基于机载LiDAR和多光谱图像的建筑物震害自动识别方法

地震破坏的建筑物在遥感影像上和空间上表现出的特征各异,致使遥感定量化估计其破坏程度较困难.本文介绍了基于LiDAR和多光谱影像相结合的多源遥感影像进行倒塌建筑物的面向对象识别的方法、分析处理步骤和特征参数选择,并以2010年1月12日海地地震后的太子港局部LiDAR数据和高分辨率卫星影像为例,提取了倒塌和未倒塌建筑物,经与高分影像目视解译结果比较,面向对象分类结果具有较高的分类精度.     

QuickBird卫星图像在丹巴县城重点灾害区地质灾害详细调查中的应用研究

论述应用QuickBird卫星图像在丹巴县城重点灾害区开展1：1万地质灾害遥感调查的主要工作内容和工作方法、遥感数字图像处理及制作，总结了地质灾害遥感影像特征，查明了该区地质灾害类型、规模大小及危害程度，分析了该区地质灾害发育分布规律，并归纳了QuickBird卫星图像在地质灾害详细调查中的优势。     

汶川地震地质灾害发育特点及动因机制分析

汶川地震地质灾害具有发生范围广、密度大、明显的成群成带性、灾害类型以崩塌滑坡为主、且崩塌远多于滑坡以及次生地质灾害将长期存在的特点。这些特点主要是由于地震波自（地壳）内而外的、纵波和横波的连环传播导致山体先是结构性损伤，继而使表层岩土体失稳而造成的。岩性、地形地貌以及岩层倾向的差异也在一定程度上影响着灾害类型的发育和空间分布。汶川地震次生地质灾害防治将是一个任务艰巨、过程漫长、前所未有、充满科技挑战的一项系统工程。     

汶川地震大型单体滑坡遥感调查与危险性评价

＂5.12＂汶川特大地震诱发了大量次生地质灾害,山体大面积滑坡、崩塌,给人民的生命财产造成了重大损失。对这些次生性灾害进行详细的调查与监测,评价其近期的稳定性,对于防灾减灾,指导灾后重建具有现实意义。本文探讨了利用遥感影像对大型滑坡进行识别与解译,并运用AHP层次分析法对汶川地震形成的文家坝大型滑坡进行危险性评价的方法。在野外调查的基础上,对2008年5月16日获取的SPOT5影像进行解译,实现了对滑坡的规模、结构、类型、物质组成、稳定性等特征的遥感调查;选取与该滑坡发生有密切关联的地层岩性、坡度、区域降雨量、地震和水文条件5个因素作为滑坡危险性评价的指标,采用比例标度法构建判别矩阵,建立了滑坡危险度判别模型。经计算,文家坝滑坡危险性指数为0.684,危险度较高,有必要进行工程治理。     

三峡库区巴东段地质灾害因子关联规则挖掘

选择地质灾害较为发育的巴东县为研究区,并以该区灾害点为数据样本,利用GIS将灾害点与地层岩性、高程、坡度、坡向、水系组合、遥感影像土地利用分类结果等6个影响因子进行叠加分析,选取灾害点的灾害类型、灾害规模、灾害体的物质类型、高程差、水系岸别等5个属性与叠加分析结果利用Apriori算法进行关联规则挖掘,最后挖掘出灾害规模与水系组合间关系等单因素间关联以及不同灾害属性与各因子间的关系等多因素间关联。通过与前人的相关研究成果对比分析,证明得出的规则具有合理性并符合实际情况,可为地质灾害分析决策提供先验知识。     

基于多地表特征参数的遥感影像分类研究

地表特征是反映地表信息的重要参数,是了解地表时空多变信息的定量要素。提出基于多地表特征参数的遥感影像分类方法,并利用武汉市的Landsat ETM+影像为例进行试验。试验选择通用植被指数(VIUPD)、地表温度和纹理特征等多地表特征参数,在考虑光谱特征和空间信息的前提下,结合分层思想的决策树方法,对遥感影像进行分类。结果证明利用多地表特征参数的决策树分类方法与传统的基于光谱反射率特征的决策树分类方法和SVM分类方法相比较,分类精度有了明显的提高。     

