基于无人机多光谱影像特征的最佳波段组合研究

针对卫星遥感影像分辨率低、时间周期长、波段冗余信息多等问题,利用无人机多光谱数据获取便捷、成本低、周期短的优势,以玛纳斯河畔为研究区,使用固定翼无人机搭载Micro MCA12 Snap多光谱传感器获取高分辨率多光谱影像。通过对多光谱影像数据标准差及相关性进行分析排序,结合OIF方法得到原始波段最佳组合,使用多种植被及水体指数、主成分分析、灰度共生矩阵确定信息量最大的光谱特征与纹理特征波段,提出将光谱特征、纹理特征信息与最佳波段指数结合的方法来确定地物分类最佳波段组合。实验结果表明,针对Micro MCA12 Snap多光谱传感器,可选择波段1、6、11、NDVI、NDWI以及灰度共生矩阵中的Mean参量作为其地物分类的最佳波段组合。感兴趣区域内非监督IsoData分类精度从83.57%提升到89.80%,监督的SVM分类精度从95.58%提升到99.76%。研究结果可为无人机多光谱遥感最佳波段组合选择提供借鉴和参考。

基于Landsat 8影像的湿地信息提取最佳波段组合

湿地在维持生态平衡等方面发挥着重要的作用,因此,湿地的监测与保护是研究者们关注的话题。遥感技术的出现为湿地研究提供了强有力的技术支撑。在湿地遥感中,目视解译仍然是湿地信息提取的重要方法。影像的最佳波段的选取与合成作为色彩合成的重要部分,直接对目视解译的精度产生影响。因而,遥感影像最佳波段选择与合成是遥感图像处理的一个重要课题。本文以三江平原为例,探讨了Landsat 8影像用于湿地目视解译时的最佳波段选择与组合,以期为Landsat 8影像更有效地应用于湿地信息提取提供参考。

LANDSAT数据在沙地动态监测中提取沙地信息的最佳波段组合研究

多光谱遥感数据是沙地动态监测的数据源,从中提取的沙地信息是监测的基础数据。波段是否为最佳组合,直接影响沙地信息的提取和地物的分类。笔者结合研究区域的实际情况,通过对单波段信息、波段间的相关性和OIF指数的分析,研究了提取物及其背景的特征,获得提取沙地信息的最佳波段组合为波段3、4、7。该组合形成的彩色图像地物信息丰富,沙地信息突出,易于目视解译,效果良好。波段的组合研究为后期数据处理提供了有力的技术支撑。

面向特定目标地物提取的改进最佳波段组合方法研究

提出了一种利用一类支持向量机(OC-SVM)进行特定目标地物提取的改进最佳波段组合方法(MOIF)。以Landsat8卫星影像作为数据源,对江苏省沿海滩涂光伏电站进行了提取试验,并利用人工解译的结果进行了精度评定。结果表明,本文提出的波段组合方法能够有效提取特定的目标地物。

一种基于地物波谱特征的最佳波段组合选取方法

对多光谱数据选取最佳的波段组合,是图像解译和专题信息提取的重要前提。文中提出一种基于地物波谱特征的最佳波段组合选取方法,即综合考虑方差、相关系数、OIF指数和地物间的可分离性4个因素,利用ERDAS和EXCEL等工具进行各指标的解算,并通过实验,选择红菱矿区1995年的TM多光谱影像为数据源,选取了基于水体波谱特征的最佳波段组合TM345。经定性分析和定量计算,验证了该方法的可行性。

土地利用分类中OLI影像合成最佳波段组合研究

为了将Landsat8_OLI遥感影像应用于土地利用分类中,以新疆维吾尔自治区阿拉尔市Landsat8_OLI遥感影像为试验数据,在对试验数据进行光谱特征分析的基础上,采用最佳指数(OIF)法对Landsat8_OLI遥感影像合成最佳波段组合进行了研究。结果表明,Landsat8_OLI数据各波段中,Band5包含的地物信息最丰富;Landsat8_OLI最佳波段组合为OLI457,其结果具有较好的目视效果。

