基于支持向量机的SPIN-2影像与SPOT-4多光谱影像融合研究

遥感影像融合是解决多源海量数据富集表示的有效途径之一。针对高分辨率遥感数据SPIN 2 (2m)与多光谱遥感数据SPOT 4 (2 0m)的影像融合 ,提出了基于支持向量机 (SVM)的遥感影像融合的新方法。建立了基于SVM的遥感影像融合模型 ,并进行了分类融合实验 ,实验效果较好。最后给出了分类融合评价。结果表明 ,支持向量机可用于遥感影像融合 ,且分类融合精度较高。

基于光谱特征的SPOT-5影像马尾松毛虫虫害信息提取

以福建沙县作为研究区,以单期SPOT-5多光谱影像为数据源,基于其光谱特征,构建归一化植被指数(Ndvi)、比值植被指数(Rvi)、绿度植被指数(Gvi)、土壤调节植被指数(Savi)、红边参数等光谱指数作为光谱监测指标,通过建立马尾松毛虫虫情级数模型并进行反演,进而提取虫害信息,其虫害信息提取的总精度为70.75%。研究结果证明利用单时相遥感数据进行马尾松毛虫虫害监测是可行的。

基于SPOT-5多光谱影像的矿区塌塘水体提取方法研究

针对基于遥感影像的水体提取方法存在水体提取不完整和误提的现象,提出了一种基于SPOT-5多光谱影像的矿区塌塘水体提取方法。在利用波段合成增加一个可用波段的基础上对已有的水体提取方法进行适当的改进,并基于决策树分类器和改进后的方法进行矿区水体的四级提取,保证了水体提取的完整性,同时减少了误提率;最后利用实测数据对水体提取的精度进行了评定。试验结果表明,基于决策树分类器的水体提取方法具有较高的精度,能满足矿区实际应用的需要。

第4届多光谱影像处理和模式识别国际研讨会

由武汉大学测绘遥感信息工程国家重点实验室主办的“第4届多光谱影像处理和模式识别国际研讨会”于2005年10月31日至11月2日在武汉召开，来自美国、英国、荷兰、瑞士、奥地利、意大利、埃及、日本、沙特阿拉伯、中国及中国香港等十余个国家和地区的200多名专家学者参加了会议与会专家对多光谱影像处理和模式识别技术的现状及未来的发展趋势进行了深入的探讨，会议议题包括多光谱影像的获取和处理，影像分析技术，模式识别和计算机视觉，SAR影像分析、建模和应用虚拟地理环境下的遥感影像，数据挖掘和知识发现，空间信息标准遥感和地理信息系统在资源、环境和城市规划方面的应用等。

基于SPOT-7影像的马尾松生物量估测模型研究

森林生物量的定量估算为全球碳储量循环及气候变化研究提供了重要的参考依据。以肇庆市马尾松生物量为研究对象,基于SPOT-7影像数据,提取出单波段、波段比值、纹理特征、地形等因子并进行优选,对优选后的变量因子进行分组,生成光谱特征、纹理特征、光谱和纹理特征相结合的3种自变量集,采用偏最小二乘回归法和3种自变量集构建马尾松生物量估测模型并进行优选。结果显示:基于光谱特征构建的马尾松生物量估测模型的决定系数R2为0.81,均方根误差为15.30 t/hm2,误差平均值为-5.65 t/hm2,总预报偏差的相对误差为9.30%;基于纹理特征构建的马尾松生物量估测模型的决定系数R2为0.84,均方根误差为15.69 t/hm2,误差平均值为-4.73 t/hm2,总预报偏差的相对误差为7.78%;基于光谱和纹理特征相结合构建的马尾松生物量估测模型的决定系数R2为0.83,均方根误差为15.24 t/hm2,误差平均值为-5.27 t/hm2,总预报偏差的相对误差为8.67%。由此可知,基于纹理特征构建的马尾松生物量模型要好于其他两种方法,估算精度更高。

SPOT-5卫星影像中水体信息自动提取的一种有效方法

从卫星遥感影像中快速、准确地提取水体信息已成为水资源调查,水资源宏观监测及湿地保护的重要手段,但目前,进行水体提取所使用的卫星遥感数据的分辨率较低,使其应用的深度和广度受到严重约束。本文利用波段运算得到特征波段(PRWI),经过图像增强处理后提取水体和居民地混合信息,在此基础上通过分析水体的光谱特征,发现水体和居民地在近红外和短波红外上有显著差异,采用决策树模型将水体专题信息提取出来。运用目视判读和定量统计方法来评价提取结果,结果表明,该方法的总体提取效果较好,其提取精度与常规的监督分类方法相比有了较大的提高。经检验发现其误判的像元主要是位于水体和其他地物的交界处。

一种基于决策树的SPOT-5影像分类方法

本文采用决策树分类技术对江苏省某地区的SPOT-5影像进行了分类研究。分析了SPOT-5影像中主要地物不同波段间的光谱特性。提出一种综合利用地物光谱特征及纹理特征逐步区分水体、农田、居民地及裸地等基本地物类型的决策树分类方法。实验结果表明,该分类方法简单有效、结构直观。经目视检验,相较于监督分类,本方法能够达到更好的分类精度。

基于多尺度纹理与光谱特征的马尾松毛虫虫害信息提取方法研究

以福建沙县为研究区,融合SPOT-5多光谱影像与全色影像,基于灰度共生矩阵法提取纹理量,与光谱波段组合,采用支持向量机分类方法提取虫害信息,探讨纹理特征对于虫害监测信息提取精度的影响。结果表明:结合多尺度纹理与光谱特征的支持向量机分类方法,其虫害信息提取总精度最高,为80.48%;结合单尺度纹理与光谱特征的支持向量机分类器方法,其虫害信息提取总精度次之,为78.81%;基于光谱特征的最大似然法,其虫害信息提取总精度最低,为70.48%。结合多尺度纹理与光谱特征的支持向量机分类器方法,其图面表现也较好,减少了图面的细碎斑点。因此,提取多尺度纹理与光谱特征结合,丰富了图像信息量,有助于提高虫害信息的提取精度。