基于地质统计学的多源遥感信息融合研究

在地质统计学的概念及相关理论的基础上,分析了多源遥感信息的特点及分类。将地质统计学引入遥感信息融合中,按时序获取不同传感器的观测信息并依据相关准则进行自动分析,完成了多传感器的状态估计和决策的信息处理过程。利用地质统计学的变差函数和克里金法对多源遥感信息进行空间特征的融合,提高了遥感信息的使用率,达到了准确预测和估计地质状态的目的。     

基于面向对象方法的沙化土地遥感信息提取技术研究

针对基于像元光谱特征提取沙化土地信息分类精度偏低的问题,以Landsat\|5 TM为数据源,基于面向对象的方法对沙化土地遥感信息提取技术进行研究。首先采用多尺度分割法对影像进行分割以获得同质区域,然后结合野外调查数据制成不同地物类型的多种特征图,从而确定提取目标地物的特征并建立沙化和非沙化地物提取决策树,最后对影像进行模糊分类,并对分类结果进行精度评价。结果表明,基于面向对象提取沙化土地信息的总精度达84.89%,Kappa系数为0.8077。研究结果为后续深入研究奠定了基础。     

基于自组织神经网络的多传感器遥感图像融合技术

多传感器遥感图像融合是一种遥感信息综合分析与处理的技术,其研究正成为遥感学科领域的热门课题之一。利用自组织特征映射神经网络具有较好的聚类特性,对多源遥感图像进行高水平的分类与融合。通过对GMS 5卫星图像融合前后性质的比较和融合质量的评估,不难发现:融合后的图像不论在视觉效果上还是在噪声特性上都有了很大的改善。     

多源遥感技术在土地利用的应用综述

该文简述了多源遥感的概念,多源遥感技术的意义和作用以及多源遥感应用的有关技术(主要包括遥感影像的融合技术)的现状的进展,并着重阐述了多源遥感在土地利用方面的一些进展;同时也提出了些许问题和一些期望。     

多源遥感技术在土地利用的应用综述

该文简述了多源遥感的概念,多源遥感技术的意义和作用以及多源遥感应用的有关技术（主要包括遥感影像的融合技术）的现状的进展,并着重阐述了多源遥感在土地利用方面的一些进展;同时也提出了些许问题和一些期望。     

多源信息融合技术及其工业应用

通过对近年来国内外多传感器信息融合技术研究成果的总结,系统地阐述了多源信息融合技术的一般理论(如基本内涵、融合的基本过程、方法论),分析比较了多源信息融合系统的模型结构,介绍了多源信息融合技术在工业监控及诊断维护方面的应用。针对多源信息融合技术研究中存在的主要问题,说明了该技术未来的发展方向及趋势。     

基于多源数据的土地盐碱化遥感快速监测

通过分析干旱区土地盐碱化环境的地表景观特征和遥感信息特征，基于SPOT、ASTER多平台多波段遥感数据和DEM、土壤样品分析数据等多源数据，采用光谱角度制图（SAM）的遥感图像分类方法对实验区土地盐碱化程度进行了分级制图。该方法对常规数据的依赖性较小，适于西部干旱地区的土地盐碱化快速监测和评估。     

林业土地信息管理中的多源遥感图像融合技术

多源遥感图像为林业土地监测提供了更为丰富、精确和详尽的动态信息,提升了遥感技术科技含量和应用价值,在林业土地信息管理中得到日益广泛的重视和应用.然而多源遥感同时也增加了有效图像信息的识别问题.结合多源遥感图像融合的信息处理特点,采用基于模糊径向基函数网络、模糊Kohonen神经网络和模糊自适应谐振网的计算机图像目标识别技术,自主开发设计软件对高分辨率SPOT全色影像的多波段数据信息进行图像融合类别判断.实验证明模糊Kohonen神经网络在识别的精度、速度以及识别率是最佳方法.     

