从高光谱遥感影像提取植被信息

遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。本文基于云南省鹤庆县北衙的高光谱遥感数据用SAM方法对植被信息进行了提取,参考光谱使用ASD光谱辐射仪采集的植被光谱曲线。文中对高光谱遥感影像的辐射定标和大气校正进行了研究,针对影响光谱辐射仪采集的主要因素采取了相应的措施,并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行SAM匹配提取出植被信息,经过与实地调查资料比较并计算总体精度和kappa系数,计算结果达到预期精度。最后将分类结果转换为矢量图,经过投影转换为大地坐标后制作出北衙植被分布图。     

空间遥感图像的植被信息的提取与表达

在本文中讨论了气象卫星NOAA的AVHRR数字图像及陆地卫星TM数字图像植被信息表达的问题。对于AVHRR数字图像可以通过定义绿度的方法,找到方便而简洁的植被类型空间分布的彩色表达子集。TM数字图像的各波段植被信息丰富,缨帽变换可以有效地集中这些植被信息,使用该变换的前三个组份能重构出植被的空间分布。对于有严重阴影的山区,可考虑先行比值变换,再做缨帽变换来提取植被分布的信息。     

植被高光谱遥感分类中训练样本的选择方法

针对植被高光谱遥感分类过程中参考光谱训练样本的选择问题，研究分类过程中常用训练样本的选择方法，并在此基础上提出2种新的训练样本选择（纯化）方法，然后结合具体的OMIS-I高光谱遥感数据，验证方法的有效性。     

植被生物量高光谱遥感监测研究进展

植被生物量的评估对于研究全球碳循环具有重大意义,而高光谱遥感技术为精确反演地表属性提供了重要的数据支持。针对如何更好地应用高光谱遥感技术进行植被生物量精确反演的问题,该文详细阐述了国内外应用高光谱技术估测植被生物量的研究进展。对反演植被生物量所涉及的数据源、反演模型的构建方法及其模型特点、反演模型应用对象等内容进行了综合评述,并通过分析认为,高光谱遥感技术较传统的多光谱遥感技术在生物量反演精度上有了显著的提高。同时,对建模方法、多源遥感数据融合以及模型通用性等方面的研究进行了展望,以达到在大尺度范围内对植被生物量进行准确反演的目的。     

高光谱遥感城市植被识别方法研究

传统的植被状况调查方式费时、费力,并且更新困难,而高光谱遥感数据图谱合一,能够更精细、准确地进行遥感地物识别和分类,因此采用Hyperion高光谱数据来研究地物混合严重并且呈零星碎片状的城市植被。利用混合像元分解思想改进Gram-Schmidt融合算法,将Hyperion高光谱和ALI全色波段进行融合,提高光谱数据的空间分辨率,来解决城市植被像元混合严重和分布过于零散破碎难题,进而提高植被识别精度。为了避免高光谱植被识别陷入维数灾难,采用主成分分析对融合后的高光谱数据进行数据降维。最后,在地面光谱成像仪获取的纯净像元光谱信息辅助下,选取训练样本进行最小距离分类,完成植被类型识别,总体精度达到84.9%。     

遥感影像植被信息提取方法研究及思考

从植被光谱特征出发,对植被信息提取的方法和现状进行了综述,其中主要介绍了几种具有代表性的植被提取方法,如:植被指数提取法、NDVI与波段合成法、HIS融合法、分级分类提取法、基于知识库提取法等,对各种方法的原理、特点、优势与限制进行了分析、对比、思考,并展望了下一步研究方向。     

