面向对象的高光谱遥感影像分类方法研究

在基于像素的高光谱影像分类方法的基础上,结合面向对象图像分析理论与方法,提出面向对象的高光谱遥感影像分类方法,并具体分析探讨了面向对象高光谱遥感影像分类的关键技术,包括多尺度分割、最优波段选择、人机交互和知识库的建立等。试验表明,面向对象的分类方法应用于高光谱影像较传统分类方法有较高的精度,有很大的应用潜力。     

基于窗口傅立叶变换功率谱分析的盐田地区高分辨率遥感影像分割分类方法探讨

图像分割是面向对象图像分析的基础。目前常规的图像分割算法普遍基于光谱同质性假设,但是这种假设对于提取干旱地区盐田这种具有析出结晶盐与卤水两种高反差地物共存的空间对象而言显得不足为用。针对面向对象图像分析中只采用光谱和形状异质进行图像分割的不足,以吉兰泰盐田及周边地区2008年11月SPOT 5影像为例,首先采用窗口傅立叶变换功率谱方法提取影像纹理特征,然后进行基于纹理、光谱的多尺度分割,进而对分割后图像进行多层次分类来提取盐田信息。实验结果表明,该方法对盐田地区的信息提取有较好的效果。     

基于分水岭变换与空间聚类的高分辨率遥感影像面向对象分类

面向对象方法已广泛应用于高分辨率遥感影像分类,提出一种结合改进分水岭变换与空间聚类的遥感影像面向对象分类新方法。首先,基于相位一致思想分析图像特征,由Gabor小波多尺度、多方向提取QuickBird全色影像的梯度信息;利用扩展最小变换与强制最小技术分别获取图像前景标识、重建相位一致梯度图像,利用改进后的分水岭变换获得分割对象。然后,提取各对象的多波段光谱特征,利用Gabor小波获取对象纹理矢量,并用独立成分分析方法进行特征选择,依次进行对象的光谱与纹理聚类。最后,通过分析对象间空间拓扑关系判断聚类后不确定对象的类别属性。实验结果表明该方法能取得较好结果,在一定程度上提高了影像分类的自动化水平。     

联合快舟一号影像纹理信息的城市土地覆盖分类

仅依靠光谱信息无法满足高分辨率遥感分类的应用需求,辅之以纹理特征信息进行分类,可提高影像分类精度。利用KZ\|1卫星影像和Landsat\|8卫星影像数据,基于面向对象的影像分割法和灰度共生矩阵纹理分析法对新疆石河子市局部城区进行了地表覆盖分类实验,将不同空间分辨率的全色影像纹理信息、光谱信息构成多种影像特征组合进行分类比较研究,以选择最佳的分类特征集。结果表明:KZ-1影像能为城市区域的土地覆盖分类提供丰富的纹理信息,面向对象的影像分割可较好地利用高分辨率数据的几何结构信息实现优化的影像分割,从而提高多光谱影像的分类精度,总体分类精度为90.06%,Kappa系数为87.93%,比单纯利用光谱信息分类的总体精度提高了8.02%,Kappa系数提高了9.65%,表明KZ\|1数据可为光谱分类提供丰富的纹理信息,从而提高城市区域的土地覆盖分类精度。     

面向对象分类方法在铁尾矿堆快速提取中的应用研究

以黄石市大冶铁矿区为例,利用面向对象分类方法进行铁尾矿堆信息快速提取试验研究。首先,根据WorldView-2影像特点,充分利用其丰富的光谱特征及精确的空间形状特征进行图像分割,突出影像对象边缘、重现地物实际存在情况;其次,分析影像对象的光谱、形状、纹理、拓扑关系等特征信息,建立分类规则进行分类,提取出尾矿堆信息。为了进一步提高分类精度,可以利用eCognition软件RS/GIS数据集成功能,在面向对象分类结果上进行目视解译。试验证明,面向对象分类方法适用于提取矿区尾矿堆信息,是高分辨率遥感影像自动分类的理想选择。     

基于面向对象方法的遥感土壤盐渍化信息监测——以渭干河-库车河三角洲绿洲为例

遥感技术由于具有观测范围广、实时强等特点适合用来研究土壤盐渍化现象。利用遥感手段提取盐渍土信息已经取得了一定的成效。利用面向对象方法,以TM卫星图像数据和野外实地数据为数据源进行提取盐渍地信息。首先,对遥感影像进行预处理,预处理包括几何校正和辐射校正,然后对图像进行图像分割,图像分割使用了分割方法的多尺度分割法、特征选择、面向对象分类和分类图像进行精度评价。对面向对象方法和传统的基于像元分类（最大似然法和最小距离法）结果进行对比分析。结果表明：利用面向对象方法对TM遥感图像进行分类,能有效抑制“椒盐现象”的发生,分类精度比传统的分类方法更高,为盐渍地信息的自动提取提供了广阔的前景。     