网络安全中多源传感器数据融合技术研究

多源传感器数据融合技术是网络安全领域的研究热点。本文提出了一种基于时间和空间的数据融合分类方法,比较分析了各种数据融合技术在分布式入侵检测系统和网络安全态势感知系统中的应用,讨论了网络安全中多源传感器数据融合技术的发展趋势。     

基于遥感的退耕还林监测技术及其应用前景

针对退耕还林工程动态监测任务繁重、投入大且人工监测精确性低的问题, 在前人研究的基础上, 根据退耕还林监测的需求, 对遥感数据源的选择、数据的处理过程及在退耕还林监测中的应用做了详细的探讨, 较完善地提出了基于遥感技术的退耕还林监测技术。并通过与传统监测方法的对比, 得出遥感在退耕还林监测中具有广阔的应用前景。最后, 指出多源数据融合和发展新的遥感信息提取方法将是该技术今后的重点发展方向。     

多源遥感影像融合理论、技术和应用

多源遥感影像融合日趋成为国际上遥感领域的研究热点，也是处理和充分利用多源遥感海量数据的有效途径。本文综述了多源遥感影像数据融合技术，包括融合原理、融合的主要方法、遥感影像融合应用、融合评价指标，最后指出了融合中存在的问题和发展趋势。     

SVM在多源遥感图像分类中的应用研究

在利用遥感图像进行土地利用/覆盖分类过程中,可采用以下两种途径来提高分类精度:一是通过增加有利于分类的数据源,引入地理辅助数据和归一化植被指数(NDVI)来进行多源信息融合;二是选择更好的分类方法,例如支持向量机(SVM)学习方法,由于该方法克服了最大似然法和神经网络的弱点,非常适合高维、复杂的小样本多源数据的分类。为了提高多源遥感图像分类的精度,还研究了支持向量机在遥感图像分类中模型的选择,包括多类模型和核函数的选择。分类结果表明,支持向量机比传统的分类方法具有更高的精度,尤其是基于径向基核函数和一对一多类方法的支持向量机模型更适合多源遥感图像分类,因此,基于支持向量机的多源土地利用/覆盖分类能大大提高分类精度。     

黑河综合遥感联合试验研究进展:水文与生态参量遥感反演与估算

介绍了“黑河综合遥感联合试验”在水文和生态变量与参数反演、估算和模型应用方面取得的进展。在水文变量遥感方面,利用车载双偏振多普勒雷达在黑河上游和中游分别开展了高精度降水观测,获取了后向散射系数和极化信息与降水强度之间的定量关系。在综合利用多源观测信息,改进和发展蒸散发估算模型方面取得了实质性的进展。发展了利用K和Ka波段机载微波辐射计数据反演山区积雪深度的方法。针对SAR观测数据反演土壤水分中地表粗糙度的显著干扰,发展了消除粗糙度影响的反演方法。在生态过程遥感参量估算方面,提出了一种基于机载激光雷达和高分辨率光学影像的高精度地物信息分类方法。发展了从高光谱航空遥感提取植被自然光照下的荧光,并与NDVI结合的C3/C4植被分类方法。发展和改进了使用多角度、多光谱观测反演叶面积指数的方法,挖掘了激光雷达在植被垂直结构探测上的潜力,探索了叶面积指数遥感中的尺度转换规律。发展了利用高光谱数据中的荧光信息反演光能利用率的新方法;建立了考虑土壤反射率、冠层结构等因素的光合作用有效辐射比率反演模型;改进了利用遥感估计生态系统生产力的模型。发展了利用高光谱遥感数据提取叶绿素含量和叶绿素荧光强度的方法。     

改进SeMask主干网络的高分辨率遥感影像变化检测模型

随着城市化进程的加速和人口不断增加, 土地资源的利用和管理变得愈发重要. 高分辨率遥感影像技术的发展为土地覆盖类别变化检测提供了新的途径. 目前, 多数遥感影像变化检测任务主要针对显著建筑物的变化检测, 缺少对土地覆盖类别变化检测任务的研究, 本研究基于公开数据集, 对更多土地覆盖类别变化情况进行标注. 在原语义分割主干网络的基础上结合孪生网络结构, 提出适用于土地覆盖类别变化检测任务的检测模型, 该模型在网络的特征提取阶段加入变化引导模块, 以辅助网络关注两时相影像中的变化信息, 并在网络不同阶段加入通道信息交互模块, 以增强不同特征图的信息融合. 同时, 在特征提取阶段最后一层加入特征对齐模块, 以缓解下采样过程导致的特征偏移. 在土地覆盖类别变化检测数据集上的实验结果表明, 本文提出的方法可以有效提取影像中的变化信息, 并提高分割精度.     