基于独立分量分析和支持向量机的遥感影像融合分类算法

遥感影像分类是遥感定量化分析的重要手段,遥感影像融合是提高分类正确率的有效途径之一。本文提出一种遥感影像的融合分类算法。首先采用Contourlet变换对多光谱影像和全色影像进行融合,然后结合独立分量分析的去相关性、稀疏特性以及很好地捕捉影像重要边缘信息、纹理信息的能力,提取融合影像的独立分量特征,并用支持向量机实现分类。与其他算法的主、客观比较结果表明,该算法的实验效果较好,可有效地提高遥感影像的分类精度。     

重视遥感技术在防震减灾中的作用

利用遥感技术可以在地震灾害救灾或者评估过程中进行以下工作：第一,利用中低分辨率的遥感影像获取震后灾情的宏观分布情况,以判断地震的影响范围,对活动断层、地震破裂带及次生地质灾害进行调查,分析活动断层的几何特性、构造地貌等;第二,利用高分辨率的遥感影像可以得到震态房屋的详细破坏情况,以满足灾情的详细判断和震灾评估的精度要求,     

基于变化检测的滑坡灾害自动识别

在分析当前滑坡灾害信息识别方法的基础上,指出这些方法的适用性和不足之处,并针对这些不足之处,以滑坡的地学原理为依据,提出了以多时相遥感影像为数据源,结合纹理分析的变化检测自动识别滑坡灾害信息的方法。最后,以地震前(2006-5-14)后(2008-6-3)的北川县城及附近区域的福卫2号多光谱遥感影像作为数据源,以结合比率变换和纹理分析的变化检测进行滑坡灾害信息识别试验。结果表明,结合纹理分析的变化检测方法能够突破影像光谱特征的局限,对于滑坡灾害信息识别具有显著的适用性。     

ASTER多光谱影像与资源二号全色影像融合研究

随着遥感获取数据手段的日益增多,遥感影像的融合技术备受关注。针对ASTER多光谱影像光谱信息丰富、分辨率小,资源二号全色影像分辨率高、纹理信息丰富的特点,以安徽省马鞍山市当涂县的ASTER多光谱影像与资源二号全色影像为例,分别采用基于主成分分析、小波变换以及主成分分析与小波变换相结合的3种融合方法进行融合实验,并对融合后的影像进行对比,探讨 ASTER多光谱影像与资源二号全色影像融合的方法和效果。结果表明:采用主成分分析与小波变换相结合的方法对两幅影像融合的效果最好,极大地改善了两种单一方法的缺点,提高了原始影像的目视效果和光谱信息,从而为区域研究提供了更精确的数据资料。     

四川省芦山“4·20” 7.0级地震公路灾情遥感监测评估

四川省芦山“4·20” 7.0级强烈地震发生后,次生地质灾害造成多处公路损毁,快速、准确地监测公路灾情,是应急救灾一项基础而重要的工作。遥感影像信息提取是获取公路灾情的一种有效途径。利用震后机载航空影像与国产卫星影像,结合交通运输部相关基础数据,对公路灾情开展了监测与评估。在公路周边共发现433处地质灾害点,灾害类型以崩塌为主。其中对公路已造成影响的灾害点197处,损毁公路总长度约10 km。另有潜在危险性较大的灾害点63处,对公路构成严重威胁,需注意加强防范。经实地验证,公路灾情信息提取结果真实可靠。信息提取与分析结果已分别在震后第二天和第三天上报到交通运输部,为高效地组织开展公路抢修保通提供了科学的依据。     

