影像的不断普及,变化检测也在高光谱影像变化检测和高分辨率影像变化检测两个方向上有了深入的探索。本文围绕变化检测的基本流程,从预处理、变化检测方法、阈值分割与精度评价4个角度介绍了变化检测研究的最新进展,并总结了变化检测技术的主要应用领域。最后,对变化检测技术未来的发展进行了展望。

基于高分四号数据的多时相多通道云检测算法

针对高分四号(GF-4)卫星影像波段较少导致传统云检测算法难以区分云与冰雪像元的问题,提出一种多时相多通道云检测算法。该算法首先对GF-4卫星影像进行辐射定标和配准,然后利用云与典型地表的光谱差异得到潜在云像元,之后利用序列GF-4卫星影像之间的差异识别出移动的云像元,最后利用中红外波段反演地表亮度温度来去除冰雪像元。该算法在海南、辽宁和安徽3个研究区域进行验证,并将检测结果与传统单时相云检测算法、支持向量机(SVM)云检测算法和实时差分(RTD)云检测算法的检测结果进行对比。结果表明,该算法优于其他3种云检测算法,准确识别率均达到90%以上,误检率均低于5%,有利于GF-4卫星影像的进一步利用。

高光谱影像变化检测研究进展

随着现代遥感技术的快速发展,遥感影像变换检测技术受到重视并被应用到地理国情检测、土地调查、生态系统监测、食品安全保障和军事侦察等领域。高光谱影像所具有的更精细的光谱分辨率以及多时相高光谱影像所提供的更加丰富和更为详细的光谱变化信息为进一步精细判断地表的变化提供了可能。然而高光谱影像高复杂度的数据结构、高维度的数据特征、高冗余信息,以及不同时相光谱信息对环境的敏感性极大地增加了多时相高光谱变化检测的难度。文章以变化检测过程中所涉及的技术手段为主线,首先从六个方面对多时相高光谱影像变化检测的研究动态及现状进行分析,包括:(1)基于高光谱影像间广义相似度度量的传统高光谱影像变化检测方法,该类方法主要沿用了高光谱影像出现之前多光谱变化检测的技术路线;(2)基于降维的高光谱影像变化检测方法,该类方法主要为克服高光谱影像所具有的高维度、高冗余等特性给变化检测带来的不良影响而展开;(3)基于统计建模的高光谱影像变化检测方法,该类方法通过对高光谱影像的统计特性和多维度相关性进行挖掘和建模来确定各像元的变化属性;(4)基于分类方法的高光谱影像变化检测方法,该类方法将图像的分类策略引入到变化检测过程中为获得“from-to”类型的变化信息提供保障;(5)基于光谱解混的高光谱影像变化检测方法,该类方法主要面对高光谱影像低空间分辨率所带来的混合像元问题如何提取精细的变化信息而展开;(6)基于深度学习的高光谱影像变化检测方法,该类方法通过将深度学习技术应用于多时相高光谱变化检测中而产生的一类新兴而具有发展前景的变化检测技术。进一步,对目前多时相高光谱影像变化检测中面临的挑战性问题进行了提炼和分析展望。

国遥新天地:“千里眼”服务用户决策

随着空间技术日益成熟,商业领域不断出现更高空间分辨率、光谱以及更多时相的卫星影像。与此同时,航空影像在精度不断提高的同时,航测过程更趋于稳定、流程也更为规范。二者的充分发展并不意味着一方可以取代另外一方,在实际的项目中,根据对航片测图和卫星影像测图两者优势以及地理信息比例尺和所需测量范围的不同,或各取其中一种应用方式,或二者结合,往往能提高工作效率,降低测图成本。