GIS植被信息数据采集方法探讨

植被是林业和环境的重要组成因子,植被信息是林业和环境专业地理信息系统的重要组成部分,通过生产实践,介绍了植被信息数据采集的方法。     

无人机多光谱遥感结合DEM在估测植被面积中的研究

准确地估测植被覆盖度对于生态环境、自然资源评估有着重要的意义.本文通过无人机获取多光谱影像结合DEM,对拍摄区域植被面积进行估测;利用无人机遥感平台搭载的Sequoia多光谱相机获取影像数据,研究了常见的4种植被指数(归一化差值植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、绿度归一化植被指数(GNDVI))在植被面积估测中的适用性.实验结果表明,无人机多光谱影像结合DEM,在植被面积估测中具有可行性.其中,归一化差值植被指数(NDVI)可使植被从土壤、水体、阴影等复杂背景因素中分离出来,能较为准确地统计植被覆盖面积.通过无人机多光谱影像估测绿植覆盖面积,可为精细化作物管理、农业估产提供决策依据.     

顾及植被的复杂艰险地区多光谱遥感岩性识别

针对复杂艰险地区修建道路时,地质岩性难以现场获取的问题,该文利用ASTER多光谱遥感影像,研究和设计了一种顾及植被覆盖的复杂艰险地区多光谱遥感岩性信息识别提取方法.该方法根据植被覆盖情况先分类后进行岩性识别:对中高植被覆盖区进行植被信息的抑制处理,再对中低植被覆盖区采用主成分分析法进行岩性信息提取;对低植被地表裸露区域采用端元提取、光谱角填图的方法进行岩性信息的提取.最后将岩性识别提取结果与现场地勘结果进行对比验证.结果表明该方法进行岩性信息提取结果与已有的现场勘察结果基本一致,具有重要的参考和应用价值.     

基于多特征的遥感影像分类方法

提出了一种基于多特征的遥感分类方法。首先 ,制定类方案并分解各个类 ,据此得到相应的子类 ;然后 ,通过选用适当的特征 ,使得每一个类都能以一个独特的特征组合来表达。与此同时 ,通过影像分割得到影像对象 ,并测量这些对象的各个特征 ,如光谱特征、几何特征及拓扑特征等。凭借这些特征 ,影像对象可以较为容易地被识别和分类。与传统的分类方法的比较表明 ,文中所提出的分类方法具有明显的优越性和良好的前景。     

Markovian Fusion Approach to Robust Unsupervised Change Detection in Remotely Sensed Imagery

The most common methodology to carry out an automatic unsupervised change detection in remotely sensed imagery is to find the best global threshold in the histogram of the so-called difference image. The unsupervised nature of the change detection process, however, makes it nontrivial to find the most appropriate thresholding algorithm for a given difference image, because the best global threshold depends on its statistical peculiarities, which are often unknown. In this letter, a solution to this issue based on the fusion of an ensemble of different thresholding algorithms through a Markov random field framework is proposed. Experiments conducted on a set of five real remote sensing images acquired by different sensors and referring to different kinds of changes show the high robustness of the proposed unsupervised change detection approach     

k均值聚类引导的遥感影像多尺度分割优化方法

针对不同尺度地物的分割需求,提出了一种k均值聚类引导的多尺度分割优化方法。首先对原始影像进行小尺度分割和k均值聚类,然后利用k均值聚类结果引导对象合并,在合并过程中利用Otsu阈值方法自动选择k均值聚类的影响因子,最终得到适应不同尺度地物的分割结果。以FNEA多尺度分割方法为例,利用模拟数据和真实的GeoEye-1影像数据进行相关试验,目视和定量评价表明本文方法能够得到适宜不同尺度地物的高质量分割结果。     

遥感图像分区自动分类方法研究

对判读区域自然景观复杂,数据时相与质量差异较大的遥感图像用常规的分类方法难以达到令人满意的效果,为此,作者采用了一种通过定义图像判读区,分类管理器和改进监督分类算法等方法来实现遥感图像的分区自动分类,以不同时相的TM拼接图像进行分类试验,结果表明:该方法比传统的监督分类方法有明显改进:(1)与整幅图像用同一个标准进行分类的方案相比,其精度显著提高,(2)可在分类前灵活,任意生成所感兴趣的判读区域,(3)在每个分区内可以采取不同的分类方案进行分类,(4)每个分区的分类结果可以保存在同一个文件中,而不需要另外生成新的操作层.因此分类不受次数的限制,可保证分类结果的完整性,每个分区的分类结果也可以保存为单个分区的分类结果.     