基于遥感影像的军事阵地动态监测技术研究

针对部队快速机动作战的军事要求,提出基于高分辨率遥感影像的军用阵地动态监测方法。借助面向对象的多尺度分割技术将阵地影像分割为同质对象,以提取各个对象的特征;针对监督分类和非监督分类的弊端,提出通过一定的先验知识制定分类规则的方法对遥感影像进行地物识别,在此基础上定性和定量地输出变化检测结果。实验结果表明:利用基于对象影像分析方法具有较高的识别精度,能够有效监测军事阵地变化。     

基于分割区域及特征相似度的玉米田遥感图像分类方法

针对遥感图像中玉米田目标光谱复杂,同物异谱现象严重导致分类结果差的问题, 提出一种基于分割区域及特征相似度的玉米田遥感图像分类方法。首先利用主成分分析法(PCA) 对多光谱和高分辨全色融合图像进行第一主成分提取,以获得包含丰富图像信息的单色图像I; 对I 进行分水岭分割,得到一幅过分割目标区域图;构建由纹理、亮度及轮廓特征相似度组成 的特征组;最后基于随机森林原理,利用构建的特征组对玉米目标进行提取。用高分一号卫星 数据进行实验,并与支持向量机方法(SVM)、神经网络算法和最大似然算法进行了比较分析, 实验表明,该方法的分类精度优于其他算法。     

基于特征量积与PCA的小波遥感图像融合

在遥感图像融合中,传统PCA算法会损失部分有用信息,从而使得融合结果的光谱分辨率受到较大影响,针对这种情况,借助小波变换优良的时频分析特性,利用特征量积来融合多光谱图像的第一主成分,实现了一种基于特征量积与PCA的小波遥感图像融合算法。通过对来自不同场景不同卫星的多光谱和全色图像进行融合实验,结果表明,该算法无论在主观视觉还是在客观统计数据上,均具有比其他方法较佳的融合效果。     

甘肃北山白峡尼山地区多源遥感岩性制图研究

甘肃北山地区地质构造复杂,岩浆活动强烈,该区工作程度较低,已有1：20万、1：5万地质图对区内岩性（如中酸性侵入岩）圈定较为笼统,且界线不够准确。以甘肃北山白峡尼山地区为研究区,利用彩色空间变换（IHS）、Brovey等方法对ETM多光谱图像与资源三号（ZY3）全色波段高分辨率图像进行空间分辨率融合,获得兼具ETM光谱分辨率与资源三号空间分辨率之长的高分辨率图像。再对原始影像进行比值、主成分分析及假彩色合成等增强处理,突出其岩性差异,将各种方法处理的影像与数字高程模型（DEM）数据结合构建三维影像,进行综合解译。对解译结果进行野外验证、样品薄片鉴定及反射光谱特征分析,据此对结果进行修正,获得了研究区遥感解译地质图。结果表明：对于西部基岩露头较好地区,利用多源遥感数据融合可更新现有地质图,为后续填图、找矿工作提供参考。     

结合纹理特征的SVM样本分层土地覆盖分类

支持向量机(SVM)分类在精度、泛化性、高维数据处理等方面都具有较强的优势,在遥感影像分类中也得到了广泛应用。由于遥感影像“同物异谱”和“异物同谱”现象的影响,结合纹理特征提高SVM分类精度已成为遥感应用研究的热点。但不同尺度的纹理特征突出的信息不一,在同一尺度上难以区分的地物在多尺度空间则更容易区分,因此,采用多尺度纹理特征进行SVM分类,并从分类样本和纹理特征的选取两个方面探讨SVM土地覆盖分类的方法。首先,以ALOS影像为例,通过灰度共生矩阵提取不同尺度、不同方向的几种纹理特征;然后在光谱分类结果基础上,借助地类特征曲线,选取有效的多尺度纹理特征,最后进行样本分层分类。样本分层分类是选取首层样本进行分类,再从“漏分和错分”地块中选取新样本加入到首层样本中,得到第二层样本并对整个影像进行分类;用同样的方法选出第三层样本或更高层样本进行分类,直到结果满意为止。结果表明:该方法比仅用光谱特征的SVM分类总精度提高了8.11%,Kappa系数增加了0.11。其中,纹理特征的引入使分类总精度提高了4.13%,且对纹理特征较明显的地类更有效;采用样本分层后的分类总精度进一步提高了3.98%,且各单一地类的精度也都有不同程度的提高。借助地类特征曲线选择合适的纹理特征具有一定的可行性,并且采用样本分层的方法能够提高SVM分类的精度。     

