基于小波变换和MNF变换的遥感影像融合

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析(Principal Com-ponents Analysis,PCA)变换融合对噪声比较敏感,受到融合区域的限制,而最小噪声分离(Minimum Noise Frac-tion,MNF)变换考虑了噪声和融合区域,是一种完备的成分分解方法,小波变换(Wavelet Transformation,WT)融合也存在一定程度的光谱失真。由此,本文在分析MNF变换和WT的基础上,以IKONOS新型高分辨率观测卫星提供的全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其它融合方法的定量和视觉比较,发现该方法能得到更好的融合效果。

MNF和SVM在遥感影像计算机分类中的应用

由于黄土高原地形复杂,单纯采用监督分离变换MNF(Minimum Noise Fraction)变换得到的4个去除噪声波段、归一化植督分类方法很难获得理想的精度,以延安市区为实验区,以TM遥感图像的最小噪声被指数NDVI和该地域的DEM作为数据源,采用支持向量机SVM(Support Vector Machine)的方法对研究区土地利用与覆盖状况进行分类,获得了较理想的分类结果。

基于纹理特征MNF变换的多光谱遥感影像分类

提出了一种基于纹理特征最小噪声分离(Minimum Noise Fraction,MNF)变换的多光谱遥感影像分类方法。利用灰度共生矩阵对每个光谱波段进行纹理特征提取,对纹理特征进行MNF变换,将集中了大部分纹理特征信息的MNF分量与光谱信息协同进行分类。基于CBERS-04遥感影像对郎玛村地区进行岩土分类实验。结果表明,该方法的分类精度高于传统的基于光谱主成分纹理特征的多光谱遥感影像分类方法,其分类结果具有更好的区域一致性和较少的小图斑噪声。

结合MNF变换和Canny算子的遥感影像变化检测

针对大面积区域的多时相遥感影像变化检测的需求,提出了一种基于最小噪声分离(MNF)的Canny边缘检测提取影像变化信息的检测方法。对多时相影像采用多种变换组合成具有多维波段信息的影像,采用最小噪声分离法分离噪声并得到单波段差异图,通过Canny边缘检测法计算梯度幅值,采用高低双阈值法细化边缘,从而提取差异图变化边缘,有效突出了变化信息。以1995年和2003年加扎勒河的两期遥感影像为例,利用两时相影像进行土地覆被变化检测。实验结果表明,该方法适用于监测大面积区域内地物的突变情况。在数据基础上进行最小噪声分离可以有效解决传统Canny边缘检测提取边缘时造成的伪边缘现象,同时采用高低双阈值法有效去除伪边缘点,从而获得更加精确、直观的变化检测效果,在自然地理变化监测、地理国情灾害监测等有很好的应用价值。

结合光谱图像技术和SAM分类法的甘蓝中杂草识别研究

杂草自动识别技术是实现变量喷洒、精准施药的关键,更是制约其实现的瓶颈,因此,准确、快速、无损地实现杂草自动识别已成为精准农业的一个重要研究方向。利用高光谱成像系统采集甘蓝幼苗及小藜、稗草、牛筋草、马唐和狗尾草等五种杂草在1 000~2 500nm波长区间的高光谱图像数据,在ENVI中经过MNF变换对数据降噪、去相关,并将波段维数从256维降到11维,通过提取感兴趣区域获得标准光谱,最后利用SAM分类法识别甘蓝与杂草,光谱角弧度阈值为0.1弧度时,分类效果良好。在HSI Analyzer中选择训练像元获得标准光谱后,利用SAM分类法识别甘蓝与杂草,并利用人工分类图与SAM分类图比较定量度量杂草的识别正确率,结果表明,当参数设置为5点平滑、0阶导数和7度光谱角度时,分类效果最佳,杂草识别率为80.0%,非杂草类识别率为97.3%,总体识别率为96.8%。应用光谱图像技术与SAM分类法相结合的方法进行杂草检测,充分利用了光谱和图像的融合信息,该方法应用空间的分类算法来建立光谱判别方法的训练集,在像素级别上考察光谱矢量之间的相似性,融合了光谱和图像两者的优势,同时兼顾了准确性和快速性,并且在整场范围内（行间和行内）改善杂草检测范围,为农业精确管理中需要植物精准信息的应用领域提供了相关的分析手段和方法。