基于形态学阴影指数的高分二号影像建筑物高度估计

高分二号卫星是我国自主研发的高分辨率对地观测卫星,分辨率达到亚米级。利用高分二号卫星遥感影像,结合数学形态学和面向对象分类的思想进行城市建筑物高度估计。首先,利用多尺度分割将影像分割成对象;进而结合光谱、形状、形态学阴影指数(MSI)等特征面向对象进行分类,相对准确提取出建筑物的阴影并计算阴影的长度;最后,结合影像成像时的卫星、太阳和建筑物的几何关系模型进行建筑物高度估计,并利用实地测量数据进行精度评价和误差分析。结果显示,90%的估计结果绝对误差小于1m,说明该方法可以有效地从高分二号影像中提取建筑物高度,展现了国产高分辨率遥感影像提取城市建筑物信息的巨大潜能。     

基于HJ-1A高光谱数据的藏北高原草地分类方法对比

环境减灾星星座A星（HJ 1A）携带的超光谱仪填补了我国星载高光谱影像采集领域的空白,但目前国内关于该高光谱数据的应用较少。本文基于HJ 1A高光谱(HSI)数据预处理技术,以申扎县北部为研究区,采用SPCA MLC和HSI SAM分类方法,结合野外实测样本,将研究区分为沼泽草甸、高寒草甸、高寒草原、荒漠化草原和裸地5种类型,并结合分类精度和分类图对2种分类方法进行了对比分析,可得基于HJ 1A高光谱数据的藏北高原草地分类方法中SPCA MLC法优于HSI SAM法。2种方法的分类精度皆大于80%,证明了HJ 1A的HSI数据在实现藏北草地高精度分类方面的巨大潜力。     

一种遥感影像水体信息自动提取方法

本文提出了一种基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法.水体经过LBV变换后形成的B分量图的灰度值很大,水体信息的归一化植被指数值小于0;构建水体信息自动提取模型条件是水体信息满足B分量数值大于某一阈值并且归一化植被指数值小于0;与其它方法进行实验比较该方法可以较准确的进行水体信息的自动提取,同时准确地将水域与低密度覆盖的水植混合体分开.     

基于多时相NDVI及特征波段的作物分类研究

时相和光谱特征信息在农作物种植分类提取方面具有十分重要的应用价值。以黑龙江大型农场--友谊农场为研究区域,利用4景不同时相的TM和SPOT卫星遥感影像,提取相应时相的NDVI时间谱图像数据作为新波段信息,在分析地物目标在相应影像各波段上光谱和时间特征的基础上,设计了决策树分类算法,通过对待分类影像进行系列阈值分割和掩膜处理,成功提取黑龙江友谊农场的大豆、玉米和水稻的种植信息,分类总体精度达到98.67%。     

基于HJ-1卫星CCD数据的厦门海域叶绿素a浓度反演

针对HJ-1A/B卫星CCD数据,建立适合于厦门海域的叶绿素a浓度反演模型,将为持续监测该海域的赤潮提供时间序列的叶绿素a浓度数据。基于2013年7月31日厦门海域水体实测光谱与叶绿素a浓度同步测量数据,及HJ\|1B卫星CCD2光谱响应函数,对各波段遥感反射率与叶绿素a浓度的相关性进行比较,证实蓝、绿波段比值与叶绿素a浓度相关性最高。对OC3模型在内的5种模型的反演结果和实测叶绿素a浓度做相关性分析,发现各模型相关系数均达到0.7以上。利用2013年7月30日实测数据对同期厦门海域HJ-1B卫星CCD2数据叶绿素a浓度反演结果进行精度验证,结果表明本地化的10指数模型在反演叶绿素a浓度动态范围较大的区域具有更高的精度。     

