基于支持向量机的高光谱影像分类研究

高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起.高光谱影像丰富的光谱信息使其较全色遥感、多光谱遥感能够更好的进行地面目标的分类识别.本文综合利用支持向量机分类的若干关键技术,包括序列最小优化训练算法,多类支持向量机构造方法、核函数及其参数选择的交叉验证"网格搜索",给出了高光谱影像分类流程,进行了遥感数据试验分析.     

基于IHS与小波变换的多波段偏振图像融合

利用多波段偏振图像可以有效地区分人造目标与自然场景,提出利用IHS（彩色空间）变换与小波变换相结合的多波段偏振图像融合方法,使得在融合后的偏振图像I、Q、U中,包含了具有相同偏振特征、不同光谱特征的目标信息,同时能够更加细致、全面的描述场景中的目标;实验结果表明,融合后的偏振图像不仅反应了场景的偏振信息,而且包含了丰富的光谱信息,目标与背景的对比度也得到了增强,为进一步的目标检测和识别提供了便利.     

一种采用IHS空间表征偏振遥感图像的方法

偏振遥感图像通常都采用强度、偏振度、偏振角来表征目标偏振特性。本文提出了一种采用IHS柱形彩色空间表征偏振遥感图像偏振信息的方法。文章首先介绍了传统的偏振遥感图像偏振信息表征方法,然后详细描述了偏振信息转换IHS空间表征过程,并给出了实验结果及分析。实验结果表明通过IHS颜色空间能完整的表征偏振遥感图像偏振信息,提高了偏振遥感图像的识别能力。     

一种基于偏振角参数图像的特征提取方法研究

光谱偏振成像遥感可以获得目标的光谱、强度、偏振态以及空间几何形状等参数, 有利于改善对目标的探测和识别能力。以一种人工目标为研究对象, 在实验室和野外对其进行多波段偏振成像探测试验, 获取目标的偏振辐亮度数据。数据分析结果表明, 偏振角参数图像能够较好地描述物体不同的表面取向, 是一种能较好地从自然背景中凸现人工目标特征的表征手段, 提高了目标与背景的对比度, 可以作为解译偏振遥感图像的辅助方法。     

高光谱海岸带区域分割的活动轮廓模型

近年来,高光谱遥感图像的分割作为地物识别和异常目标探测等应用的基础工作而受到重视,而高光谱遥感图像的海量数据和复杂结构使其分割技术成为一项挑战性的工作.在对海岸带高光谱遥感图像的光谱特性进行分析的基础上,提出一种基于光谱特性的海岸带水、陆区域分割的偏微分方程活动轮廓模型:首先以高光谱海岸带图像的海域像元光谱信息为参照点,构建海岸带高光谱图像的能量偏差矩阵;在此基础上建立适应该能量偏差矩阵的水、陆区域分割的活动轮廓模型.模型通过引入基于梯度的边缘引导函数,提升了对水、陆区域边缘的捕捉能力和抗噪声干扰能力.实验结果表明,与传统活动轮廓模型相比,本文模型不仅能够保证水、陆区域分割的精度,而且具有更快的计算速度.     

多光谱目标偏振信息探测系统设计

针对目标偏振探测的应用研究,将多光谱分析方法与偏振信息测量技术相结合,设计了一种多光谱目标偏振信息探测系统.该系统采用滤光片和偏振片独立切换协同工作方式,从可见光至近红外的450 nm、550 nm、650 nm、850 nm和950 nm等多个波段,实现了对目标偏振信息的有效获取.利用该探测系统在室外雾天环境下进行了目标偏振信息探测实验,获得了目标场景的多光谱偏振信息,验证了系统的有效性.     