桂东南植被覆盖区的抗干扰遥感蚀变信息优化提取与找矿预测

以抗干扰主成分分析法为基础,结合植被抑制算法,依据地化元素和矿点的空间分布,建立了遥感抗干扰-地质信息优化提取流程,在桂东南地区开展了遥感地质找矿预测。发现羟基异常或"羟基+弱铁染组合异常"是对Au、Ag、W、Mo、Sn成矿有利区的有效指示;强铁染异常的形态和规模与燕山早期花岗岩体存在空间对应关系;"强铁染异常+弱羟基异常"组合模式与小型金矿、铁染-羟基综合异常与铅锌矿床、羟基蚀变强烈区与构造破碎强烈带等之间均存在较为密切的空间对应关系。因此得到初步结论:遥感蚀变组合异常与多期构造活动叠加、多期/次岩浆侵入、围岩蚀变强、多种岩性复合叠加的区域,是成矿最有利区段,"强羟基蚀变+弱铁染蚀变"组合异常与Au、Ag、W、Mo、Sn地球化学次生晕异常存在着良好的同现关系;采用MNF-羟基-铁染综合异常信息法在中等植被覆盖区圈定Au、Ag、W、Mo、Sn矿床成矿远景区的应用是有效的。

高光谱遥感岩矿端元提取与分析方法研究

端元提取是高光谱遥感信息提取与分析的基础,也是解决高光谱图像混合像元分解的关键。本文针对研究区高光谱遥感数据特点,进行了辐射校正、最小噪声分离变换(MNF)及纯净像元指数(PPI)处理,在此基础上,应用二维散点图和三维散点图分别提取了端元波谱,并开展了端元属性的判别研究。岩矿端元的提取与分析为后续岩矿种类识别奠定了基础,直接影响最终成果的准确度。

盲小波算法在遥感图像去噪中的应用

根据盲信号分离原理和小波分析,提出了一种遥感图像去噪的盲小波算法,首先将遥感图像的个信号进行同深度小波分解,得到不同信号相应深度的小波系数和尺度系数,然后将小波系数进行软阈值法处理,并进一步对不同信号的同深度的小波系数和尺度系数进行盲分离,并提取与源信号相关的信号,最后通过信号重构估计源信号。这种将小波分析和盲信号分离技术有机结合的方法能够有效的消除遥感图像的噪声。通过对实际遥感图像的处理,并与其他去噪技术相比较,利用盲小波算法得到的结果更为理想。

基于TM影像的土地利用动态变化分析研究——以烟台市六区为例

以烟台市1989、1996和2002年3期TM遥感影像为基础,对经过MNF变换后的影像采用面向对象分类方法提取了烟台市土地利用类型信息,研究了烟台市土地利用的总量变化特征和土地利用类型动态变化特征。研究结果表明:烟台市城乡建设用地由1989年的12.4%增加为2002年的20.35%,增加了近8%,主要由农田和有林地转化而来,表明城市扩张占用耕地现象严重。通过对土地利用结构的单一和综合土地利用动态度分析,表述了烟台市土地利用动态呈现1996～2002年度的变化小于1989～1996年度变化特点,说明了当前采取一些措施的有效性。

基于决策树理论的岩矿信息识别方法研究

对研究区ALI数据进行了图像镶嵌、定标与反射率计算,通过PPI运算与N-D散点图三维分析,获取了研究区岩矿样本波谱曲线,并采用波谱比对技术对样本岩矿进行了分析。在此基础上,采用决策树分类方法提取了研究区岩矿信息,研究发现:通过MNF变换,样本区的各类岩矿波谱曲线特征差异明显且远远大于MNF变换前的波谱曲线特征差异,而基于此的决策树分类识别方法能够较为准确地识别各类岩矿。