基于最佳波段组合的高光谱遥感影像分类

针对高光谱数据维数高、数据量大、信息冗余多、波段相关性强等特点,在综合各种数据降维方法的基础上,提出一种基于最佳波段组合的高光谱遥感影像分类方法。以美国印第安纳州地区的AVIRIS数据为例,分析各波段信息量和相邻波段的相关性,利用子空间划分、分段波段指数选择法,进行特征波段的选择;并针对难区分地物类别,应用J-M距离模型对其可分性进行判别,获得最佳波段组合。最后采用支持向量机分类器进行分类。实验结果表明,采用最佳波段组合方法,可以有效地提高高光谱的分类精度。

TM遥感影像彩色合成最佳波段组合研究——以恩施市土地利用遥感图制作为例

TM遥感数据具有适合于中等尺度研究的空间分辨率,并相对易于获取,在土地变化研究中应用最为普遍.TM遥感数据为多光谱数据,最佳波段选取是遥感图像增强处理的关键部分,直接影响到目视解译和研究对象的信息提取.采用OIF指数法确定恩施市2000年TM遥感数据的最佳波段组合,完成土地利用遥感图制作.研究结果表明,OIF指数法易于操作,确定最佳波段组合效果较好.

潮滩植被调查最佳波段组合研究

以TM影像为遥感数据信息源,使用FieldSpec3 Hi-Res便携式地物波谱仪采集研究区内典型地物的光谱数据,IDL程序设计语言为开发工具,编程实现了遥感影像的统计特征计算。将遥感影像按照地物类别进行分区,从遥感影像的统计特征入手,结合典型地物的光谱特征分析和遥感数据定量分析的方法,在上海崇明东滩展开了波普特性和波段组合的试验研究。经过分析及反复试验将TM3赋予红色波段、TM5赋予绿色波段、TM4赋予蓝色波段,不同植被类型可由绿色色调加以区分,对于潮滩植被调查效果较好。

基于Landsat-8影像的最佳波段组合研究——白云鄂博矿区土壤重金属专题调查

本文以内蒙古自治区白云鄂博矿区的土壤重金属专题信息调查为例,选用Landsat-8遥感影像数据进行适合该专题的最佳波段组合研究.首先在深刻分析研究区内重金属污染土壤的实测光谱曲线特征的基础上,确定重金属污染土壤相对于正常土壤的特征谱带,然后对相对应的特征波段进行分组筛选,最后综合考虑Landsat-8遥感数据波谱特点和数据统计特征,利用最佳指数法确定显示土壤重金属专题信息效果最好的最佳波段组合.经过实地勘测,利用土壤重金属专题特征波段选择出的最佳波段组合突出的专题信息与野外调查的结果一致,能够为环境监测等工作提供可靠依据.

ALOS、TM影像在土地利用中的最佳波段组合分析

利用凉城县2009年7月20日获取的ALOS多光谱数据和2009年7月9日获取的Landsat 5 TM数据,进行影像预处理(大气校正、几何校正、直方图匹配、图像裁剪等),对凉城县ALOS、TM两幅影像土地利用分类中的最佳波段组合进行实验分析。结果显示:ALOS影像的最佳组合波段为432,TM影像的最佳波段组合为145、345、245、147、347与247波段组合,并结合实际应用进一步确定最佳组合波段。

LANDSAT数据在沙地动态监测中提取沙地信息的最佳波段组合研究

多光谱遥感数据是沙地动态监测的数据源,从中提取的沙地信息是监测的基础数据。波段是否为最佳组合,直接影响沙地信息的提取和地物的分类。本文结合研究区域的实际情况,通过对单波段信息、波段间的相关性和OIF指数的分析,研究了提取物及其背景的特征,获得提取沙地信息的最佳波段组合为波段3、4、7。该组合形成的彩色图像地物信息丰富,沙地信息突出,易于目视解译,效果良好。波段的组合研究为后期数据处理提供了有力的技术支撑。

一种基于最佳指数模型的TM遥感影像最佳波段组合计算方法

如何通过定量计算选择最佳波段组合一直是TM等多波段遥感影像信息提取的研究热点。本文综合利用Erdas提供的可视化空间建模工具(Spatial Modeler)和面向对象的编程技术,提出了一种基于最佳指数(Optimum Index Factor,OIF)的定量计算与定性分析相结合的TM遥感影像最佳波段组合方法。实验证明,该方法快速有效,极大提升了TM等多波段遥感影像最佳波段组合的计算过程。

