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。     

基于最大后验估计的影像盲超分辨率重建方法

为了减小配准误差对盲超分辨率重建的影响,提出了一种影像配准和盲超分辨率重建联合处理的模型与方法。将配准参数、模糊函数和高分辨率影像建立在统一的最大后验估计模型框架内,并利用循环坐标下降最优化策略对模型进行求解,从而实现了配准参数、模糊函数和高分辨率影像的联合求解。实验结果证明:与传统盲超分辨率重建算法相比,该算法能够有效减少重建影像中的伪痕,在视觉评估上和定量评价上均能得到更好的结果。     

武汉地区1988~2002年植被覆盖度变化动态分析

植被是生态系统最重要的组成部分,而植被覆盖度是衡量地表植被状况的一个最重要的指标,是生态系统健康评价的前提和必要的基础。利用1988、1991、1996和2002年4个时相的TM和ETM+遥感影像为数据源,以归一化植被指数(NDVI)像元二分法为植被覆盖度估算模型,计算了武汉地区不同时期的植被覆盖度,生成了该地区不同时序的植被覆盖度图,以此分析武汉地区植被覆盖度的时空变化。结果表明,武汉地区在1988~2002年这14年,植被覆盖度变化明显,整个地区的平均植被覆盖度从58.41％下降到50.45％,下降值为7.96%,特别是江夏区和主城区变化幅度最为显著,下降值分别为9.98%和7.14%。植被覆盖度下降最快时间段是1996~2002年,恢复阶段是1991~1996年。从空间上来看,全地区都处于下降阶段,特别是郊区江夏区和市区,通过分析发现,这大部分原因都是城市发展的结果,导致了生态环境的恶性发展,值得各方面的注意。     

基于光谱维小波特征的混合像元投影迭代分解

混合像元线性分解是高光谱遥感应用的关键技术之一.本文利用小波变换多分辨率分析的特点,提出了一种以小波低频系数为特征的混合像元投影迭代分解的方法.首先利用离散二进小波提取了高光谱影像特征,再基于影像特征,用投影迭代方法自动确定出端元光谱,并以限制性的最小二乘方法估计出混合像元的组分.实验结果表明,本文方法能够较大的提高遥感影像混合像元的分解精度.     

一种方向Gabor滤波纹理分割算法

结合人眼视觉特性，设计了一种方向Gabor滤波器，该滤波器顾及了纹理图像的方向特性；利用Gabor滤波器的带通技术，抑制次要纹理图像的主频率分量，增强目标纹理图像主频率分量，使滤波输出图像具有较大的类间离散度和较小的类内离散度，将纹理图像的分割转化为传统的图像分割，使图像的分割质量和算法效率都得到了提高。     

双拼组合宽角相机低空航测实验研究

介绍无人机载双拼组合相机低空航测的实验过程,包括双拼组合相机组成结构、原理以及利用该系统进行大比例尺测图的生产流程,对此过程中出现的误差进行了重点分析,并提出消除误差的方法。理论和实践证明,无人机载双拼相机低空航测可以满足1∶1000测图精度标准,比装备普通单相机工作效率有明显提高。     

基于最小噪声分离的约束能量最小化亚像元目标探测方法

提出了一种基于最小噪声分离的约束能量最小化亚像元目标探测方法。利用最小噪声分离变换,降低高光谱遥感影像的维数,同时分离高光谱遥感影像中的噪声。利用约束能量最小化方法对低维数据进行亚像元目标探测,避免了求解影像虚拟维数和病态矩阵求逆的问题。实验结果表明,该方法可以很好地抑制噪声的影响,亚像元目标探测率较高,是一种快速有效的高光谱遥感影像亚像元目标探测方法。     

利用“北京一号”小卫星数据估算植被覆盖度的可行性研究

利用"北京一号"小卫星数据,以密云水库流域为研究区域,采用归一化植被指数(NDVI)像元二分法,进行地面植被覆盖度估算研究,并对估算结果进行实地检验和分析,其估算值与实际值之间的相关性较高 (86%).结果表明,利用"北京一号"小卫星数据进行植被覆盖度估算及监测应用是可行的.     

基于概率扩散的多光谱遥感图像分类模型

为了提高遥感图像分类精度,提出了一种基于概率扩散模型的多光谱遥感图像自动分类技术。该方法首先通过比较模糊C均值分类器（FCM）的有效性函数来自动确定最优分类数目,然后利用基于形态学的各向异性概率扩散模型来调整中心像元隶属类别的概率,最后根据概率扩散的隶属概率向量图,并按照最大后验概率估计（MAP）对像元进行分类。由于各向异性扩散具有保边缘平滑的特点,因此,该概率扩散模型不仅能够有效地抑制同质区域内部“斑点”的产生。而且使得图像上重要的边缘特征得到了较好地保留。实验结果表明,该分类算法不仅能够避免分类图像中“斑点”噪声的影响,而且分类后的总体精度达到了77．76％和Kappa系数达到了0．7198,均优于未经过概率扩散的最大后验概率估计分类算法,因而具有一定的实用价值。     

利用Beamlet变换算法提取遥感图像直线

遥感图像处理中，直线特征是一种极为重要的特征，能够提供重要的视觉感知线索。本文利用一种Beamlet变换算法来提取遥感图像中的直线特征，通过对遥感图像按二进、递归进行划分，利用灰度信息，积分计算每一小块图像中的Beamlets，结合梯度信息，通过广义似然比检验GLRT（Generalized Likelihood Ratio Testing）来检测判断符合条件假设的Beamlets，重建目标直线。此算法可以克服图像中的干扰及噪声，适应复杂、低信噪比遥感图像环境，准确地定位出直线。实验结果表明，这种算法具有较好的性能，可以应用到实际的遥感图像处理中，具有实用价值。