遥感波段与样本组合及贝叶斯网络结构变化分析

贝叶斯网络表达了输入数据与分类结果之间的依赖关系,网络结构则表达了节点之间的条件概率状态。遥感数据的贝叶斯网络结构训练涉及先验知识和样本数量两个方面,是贝叶斯网络结构分类的重要环节。该文以应用目标和遥感数据波段的物理意义为先验知识指导,进行了贝叶斯网络结构建立中的遥感数据波段数和样本数的优化组合实验,为贝叶斯网络在遥感数据分类方面提供了基础性实验结果。

多波段遥感影像锐化方法研究进展

受成像机理的限制,目前的遥感硬件技术条件尚无法获取同时具备高空间、高光谱分辨率的多波段遥感影像。多波段遥感影像作为一种反映各个不同窄波段区间信息的三维影像集合,其包含二维空间信息和一维光谱信息,空间信息反映场景中的几何特性,而光谱信息则对应地物在不同波段的电磁波特性。为弥补多波段遥感影像空间信息采集的不足,利用辅助影像增强其空间分辨率,即多波段遥感影像的锐化受到重视。多波段遥感影像锐化不仅可提升影像的视觉效果,同时可为诸如地物分类、变化检测和参数反演等后继的定性、定量化遥感应用奠定基础,因而一直是遥感影像处理领域非常重要且持续活跃的研究方向。为此,对多波段遥感影像锐化方法的研究进展进行综述:一是对多波段遥感影像锐化的内涵进行了表述;二是以多光谱(MS)影像的全色锐化为视角、以算法实现的技术为脉络,分别从基于成分替代(CS)、基于多分辨率分析(MRA)、基于最优化模型(OM)和基于深度学习(DL)四个方面对多光谱遥感影像锐化方法的研究进展和存在的问题进行分析和讨论;三是结合高光谱(HS)影像所存在的不同于MS的自身特性,对HS影像的锐化特点进行了分析,并对不同于MS的一些特有HS锐化方法进行了讨论和归纳;最后对多波段遥感影像锐化方法未来的发展进行了展望,分别从目前CS和MRA方法更受到主流认可的原因,以及未来多波段遥感影像锐化领域将呈现出多种方法的相关融合两个方面进行了讨论。

地基多波段遥感西藏当雄地区气溶胶光学特性

根据 1 998年 5、 6月份在西藏当雄地区进行的为期两个月的气溶胶地面多波段观测结果 ,讨论了仪器的定标、气溶胶光学特性及其变化规律 ,并反演了粒子谱分布。结果表明 ,当雄地区气溶胶光学厚度较小 ,光学厚度与大气相对湿度呈正相关。干季气溶胶光学厚度日变化大 ,光学厚度最小值出现在中午前后 ,而湿季日变化相对要小 ,光学厚度也小于干季。反演的粒子谱符合干洁大陆气溶胶的特性。

宽波段遥感植被指数研究进展综述

植被指数是地表资源环境管理和定量评价中的一个关键性指标,能有效地描述绿色植物长势和生物量信息。从绿色植被遥感光谱特性分析出发,系统介绍几种具有代表性的宽波段植被指数模型,将其划分为3大类型,即数值计算型、土壤调节型和大气调节型。数值计算型主要包括比值植被指数、差值植被指数、归一化差值植被指数等,其计算值的物理意义不清楚。土壤调节型主要包括垂直植被指数、土壤调节植被指数、全球环境监测指数等,通过引入土壤调节因子来突出植被信息,减少土壤背景的干扰。大气调节型主要包括抗大气植被指数、大气影响抗阻植被指数、增强型植被指数等,通过引入大气调节因子来突出植被信息,减少大气气溶胶的影响。最后,对各类模型存在的问题和下一步的发展方向进行了较为深入的探讨。

森林郁闭度定量估测遥感比值波段的选择

对TM遥感图像各原始及常用比值波段的信息量大小、相互间存在的多重相关性及其对郁闭度估测造成的不利影响进行分析研究。针对特定监测区域,对设置的遥感比值波段,采用平均残差平方和准则进行筛选,最终确定对郁闭度估测有一定影响的遥感波段,并形成可操作的软件系统。

基于快速EM算法和模糊融合的多波段遥感影像变化检测

提出了一种基于快速EM(expectation maximization)算法和模糊融合的多波段遥感影像无监督变化检测方法.该方法首先对各波段差异影像采用基于直方图分析的快速EM迭代算法获取变化分类阈值和变化信息,随后对各波段的变化信息进行模糊融合和判决,生成最终的变化检测图.利用真实的多波段遥感影像进行了实验,本文方法在运行时间和检测效果两个方面都具有优越性.