HSRS-SC:面向遥感场景分类的高光谱图像数据集

目的 场景分类是遥感领域一项重要的研究课题，但大都面向高分辨率遥感影像。高分辨率影像光谱信息少，故场景鉴别能力受限。而高光谱影像包含更丰富的光谱信息，具有强大的地物鉴别能力，但目前仍缺少针对场景级图像分类的高光谱数据集。为了给高光谱场景理解提供数据支撑，本文构建了面向场景分类的高光谱遥感图像数据集（hyperspectral remote sensing dataset for scene classification，HSRS-SC）。方法 HSRS-SC来自黑河生态水文遥感试验航空数据，是目前已知最大的高光谱场景分类数据集，经由定标系数校正、大气校正等处理形成。HSRS-SC分为5个类别，共1 385幅图像，且空间分辨率较高（1 m），波长范围广（380~1 050 nm），同时蕴含地物丰富的空间和光谱信息。结果 为提供基准结果，使用AlexNet、VGGNet-16、GoogLeNet在3种方案下组织实验。方案1仅利用可见光波段提取场景特征。方案2和方案3分别以加和、级联的形式融合可见光与近红外波段信息。结果表明有效利用高光谱影像不同波段信息有利于提高分类性能，最高分类精度达到93.20%。为进一步探索高光谱场景的优势，开展了图像全谱段场景分类实验。在两种训练样本下，高光谱场景相比RGB图像均取得较高的精度优势。结论 HSRS-SC可以反映详实的地物信息，能够为场景语义理解提供良好的数据支持。本文仅利用可见光和近红外部分波段信息，高光谱场景丰富的光谱信息尚未得到充分挖掘。后续可在HSRS-SC开展高光谱场景特征学习及分类研究。     

激光雷达与高光谱成像技术数据融合研究进展

近年来,为提高地物分类精度,突破单一传感器的技术擎制,弥补单一数据源应用的局限性,多源遥感数据融合的成为了遥感领域众多学者关注的研究热点。高光谱遥感技术的光学影像同激光雷达点云数据的融合技术在技术层面为提升地物识别与分类的精度上提供了一种可行方案,打破了单一传感器的技术上限,为目标三维空间—光谱信息一体化获取提供了一种新的解决途径,同时为高光谱激光雷达成像技术研究奠定基础。本文回顾了激光雷达与高光谱成像数据融合发展历程,论述其在特征级和决策级的主要融合方法和研究进展,将常用特征级融合和决策级融合方法进行详细介绍,并对最新几种研究算法进展进行小结和概述,探讨了其面临的挑战和未来发展与应用前景,最后对激光雷达和高光谱成像数据融合未来发展做出系统展望。     

遥感影像光谱信息处理的EXCEL实践教学

遥感影像数据的光谱信息分析与处理是目前遥感应用的热点之一。通过多年的遥感教学实践,依据PHI（Pushbroom Hyperspectral Imager）航空高光谱影像像元光谱维矢量数据,总结了基于EXCEL软件的高光谱影像地物光谱构建、光谱特征及其相关性分析、光谱微分计算、光谱向量相似性度量等光谱分析与信息识别的教学方法,以使学生在学习专业知识过程中增加实际工作经验与科研能力。     

高光谱遥感影像纹理特征提取的对比分析

地物的“同物异谱”或“异物同谱”问题,使得仅仅依据高光谱影像的光谱信息较难得到理想的分类精度。纹理特征是地物空间分布的重要结构信息,能够一定程度上弥补光谱特征在高光谱遥感影像分类中的不足。纹理特征提取在高光谱遥感影像分类中得到了诸多发展,然而当前的纹理特征方法缺乏较为全面的对比分析。因此,选取旋转不变局部二值模式、简单线性迭代、扩展形态剖面、差分形态剖面、属性剖面、3D-Gabor、联合双边滤波和导向滤波共8种典型的纹理特征方法,利用印第安纳、帕维亚大学和雄安3个高光谱数据集设计分类实验,采用分类精度、计算时间、总体分类精度的标准差来进行定量评价。实验结果表明：扩展形态剖面的总体分类精度和计算速度整体上优于其他7种方法。