基于最小噪声分离变换的遥感影像融合方法

针对主成分分析(PCA)融合算法的不足和最小噪声分离(MNF)变换的优势,以IKONOS新型高分辨率观测卫星提供的全色和多光谱数据为实验数据,提出了基于最小噪声分离变换的遥感影像融合方法,并与其它融合方法进行定量和视觉比较,结果表明该方法能得到更好的融合效果。

最小噪声分离变换与Haar小波变换结合的壁画线状特征增强方法

在壁画的保护与修复中,线状特征具有重要的意义。然而由于自然环境等因素的影响,壁画经常出现褪色残缺等病害,导致其线状特征难以辨认。因此,利用高光谱成像与Haar小波变换结合,提出了一种壁画线状特征增强方法。首先,对高光谱影像进行最小噪声分离(MNF)变换,选取前10波段进行MNF逆变换进行重构,实现高光谱影像的降噪处理。其次,对重构后的影像选择真彩色波段变换为灰度图像,对灰度图像进行Haar小波分解。然后,对最小噪声分离变换后的影像,利用最大平均梯度法进行最优波段选择,将最优波段利用Haar小波进行变换,利用其分解后的低频信号与灰度图像分解后的低频信号相融合,高频信号使用MNF逆变换重构后的灰度图像。最后,对优化组合的低频和高频信号进行Haar小波逆变换得到结果图像,达到增强线状特征的目的。经过与原始灰度影像、主成分分析线状特征增强方法对比,验证了线状特征增强方法的有效性。研究结果可为壁画的保护修复提供更丰富、更直观的参考信息。

基于高光谱成像技术的苹果表面缺陷无损检测

以"红富士"苹果为研究对象,提出基于高光谱成像技术结合图像分割技术的苹果表面缺陷的无损检测方法。采用高光谱图像采集系统(400 nm～1 000 nm)采集完好无损和表面有缺陷苹果的高光谱图像;对采集到的高光谱图像进行最小噪声分离变换,提取感兴趣区域的平均光谱反射率;采用图像分割技术提出苹果表面缺陷的无损检测方法。结果表明:采用最小噪声分离变换可有效地消除苹果高光谱图像中的噪声;在700 nm～800 nm以及900 nm～1 000 nm波段范围内完好无损和表面有缺陷的苹果的光谱反射率值具有明显的差异,同时选取特征波长717.98 nm处的光谱反射率值小于0.6以及982.59 nm处的光谱反射率值大于0.52作为区分苹果正常区域和表面缺陷区域的阈值条件,进一步利用阈值分割方法对80个完好无损苹果和40个表面有缺陷苹果的正确识别率分别为97.5%和95%。表明高光谱成像技术结合图像分割技术可实现苹果表面缺陷的无损检测。

基于机载高光谱遥感数据的溢油信息提取方法

为减少高光谱遥感数据处理波段,提高处理效率,提出一种基于最小噪声分离波谱的决策树分类方法.利用最小噪声分离变换(MNF)降低数据冗余度,并将图像噪声分离,通过分析各地物的MNF特征值,建立分类决策树,并提取了油膜相对厚度等信息.结果表明,该方法保证了识别精度,有效利用了光谱维信息,明显减小了数据处理时间,从而将高光谱数据用于溢油应急快速产品的生产中.

结合最小噪声分离变换和卷积神经网络的高分辨影像分类方法

针对传统浅层机器学习方法应用于高分辨影像分类时存在的问题,提出了结合最小噪声分离变换和卷积神经网络的高分辨率影像分类方法。采用最小噪声分离分析非监督训练初始化卷积神经网络,为提高训练速度,使用线性修正函数作为神经网络的激活函数;利用概率最大化采样原则减少池化过程中影像特征的缺失,并将下采样后影像特征输入Softmax分类器进行分类。采用所提分类方法对典型地区的影像进行分类实验,并与支持向量机和人工神经网络分类方法的分类结果进行对比。结果表明,所提分类方法的分类精度明显高于另两种分类方法的分类精度,并能充分挖掘高分辨遥感影像的空间信息。