森林资源监测中GF-2卫星影像波段配准误差分析

通过对GF-2卫星影像正射校正及波段模拟配准误差试验,分析GF-2卫星正射校正方法的选择以及不同配准误差下对GF-2卫星影像自动分类结果的影响;最后介绍GF-2遥感影像在森林资源监测应用中的初步测试。研究结果表明:正射校正时,当校正精度要求控制在RMS<2时,控制点数量选择范围在85~95间较为合理,且控制点数在90个时,RMS值最小;经有理函数模型与卫片模型比较后,卫片模型校正精度较高;以目视判读为主时,实践中建议使用三次卷积重采样法输出结果最好;波段模拟配准误差试验中,配准误差与各地类面积变化间存在显著的线性关系;对于森林面积监测时,配准误差应小于0.3个像元。此研究可为新型国产卫星数据在森林资源监测中的应用提供参考。

高分二号卫星影像融合方法比较研究

文章通过GF-2卫星全色及多光谱数据融合试验,比较了常用的4种影像融合方法,从主观定性评价和客观定量评价两方面分析融合后的影像质量,最后采用最大似然法对融合影像分类比较,筛选较适合GF-2影像的融合方法。试验结果表明:四种融合方法中,Pansharp变换取得了较好的融合效果,在主观定性和客观定量评价中效果最优,在分类试验中总体分类精度最高。总体而言,Pansharp变换优于其他融合算法,适用于GF-2卫星在林业行业的应用。研究力图为林业中影像大规模的融合应用提供参考。

基于高分二号影像的融合方法对比研究

为了更充分地利用GF-2卫星影像数据,文章选取GF-2卫星全色和多光谱影像数据进行融合实验。首先选择PCA(principal component analysis)变换、HIS(intensity hue saturation)变换、Contourlet变换三种融合方法以及它们的结合算法对全色和多光谱影像进行融合,然后对融合结果进行主观定性分析和客观定量评价,最后综合比较得到融合质量较好的方法。实验表明:PCA+Contourlet变换、HIS+Contourlet变换和HIS+PCA+Contourlet变换不仅提高了融合影像的空间分辨率,突出了目标的细节、边缘、纹理信息,保留了原多光谱图像的光谱特性,而且有效地去除了噪声,较适用于高分二号影像的融合。

基于省域冬小麦遥感监测的海量卫星数据筛选

从海量卫星影像中快速获取适合解译冬小麦的影像资料是开展冬小麦遥感监测的基础工作。本文以GF-2和ZY-3影像作为数据源,基于山东省的冬小麦物候特征,确定了影像的最佳时相是3—5月,在此基础上筛选云量少、冬小麦特征明显的影像,同时考虑到冬小麦长势的区域性差异,针对不同区域选取不同时相的影像,确保所选影像上的冬小麦光谱特征较为明显,并对影像覆盖情况进行了统计分析,共得到可用影像184景,及时、快速地为冬小麦种植信息提取提供基础数据。其中,3月份影像主要分布在鲁西南区域;4月份影像主要分布在鲁西和鲁东区域,在鲁南、鲁中和鲁北区域有少量分布;5月份影像主要分布在东部沿海地区。

聚合VGI与GF-2影像的地震救援协助救灾信息获取研究

地震会给人类社会带来巨大损失,在地震发生后及时获得准确有效的地震救援协助救灾信息,为相关部门制定救援方案提供辅助信息,能够最大程度地减少人员伤亡及经济损失,对抢险救灾、应急指挥具有重大意义。地震发生后,为快速获取协助救灾信息,通过Python爬取九寨沟震后微博数据,分类并获取位置信息,聚合地震后自发地理信息(VGI)与遥感影像,进行服务区、最近设施点路径分析,并利用震前震后影像变化提取泥石流滑坡区域。结果表明:震后第一时间对有效数据进行聚合分析,能有效地获取设施点的服务区范围和最优可达路径,形成地理信息互补,在灾害应急等领域发挥出巨大的作用;通过聚合分析VGI与遥感影像数据获取地震协助救灾信息,在应急救援中具有一定可行性。

基于不同感受野SSD网络的河流水电站检测

准确、高效地提取水电站对水资源调度和生态环境保护具有重要意义,使用效率低的人工目视解译方法不能满足大范围提取水电站的需求。针对遥感影像上水电站尺度多变的特性,制作了分辨率为1 m和2 m的样本数据,保证大尺度目标在样本中的完整性。在深度学习目标检测SSD(single shot detector)网络的基础上,添加感受野缩放模块,适应不同尺度下的水电站特征学习。同时,通过上采样插值融合不同感受野对应的卷积层,精细化了目标的位置信息,保留了目标的丰富语义信息。最后,基于国产GF-2卫星影像数据,利用两种分辨率下的最优网络实现了云贵川地区水电站提取。实验结果表明,网络的提取精度可以达到84.1%。