一个从多波段遥感图像提取道路网的算法

提出一个从多波段遥感图像中提取道路网的算法 .首先 ,从多波段图像中提取直线段和平行线段 ,再进行融合处理 ,以克服图像中道路表示的不精确性 .然后根据线段的局部特性 ,识别与道路约束模型符合程度好的路段 .最后根据道路网的全局连接约束 ,识别与道路约束模型符合程度较弱的路段 .该方法应用于三波段的卫星遥感图像 。

多波段卫星遥感海洋赤潮水华的方法研究

The spectral characteristics of the coastal waters in East China Sea was studied using in situ measurements,and the multiband algorithms of remote sensing for bloom waters was discussed and developed. Examples of red tide detection using the algorithms in the East China Sea were presented. The results showed that the algorithms could provide information about the location and the area coverage of the red tide events.

基于分类的多波段遥感图象无损压缩方法

多波段遥感图象是序列图象的一种，通常序列图象的帧间压缩是基于帧与帧之间的相关性。对于多波段遥感图象，其帧间相关性较小，因此用常规的帧间压缩收效甚微。此文提出一种基于分类的多波段的无损压缩方法（ＣＢＳ２Ｐ２），先对图象进行分类，然后采用谱间（即帧间）和空间预测方法，进行无损压缩。在多波段遥感图象中，物体在不同波段图象中的灰度值是由其本身固有的光谱反射特性决定的，所以，利用每一类的光谱反射特性构造谱间预测器，可以实现谱间压缩，同时，由于同一帧图象中同类象素之间存在空间相关性，我们选用ＪＰＥＧ标准定义的空间ＤＰＣＭ方法实现空间压缩。用这一方法对不同的多波段遥感图象进行无损压缩，压缩比都有明显提高。

Curvelet变换的多波段遥感图像融合研究

提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达,因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法,根据高频子图边缘分布差异,对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时,可以有效地取得较好的融合视觉效果。

多波段遥感图像的快速分形编码

分形图像编码用动态迭代过程的参数来表示相应的静态图像数据 ,可以突破熵压缩编码的理论界限 ,因而得到广泛的关注 .将分形图像编码应用于多波段遥感图像压缩中 ,根据多波段遥感图像的特点 ,对基于四叉树分割的快速分形编码方法进行改进 ,令各个波段图像共享同一四叉树分割方式 ,同时 ,利用多波段遥感图像的谱间相关性 ,缩小仿射变换的搜索匹配空间 ,以此来提高压缩比和编码速度 ,实验表明 ,本方法能显著提高基于四叉树分割的分形编码方法的性能 ,取得了令人满意的结果 .

基于多波段遥感影像绘制震中分布图——以2014年新疆于田Ms7.3级地震序列为例

GMT是一款具有灵活性强、功能强大的绘图软件。以多波段的遥感影像TM为例,通过绘制2014年于田7.3级地震序列震中分布图,详细介绍了多波段遥感影像数据在GMT中加载方法和处理流程。

多波段遥感影像变化检测中差异影像构造研究

针对于多波段遥感影像变化检测中构造差异影像和确定变化阈值这2个关键问题展开研究,提出了融合法与主成分分析法结合构造差异影像的方法,实现了融合法对于多波段遥感影像的应用扩展,有效地抑制了噪声并实现了变化信息的有效集中和准确提取,再利用结合直方图的EM算法确定变化阈值,提高了流程的自动化程度,最终完成变化检测。最后利用实际遥感影像进行了实验,并通过与差值法和比值法的对比,证明了这种方法可以显著地提升变化检测的正确检测率,是一种有效的多波段遥感影像变化检测方法。