结合多特征和模糊偏好关系的高分辨率遥感影像分割

高空间分辨率(简称高分辨率)遥感影像除光谱特征外,还包含丰富的纹理特征,为了实现高分辨率遥感影像的高精度分割,提出结合多特征和模糊偏好关系的分割方法.首先,通过像素光谱测度定义多种统计特征,根据定义的各个特征提取特征影像并分别实现影像分割,利用其结果构建模糊决策矩阵;然后,基于像素定义特征间的模糊偏好关系矩阵,计算不同特征对最终分割决策的权重,并对模糊决策矩阵加权以突出优势特征,抑制劣势特征;最后,通过反模糊化决策矩阵得到最优影像分割结果.对合成影像和真实高分辨率遥感影像的分割结果进行定性和定量评价,结果表明,合成影像的分割总精度为99.8%,Kappa值为0.998,说明所提出的算法通过结合各特征的优势部分能够获得高精度的分割结果.     

航空遥感技术系统在某些灾害监测中的应用

以地震、洪水和森林火灾等突发性自然灾害的遥感监测为研究目标，简要论述了航空遥感技术系统的一些应用示例。航空遥感技术系统具有机动灵活和快速反应能力，在灾害的实时动态监测中发挥重要作用。根据不同灾种选择相应的传感器及配套系统，快速地到达灾区获取灾情图像；通过机－地传输系统将图像快速传输到地面接收站，地面快速图像处理系统实施快视、图像预处理和人－机交互解译，确定受灾程度及空间分布，供当地政府在实施救援活动中采用；远程通讯系统将编码压缩后的灾情图像传输到北京指挥中心便于采取更有利的救援措施。     

无人机可见光遥感影像地物目标提取技术研究

无人机可见光遥感影像中地物目标边界清晰度较低,容易导致地物目标与背景之间的区分度降低,进而难以提取地物目标。为此,提出无人机可见光遥感影像地物目标提取方法。从光谱特征、纹理特征和边缘特征三个方面分析无人机可见光遥感影像特征。结合三种影像特征对无人机可见光遥感影像数据集实行增广处理。对完成增广后的数据集定义影像编码标签,以此确定地物目标增强权重,通过参量化处理地物目标光谱特征,计算光谱吸收指数,获取地物目标提取表达式,从而实现无人机可见光遥感影像地物目标提取。实验结果表明,所提方法能够保证地物目标边界的清晰度,具有较强的地物目标提取能力。     

Fusion of multispectral and panchromatic images based on support value transform and adaptive principal component analysis

In this paper we combined the projection-substitution with ARSIS (French acronym for “Amélioration de la Résolution Spatiale par Injection de Structures”, i.e., Improving Spatial Resolution by Structure Injection) concept assumption for fusion of panchromatic (PAN) and multispectral (MS) images. Firstly support value filter (SVF) is used to establish a new multiscale model (MSM), support vector transform (SVT), and adaptive principal component analysis (APCA) is then employed to select the principal components of MS images by means of a statistical measure of the correlation between MS and PAN images; secondly, a local approach is used to check whether a structure should appear in the new principal component and PAN high frequency structures are transformed by high resolution interband structure model (HRIBSM) before inserting in the MS modalities. Because SVT is an undecimated, dyadic and aliasing transform with shift-invariant property, the fused image can avoid ringing effects suffered from sampling. Additionally, the ARSIS concept can make full use of the remote sensing physics to reduce the spatial and spectrum distortion in the structure injection. Texture extraction is also employed to avoid the spectral distortion caused by the mistaken injection of low-pass components into the MS images. Experimental results including visual and numerical evaluation also proves the superiority of the proposed method to its counterparts.