环境一号卫星CCD相机水体信息采集特性分析

利用覆盖我国4大海区共88景图像数据,针对4波段CCD相机(HJ-1A/CCD1、HJ-1A/CCD2、HJ-1B/CCD1、HJ-1B/CCD2)在水体中的信息采集特性进行分析。结果表明:(1)HJ-1A和B星虽不是水色卫星,但其CCD相机在水体中依然有一定的信息,可作为水色遥感器服务于水环境;(2)HJ-1B/CCD1在南海海域水体信息采集过程存在明显的太阳耀斑现象,因而在水色信息提取时太阳耀斑是一个不可忽略的因子;(3)无论是在一类水体还是在二类水体,各遥感器的近红外波段皆存在水体信息采集为零的现象,其中HJ1B-CCD2尤为明显。利用近10景涵盖了HJ-1A/CCD1、HJ-1A/CCD2、HJ-1B/CCD1、HJ-1B/CCD2数据,以及同时过境的EOS/MODIS,采用基于遥感器入瞳处总辐亮度的交叉定标方法进行交叉辐射定标,获取适用于水体目标的交叉辐射定标参数。最后根据瑞利散射和气溶胶散射的计算值,以及获取的交叉定标系数,反推出HJ1B-CCD2可能接受到的灰度值。     

面向内陆水环境监测的GF-1卫星WFV数据特征评价

各种卫星遥感数据在内陆水环境监测中得到日益广泛的应用并各具优势和不足。2013年4月发射的高分一号(GF\|1)卫星搭载的宽视场相机(WFV)为水环境监测提供了新的数据源。通过与Landsat8 OLI和HJ\|1 CCD对比,从辐射、光谱和空间3个方面客观评价GF\|1 WFV 的数据特征,并分析其在内陆水环境监测应用中的优缺点。结果表明:WFV在内陆水体区域的灰度级数和信噪比高于CCD但低于OLI 10 bit的量化等级足以满足水质参数反演的精度要求,在水体监测应用中WFV现有辐射定标系数需修正;WFV的波段数量和宽度与CCD基本一致,比OLI的少且宽,不能很好地捕捉内陆水体的光谱特征;WFV16 m的空间分辨率和800 km的幅宽,明显优于CCD和OLI。总之,WFV在大范围中小型内陆水体环境动态监测方面具有良好的应用前景。     

The reconstruction of abnormal segments in HJ-1A/B NDVI time series using MODIS: a statistical method

HJ-1A/B is the first small satellite constellation built by China for environmental and disaster monitoring and forecasting. The satellite group has a 2-day repetition cycle and 30 m spatial resolution (charge coupled device camera). Thus, HJ-1A/B can provide hyper-temporal normalized difference vegetation index (NDVI) time series with a medium–high spatial resolution. However, the quality of the HJ NDVI time series can be abnormally low due to a number of factors, such as cloud cover, continuous fog, and haze. In the rainy season or in areas with serious atmospheric pollution, low-quality series often appear in succession, which is referred to as an abnormal segment. Neither the composition method nor quality flags satisfactorily solve this problem; therefore, a large amount of noise and long periods of abnormally low values often remain in HJ NDVI time series. This article presents a method to reconstruct the abnormal segments in HJ NDVI time series with the assistance of Moderate Resolution Imaging Spectroradiometer (MODIS) NDVI time series. The cointegration test was adopted to decide whether MODIS can be used for the reconstruction of NDVI time series for the corresponding HJ image pixels. Statistical quality control methods were used for singling out the abnormal segments in the HJ NDVI time series and establishing an error correction model that combines MODIS and HJ NDVI time series to perform the reconstruction. The study area is located in Jiangsu Province, China. Four-year (2009–2012) HJ multispectral images that cover the study area were used. The results show that abnormal segments in the HJ NDVI time series can be corrected using the proposed method. In a particular year, this method can decrease the root mean square error between the HJ NDVI time series and the reference sequence by 52.5%.     

环境减灾卫星影像森林火灾监测技术方法研究

森林火灾是世界性的、频繁发生的重大自然灾害。随着国内外航天科技的迅猛发展,卫星遥感技术特别是红外卫星遥感已成为森林火灾监测的一种有效手段。我国的环境一号卫星A、B星(简称HJ-1A卫星、1B卫星)于2008年9月成功发射,其中的HJ-1B卫星搭载了红外多光谱相机,在森林火灾监测方面具有得天独厚的优势,可在早期的火灾发现、中期的灾害跟踪、后期的灾害损失评估中发挥重要作用。本文主要分析了环境减灾卫星在森林火灾监测方面的优势,对环境减灾卫星森林火灾监测技术和方法进行了研究。     