基于landsat8影像的植被信息提取最佳波段组合研究——以浙江省龙泉市为例

以龙泉市为例,运用最佳指数OIF法,同时结合Landsat8各个波段的统计信息和相关系数、地物光谱特征曲线及各波段主要用途进行综合分析,探讨了Landsat8影像用于植被信息提取时的最佳波段组合的选择。结果显示:256波段组合信息量最为丰富,为植被信息提取的最佳波段组合。

波谱向量q-τ图解法在求TM图像最佳波段组合中的应用

选择一个合理的地质剖面，通过蚀变带与逐个岩性特征波谱向量的比较，可以求出提取蚀变带信息的ＴＭ图像最佳波段组合。这种方法要通过蚀变带与其它岩性的波谱向量相似系数和向量模量差所构成的ｑ－τ图解来实现，将波谱向量ｑ－τ图解应用于滇西某金矿区。

Landsat8影像在土地利用分类中的最佳波段组合研究——以湖北省恩施市为例

为提取土地利用/覆被信息,选取恩施市2015年10月的landsat8卫星OLI影像作为实验数据,在统计和分析各波段的光谱特征的基础上,计算最佳指数因子(OIF),并结合典型地物光谱特征曲线,对最佳波段组合的选择进行研究.结果表明:将最佳指数法和典型地物光谱特征分析法相结合,能客观有效地确定OLI影像的最佳波段组合;456和457两种波段组合是研究区土地利用/覆被信息提取的最佳波段组合.

面向三江保护区植被类型识别的最佳波段组合研究

[目的]针对高分六号影像数据面向植被类型、特别是湿地植被信息识别的最佳波段组合进行研究,为高分六号数据在湿地资源监测中的进一步应用提供参考。[方法]以三江国家级自然保护区为对象,基于高分六号影像数据,结合当地植被特点,开展保护区植被类型识别中的最佳波段组合研究。从影像信息特征、最佳指数因子以及光谱特征曲线和地物可分性角度进行综合分析,获取基于GF6/WFV数据的三江保护区植被类型识别的最佳波段组合。同时,通过对比实验,利用支持向量机分类方法,对样区的植被类型进行信息提取,证实了结果的可靠性。[结果]波段组合4(R)-5(G)-1(B)识别植被类型精度最高。总体精度为89.15%,Kappa系数为0.8463。[结论]波段组合4(R)-5(G)-1(B)为三江保护区植被类型识别的最佳波段组合。本研究可为东北地区湿地保护区的退耕还湿工程监测提供参考。

基于多光谱图像选取马铃薯叶片的最佳彩色波段组合

为了快速目测识别马铃薯叶片,利用Spectrocam多光谱相机获取健康C-88马铃薯叶片的可见光及近红外通道的多光谱图像。采用波段指数法提取叶片的特征波段,通过真彩色原理及标准假彩色对所提取的特征波段进行彩色合成,在此基础上得到最佳彩色波段组合。实验结果表明,用波段指数法提取多光谱图像的特征波段进行彩色合成,能快速获取马铃薯叶片的最佳波段,并得到680,558,475nm和800,680,558nm为最佳彩色波段组合,为遥感图像的目视解译和更多有效信息的提取提供了可靠依据。

农用地分类中OLI影像合成最佳波段组合研究——以黑龙江省鹤岗市为例

为选择农用地分类中OLI影像合成最佳波段,选取鹤岗市Landsat 8_OLI遥感影像为研究对象,首先对各波段的光谱特征信息进行统计分析;其次采用最佳指数法(OIF)初步筛选出光谱信息较丰富的波段组合;最后结合农用地分类中主要地物类型在各波段中呈现光谱特征曲线,对适用于该领域的最佳波段组合进行研究。研究表明,通过最佳指数筛选出的波段组合,结合主要地物的光谱特征信息,能够客观有效地确定OLI影像中最佳波段组合是Band 456,其研究结果可用于农用地利用信息的目译及计算机分类识别。

基于多波段组合技术的土地利用/覆盖信息提取研究

针对不同土地利用类型,选取最佳解译波段组合。在此基础上,提出分层提取的方法,并用此法对土地利用/覆盖信息进行了解译,同时进行了精度评价。结果表明:TM1,4,5组合为解译居民点和水域的最佳波段组合,TM3,4,5组合为解译耕地、林地和草地的最佳波段组合;与非监督分类及监督分类相比,监督分类和非监督分类结合分层提取的总体分类精度分别从25.3%、71.6%提高到85.5%。