成像光谱技术在土地利用动态遥感监测中的应用研究

随着数字化调查技术的发展，国土资源管理对土地利用动态遥感监测提出了更高的要求，目前主要采用的多光谱数据由于受光谱分辨率限制以及“同谱异物，同物异谱”现象的影响，难以满足管理需要。成像光谱数据具有较高光谱分辨率。在类别细分方面具有一定的优势，在当前土地利用动态遥感监测中具有一定的应用潜质。该文针对成像光谱数据特点，探索了与成像光谱数据相适应的土地利用动态遥感监测方法，提出了异常光谱检测法，该方法在试验区应用中取得了良好效果。     

TB级多源遥感影像高效建库方法研究

随着各领域对多源遥感影像数据需求的不断增加,如何高效地管理多源海量遥感影像数据,更好地为各行各业服务是遥感数据库研究的热点。目前国内外很多学者在建设多源遥感影像数据库方面进行了相关研究,但对多源遥感影像数据组织、遥感影像数据预处理以及快速索引方面的研究尚存在不足。设计了一种多源遥感影像数据组织模型,实现了多源影像的集成化管理;实现了一种多源海量原始遥感影像(特别是航空影像)的半自动预处理机制,极大地缩短了原始影像数据的处理时间;设计了一种混合检索方法,达到了海量多源遥感影像数据快速高效检索的目的。结果表明:该方法建库效率显著提高,混合索引的查询速度比ArcSDE自动创建的空间索引检索速度有了快速提高,在数据量较小时查询速度至少可以提高4倍,而数据量较大时检索速度至少可以提高12.83倍。     

基于遥感和陆表信息集成的广东省土地覆盖分类方法研究

土地覆盖信息是估算地-气间的生物物理过程和能量交换的关键参数,也是区域和全球尺度气候和生态系统过程模型所需要的重要参量。如何高效地利用遥感数据提取土地覆盖信息是当前研究迫切需要解决的问题。面向对象的分类方法不但充分利用了遥感数据的光谱信息,同时也利用了影像的纹理结构信息和更多的地物分布信息关系,在遥感分类中具有较大的潜力。研究基于2010年多时相的环境卫星数据、TM数据以及DEM数据,并结合地表采集的4000多个样点数据,采用面向对象的分类方法对广东省土地覆盖进行分类。经采样验证,广东省土地覆盖平均精度为85%,分类结果精度远高于常规的分类算法,说明结合陆表信息的面向对象分类方法比常规的分类算法更具有优势,可以实现高精度的土地覆盖分类。     

基于全变分模型的多时相遥感影像厚云去除算法

针对多时相遥感影像厚云去除出现的亮度不一致和明显边界的问题,提出了一种结合全变分模型和泊松方程的多时相遥感影像厚云去除算法。首先,通过多时相遥感影像间共同区域的亮度信息计算亮度校正系数,对图像的亮度进行校正,降低亮度差异对去云结果的影响。然后,基于选择多源全变分模型对亮度校正后的多时相遥感影像进行重建,提高融合结果的空间平滑性及其与原始影像的相似性。最后,利用泊松方程对重建图像的局部区域进行优化。实验结果表明,该算法能够有效解决亮度不一致和边界问题。     

人工神经网络遥感分类方法研究现状及发展趋势探析

从人工神经网络技术本身出发,概括了其在遥感分类中的研究现状,分析了人工神经网络遥感分类方法与其它分类方法相比具有的优势,介绍了人工神经网络遥感分类的一些主要应用,并进一步对人工神经网络遥感分类方法的发展趋势进行了展望。