基于HSI和K均值聚类的多波段遥感图像自动分割

图像分割是对遥感图像进行分析处理的一个重要内容。本文针对遥感图像的特征,首先根据多波段合成RGB图像,并转换成和HSI颜色空间,进而运用多信息的K -均值聚类算法,选择适当的初始聚类中心,实现了对图像中目标区域的有效快速分割,为遥感图像识别与计算提供了可靠的基础。研究实例表明了算法的有效性。

利用正演计算方法分析地形和噪音对多波段遥感数据的影响

在没有干扰和噪音影响的理想条件下 ,多波段遥感数据中不同地物在散点图上的位置是一个点。但在实际情况中 ,地形和噪音大大地改变了目标分布形状。利用 DEM数字高程数据以及太阳高度角和方位角等参数计算出地表接收到的辐射能量 ,然后设置已知目标 ,利用散点图来分析不同反射率下目标所占的空间位置。再通过增加不同强度的噪音 ,分析目标在散点图上的变化规律 ,以便寻找目标分离的有效特征。

采用全卷积神经网络与多波段遥感图像结合的湿地分类方法

针对目前湿地分类方法精确度不足问题,采用全卷积神经网络(Fully Convolutional Neural,FCN)结合Landsat8 OLI多波段遥感图像对湿地图像进行特征点提取,并采用4组RGB数据结合的方式对图像特征点进行进一步的校验与选取,提高分类精度,然后利用改进支持向量机(Support Vector Machine,SVM)对所提取的特征点进行判别与分类。实验结果表明采用该实验方法能够较为精确而高效地提取湿地信息,总体分类精度为94.97%,Kappa系数为0.94,与采用全卷积神经网络和随机森林、BP(Back propagation,BP)人工神经网络、Stacking集成算法结合的湿地分类方法在总体精度各个提高了11.68%、11.26%与9.95%,该方法与单一的全卷积神经网络(RefineNet、SegNet、UNet)相比,对湿地图像的提取总体分类精度较高,该方法兼具能够提取特征,训练参数较少适用于样本数量少的多维土地覆盖类型数据分类,对湿地生态环境的保护与治理具有一定的指导意义。

Directionlet域的多波段遥感图像融合算法研究

提出一种有效的基于Directionlet变换的多波段遥感图像融合算法。Directionlet变换是一种新的基于格子的歪斜多尺度多方向各向异性小波变换工具,具有更高的逼近精度和更好的稀疏表达能力的图像分解变换,与小波变换相比,抑制了小波变换在图像边缘方向表示的固有局限性。首先采用具有多尺度、多方向特点的Directionlet变换对多波段遥感图像进行分解。对于低频系数采用平均融合算法,方向高频系数采用区域边缘检测实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统融合算法相比不仅原始图像的边缘和纹理信息可保留,而且可获得更好的融合视觉效果。

JSEG改进算法在多光谱遥感影像区域分割上的应用(英文)

图像分割是对图像进行感兴趣区域提取与识别的基础,是图像分析的关键步骤。基于区域分割的JSEG算法是一种既融合了颜色信息又融合了空间信息的图像分割方法,在普通图像和视频图像中都能得到良好的分割结果。将这一算法引入到遥感影像的分割中,并对其做出改进,使之适用于多光谱遥感影像和纹理特征复杂的遥感影像的区域分割。实验结果表明,该算法很好的解决了由于影像中复杂的地物信息而产生的不同区域边界模糊的问题。

自动散点控制回归技术在遥感数据辐射归一化中的应用

以厦门幅 TM遥感影像为例 ,在分析各种遥感数据相对辐射归一化方法存在的不足基础上 ,介绍自动散点控制回归 (ASCR)新技术的具体算法。对运算结果做了分析比较 。

RapidEye遥感卫星影像在云雪覆盖区域的应用研究

介绍了RapidEye遥感卫星影像的数据组织及影像特性,论证了基于ERDAS IMAGINE 2011及PCI等遥感影像处理软件进行RapidEye遥感卫星影像正射纠正及波段融合的技术方法,总结出适应于RapidEye不同级影像资料进行正射校正配准及云雪覆盖区域影像信息增强处理的工具软件及最优方法。