遥感影像的全模糊监督分类

设计了一个基于神经元网络的全模糊训练、分类和精度评估方法,并成功地应用于一个城郊型土地覆盖分类。结果表明,该方法灵活、适应性强,并能取得较好的分类精度。     

遥感数字图像解析

讨论一种分解遥感数字图像的解析方法.其目的是将组成原始遥感的各分量(太阳直射光、天空散射光和大气亮度)逐点分离,并各自生成新的数字图像.由于这些图像是自然光各分量分别与地物和大气之间相互作用的产物,它们在地表辐射能量和大气环境状况的遥感定量反演研究及遥感图像的模式识别中有着具其他传统遥感图像无法具有的独特作用.     

一种面向高空间分辨率遥感影像的路口自动定位新方法

在系统归纳和分析现有的路口遥感信息提取方法的基础上,提出一种面向高空间分辨率遥感影像的路口自动定位新方法。该方法首先通过低梯度运算获取同质区域;然后设定阈值去除同质区内的水体、阴影以及小面元干扰物;再利用Hough变换检测二值图像中的直线,并根据直线参数出现的频率排序,保留参数出现频率较高且相互间夹角较大的直线;最后用该组直线交点的平均值定位路口。以福州市城区局部QuickBird全色影像为数据源定位四岔路口与三岔路口的实证研究表明,在同物异谱与异物同谱现象严重情况下,本文算法所定位的路口仍然准确有效。     

一种频域高分辨率遥感图像线状特征检测方法

高分辨遥感图像中线状特征等的自动识别与提取是进行遥感图像分析与理解等高层次图像工程的前提和基础,但由于高分辨率遥感图像中细节信息异常丰富,这给特征的提取带来很大干扰。本文引入了一种基于方向和频率特征的遥感图像频域线状特征检测方法,该方法首先通过傅氏变换将图像变换到频率域,在详细分析线状特征和谱线的关系,线状特征和图像频率之间关系的基础上,基于分析得到的方向和频率的参数构造Gabor滤波器进行图像线状特征的提取。并以Quick bird高分辨率遥感图像进行相关提取实验,实验结果表明该方法较好地提取了图像的线状特征,为基于具体频谱分析的高分辨率遥感图像特征的精确提取提供了新思路和方法上的借鉴。     

基于多特征的高分辨率遥感图像分析

为克服传统的基于像元的遥感图像分析的局限性,提出基于多特征的高分辨率遥感图像分析方法,并以北京地区亚运村的城市土地利用的识别检测为例对该方法进行相应的阐述.     

多时相遥感影像变化检测综述

近几十年来,多时相影像处理和变化检测是遥感领域一个较为活跃的研究方向。虽然在环境变化监测和检测方面成功的应用有很多,但是从多时相影像及时提取地球环境和人类活动的动态信息仍匝临很多挑战。近年来,随着新型遥感平台和传感器的发展,在克服技术障碍方面取得了很大进步。历史影像档案提供范围的扩大也使得长期变化检测和建模成为可能。这些发展推动了更先进的影像处理方法的开发和处理时间维度影像数据新方法的研究工作。本文回顾了多时相数据处理和变化检测的发展现状。作者首先对地球表面环境变化的性质进行了分析,从四个方面总结了遥感变化检测技术的发展,包括变化检测影像预处理、变化检测方法和途径分类、遥感变化检测方法和多时相影像处理的准确度评估。文章试图在先验知识的基础上从多源数据、集成处理和智能方法角度提出综合解决方案。为促进遥感影像变化检测技术的深入研究,本文还指出了变化检测所面临的挑战和可能的对策。