高分二号卫星影像数据正射纠正方法优化

随着国产卫星影像应用范围的不断扩展,卫星影像数据处理技术也日益成熟。近年来辽宁省开展基础测绘、地理国情监测、应急保障等工作,需要大量的基础影像数据为依托。卫星影像的获取不受空域限制,具有机动、灵活等优势。高分二号卫星影像作为国产卫星影像的代表在业内率先与国际接轨。目前能否利用及如何利用好国产卫星影像开展省级基础测绘工作,是摆在测绘部门面前的一道难题。本文针对国产卫星影像数据处理技术和流程,提出了针对于国产卫星影像更加完善的一套技术框架体系。

基于港口船舶识别的高分二号卫星遥感影像融合方法比较

在卫星遥感影像识别中,相较于海上单一环境的船舶识别,港口船舶识别由于存在集装箱、码头等大量干扰目标,显得更为困难。采用强度-色度-饱和度(Intensity-Hue-Saturation, IHS)变换、Brovey变换(Brovey Transform, BT)、ESRI全色锐化变换、简单均值变换和施密特正交变换法(Gram-Schmidt, GS)等5种融合算法,进行高分二号卫星全色和多光谱影像的融合试验,通过定性和定量评价选出适用于港口船舶影像的最优方法。结果显示GS融合方法在增加影像空间信息的同时维持了光谱保真性,其均方根误差、峰值信噪比、结构相似性等指标均优于其他4种融合方法,可用于港口船舶识别。

基于“高分二号”卫星影像的黑臭水体识别

黑臭水体的遥感识别对水环境监测治理具有重要意义。文章对廊坊市及其周边区域地面采集水体数据的光谱信息进行了分析,在此基础上提出基于决策树的黑臭水体识别算法,并利用“高分二号”(GF-2)卫星影像进行验证,分析黑臭水体空间分布特点及成因。利用决策树模型对GF-2卫星2020年5月影像黑臭水体空间分布进行排查识别,研究结果表明:1)通过卫星同步样点验证,决策树算法识别准确率达到80%,在迁移实验中也有79%准确率,优于传统的阈值法与波段指数法,能有效地识别出黑臭水体;2)黑臭水体分布广泛且不连续,水体受到工业生产、人类生活影响较大,窄小河道、坑塘和断头浜容易发生黑臭现象。利用文中所提方法进行黑臭水体遥感识别,精度高且响应迅速,在水环境管理监测过程中具有较高的应用价值。

基于国产高分卫星数据的矿山环境变化检测

为了提高矿山遥感监测的自动化程度,弥补传统监测方法的缺陷,以国产高分二号(GF-2)影像为数据源,根据矿山监测的目标,提取多源特征,构建一种自动化程度较高的面向对象的变化检测方法,用于矿山环境的动态监测。这种方法在利用变化向量分析法(change vector analysis,CVA)进行变化检测的基础上自动选择训练样本,然后利用极限学习机(extreme learning machine,ELM)提取变化信息。将该方法与其他常用的5种方法对比,实验结果表明:该方法的检测精度高达98. 73%,且自动化程度高,很适用于矿山环境的动态监测分析;以四川省攀枝花市米易县的典型矿山和尾矿库为例,开展矿山及周边环境动态监测实验,准确地检测出了矿山及其周边区域所发生的变化,验证了该方法的可行性,也为矿山实施大规模遥感动态监测提供了范例。

基于遥感影像的交通专题图制作

交通专题图是以交通信息为主要专题要素,以遥感影像为底图要素制作的专题图。本文以高分二号卫星影像作为专题图制作的底图要素,在ENVI 5.2上对其进行正射校正、影像配准等底图制作的预处理操作;然后,在Arc GIS 10.2上进行地理配准,影像裁剪等生成工作底图;最后在工作底图上叠加矢量数据以及相应的符号库进行地图表达,输出交通专题图。采用不同平台预处理和制图的方式,提高了制图的效率和精度,实现了专题图制作的数字化。

基于特征优选随机森林算法的GF-2影像分类

基于随机森林算法(RF,RandomForest)对“高分二号”(GF-2)卫星遥感数据进行面向对象地表信息提取时存在如下不足:1)有限的光谱波段导致随机森林可选特征变量受限,影响分类器性能;2)面向对象影像分割尺度以经验判别为主,缺少定量化的判定标准。为了克服上述问题,文章提出了一种优化特征空间的随机森林分类算法。首先根据面向对象分割的理论方法,引入方差变化率,获取研究区影像的最优分割尺度;然后利用随机森林–平均精度减少模型(RF-MDA,Random Forest-Mean Decrease in Accuracy)与K折交叉验证算法(K-CV,K-Cross Validation),进行特征重要性排序并优化特征空间;最后,基于不同特征组合的随机森林分类算法进行面向对象分类,并对分类结果进行对比分析。结果表明,改进的基于特征优选随机森林分类算法的总体精度和Kappa系数分别为93.44%和0.928,优于原始RF算法。该方法能够有效提高GF-2卫星遥感影像在土地利用分类方面的精度,可为国土监测和管理提供技术支持和理论指导。

基于LBV变换的GF-2影像水体提取方法

针对GF-2影像波段较少、不利于构建水体指数的问题,提出了基于LBV变换的水体提取方法。通过GF-2影像的LBV变换及其归一化,得到了物理意义明确的L、B、V变换分量;利用这三个分量计算特征分量BL、BV,构建完整水体提取方案,对阿克塞县的小苏干湖和石嘴山市某一段黄河进行水体提取。实验结果表明,相比于NIR、NDWI算法,本文算法能够更好地将水体与土壤、植被、建筑物等地物区分开来,在正确率、误提率、漏提率方面总体优于NIR、NDWI算法,提取过程简单,具有较好的应用价值。

最佳波段组合的典型地物信息提取

随着国产高分辨率卫星的快速发展,可获取的影像数据愈加丰富,但如何进一步提高其利用效率是亟待解决的问题,针对国产高分卫星影像光谱特征利用率不高、波段间信息冗余及相互干扰的问题,以“高分二号”和“北京二号”卫星影像数据为数据源,开展典型地物最佳波段组合研究,基于光谱特征分析、最佳指数因子、联合熵和典型地物的光谱曲线等逐步确定其最佳波段组合,并采用目视判别和最佳指数因子对最优波段组合的选取结果进行了验证,结果表明,两种影像的最佳波段组合为B1、B3、B4;最后,对四种波段组合的影像均进行典型地物信息提取,实验表明,在两种影像中,B1、B3、B4组合的典型地物信息提取精度和Kappa系数均最高,这说明B1、B3、B4组合是适用于两种影像土地利用信息提取的最佳波段组合,同时再次验证了最佳波段的选取结果,具有一定的实用意义,为同类卫星影像典型地物信息提取的最佳波段组合选取方法提供了参考。