卫星遥感海冰监测技术在河北省近海海域的应用

卫星遥感技术已成为海冰监测的重要技术手段之一。介绍了应用EOS系列卫星、HY-1B卫星和HJ-1A/B卫星等遥感数据提取河北省近海海域海冰分布、海冰类型、海冰厚度等海冰信息的方法。重点研究了应用HJ-1A/B卫星遥感数据进行海冰分类,及根据海冰类型与厚度的对应关系估算海冰厚度的方法,并以2013年1月17日的卫星遥感数据为例,提取海冰信息,制作相关海冰专题产品。结果表明:利用多种卫星遥感数据进行海冰监测,既可相互补充又能提高监测效率和准确率,制作更精细化的海冰监测产品,为河北海洋管理部门制定防灾减灾措施提供重要依据。     

基于Terra/MODIS数据的HJ-1B/CCD1交叉定标方法研究

交叉辐射定标是国际上新近发展起来的一种无场地定标方法,它的应用弥补了场地定标成本较高、定标参数更新周期较长的不足。对于我国2008年发射的环境与灾害监测预报小卫星CCD数据而言,探索交叉辐射定标方法的适用性,对及时发现传感器辐射性能的变化,促进CCD遥感数据的定量化应用具有重要意义。本研究以辐射定标精度较高的Terra/MODIS数据为参考,分别使用光线匹配法（RM）和辐射传输模型方法（RTM）对HJ-1B/CCD1数据进行交叉辐射定标,并与相同条件下进行的场地定标结果比较。实验结果表明,使用这两种方法获取的CCD1的第2、3、4波段的定标结果与场地定标结果差异较小,只有第1波段定标结果与场地定标结果差异相对较大,这证明了交叉辐射定标方法的有效性。另外,虽然RTM方法考虑了参考传感器和待定标传感器光谱响应和观测几何的差异,但是由于RTM方法会受到所使用的6S模型本身的误差以及输入的大气参数、地表参数测量误差的影响,该方法并不总是优于RM方法。     

Cloud/snow recognition for multispectral satellite imagery based on a multidimensional deep residual network

Cloud/snow recognition technology for multispectral satellite imagery plays an important role in resource investigation, natural disasters, and environmental pollution. Traditional feature based classification methods cannot make full use of the effective features and multispectral optical parameters of satellite imagery; the precision of cloud/snow recognition is not good enough. Although deep convolution neural network (CNN) can extract features effectively, it faces training gradient diffusion and model degradation, which lead to a low accuracy in classification. In order to solve this problem, an improved deep residual network with multidimensional input is proposed for the cloud/snow recognition. The multidimensional deep residual network (M-ResNet) can effectively extract the image features and spectral information of satellite imagery. The multispectral satellite imagery is divided into cloud/snow-free, cloud only, snow only and cloud/snow mixed using the proposed method. The experimental results of HuanJing-1A/1B (HJ-1A/1B) satellite imagery in China show that the M-ResNet performs a good distinction for the four kinds of images. The accuracy of the classification is higher than support vector machine (SVM), random forest, convolution neural networks, and multi-grained cascaded forest (GcForest).     

基于多源多时相遥感影像的山地森林分类决策树模型研究

山地是森林重要的分布区,然而山地多样的森林类型、高度异质化的景观格局、突出的地形效应以及云、雾的干扰均不同程度地影响了山地森林类型的遥感自动制图。多源多时相遥感影像提供的季相节律信息是当前提高土地覆被遥感制图精度的重要信息源之一。以岷江上游地区为研究区,以国产环境减灾卫星多光谱CCD(简称HJ CCD)影像和美国Landsat TM影像为数据源,以决策树为分类方法,根据参与分类影像的时相差异设计了5组对比实验(生长季单时相组、非生长季单时相组、生长季多时相组、非生长季多时相组、全时相组),对比论证多源多时相遥感影像对山地森林类型自动制图的贡献和作用。对比结果表明:生长季和非生长季相结合的多时相遥感影像较单时相或单一类型(生长季或非生长季)多时相遥感影像,更能显著提高山地森林类型自动制图精度,且能降低分类决策树的复杂程度,更有利于山地森林类型的自动提取。     

HJ-1A/1B星CCD传感器数据在黄东海浒苔监测中的应用

基于浒苔光谱特性和归一化植被指数,利用HJ-1A/1B星CCD传感器数据对黄东海浒苔进行监测。监测结果表明HJ-1A/1B星CCD传感器,可以提供比MODIS更多的精细信息,如提供重点海域的浒苔分布范围、覆盖范围、变化状况等信息。