基于半监督学习的遥感影像分类训练样本时空拓展方法

针对无法直接获取训练样本的遥感影像分类问题,从满足条件的其他影像中选择替代训练样本是最直接的方法,但由于地物类型在不同影像中的辐射环境不同,导致替代训练样本对待分类影像的代表性较差,无法保证分类精度.以直推式支持向量机(transductive support vector machine,TSVM)分类为例,发展了一种基于半监督学习的遥感影像训练样本时空拓展方法.该方法采用非监督方法从待分类影像中选择大量未标记样本,挖掘各类地物在特征空间中的结构信息;以替代训练样本所拟合的分类面为初始面,通过自适应渐进式的优化,实现对待分类影像的高精度分类.该方法要求训练样本的来源影像与待分类影像具有相似的地物分布和相近的时相.以SPOT5和QuickBird影像分类为例,分别通过基于像元的和基于分割对象的分类实验证实,该文提出的方法可有效地实现训练样本的时空拓展应用.     

基于ERDAS的SPOT5卫星影像正射校正方法研究

海岛海岸带卫星遥感调查与评价项目以高分辨率卫星遥感影像数据为基础。项目区块地形有一半为山地和丘陵,地形起伏较大,常规的几何校正难以消除因地形起伏引起的影像几何变形,必须进行正射校正。根据现有数据特点和项目要求,提出了可行的正射校正流程,基于SPOT5物理模型对融合影像进行正射校正,实验校正结果完全满足精度要求。     

海面溢油无人机高光谱遥感检测与厚度估算方法

海上溢油是海洋国家所面临的共同问题,但至今仍没有一种可靠实用的海上溢油准确识别和油量遥感监测方法。为此,本文以无人机高光谱遥感为手段,开展了海面溢油检测与厚度估算方法研究。实验中,通过搭建室外大型水槽溢油实验装置,获取了模拟真实海洋环境条件下不同溢油量的遥感和现场光谱数据,在此基础上,分析并提取了海上溢油特征光谱波段,给出了海上溢油高光谱检测模型;针对现场实验条件下水面油膜厚度难以测定的问题,设计了3种利用总体溢油量的油膜厚度估算模型。得到如下主要结论:（1）675 nm和699 nm是海上溢油检测的有效特征波段,但对极薄的油膜没有检测能力;（2）提出了归一化溢油指数模型、反比例模型和吸收基线模型等3种海上溢油油膜厚度估算模型,其中对于薄油膜（厚度≤ 5 μm）和厚油膜（厚度>50 μm）,反比例模型是溢油厚度反演的首选也是唯一选择。对于中厚度油膜,晴朗天气条件下,归一化溢油指数模型是油膜厚度反演的首选,同时反比例模型和溢油吸收基线模型也都有较好的反演能力,而在多云天气条件下,反比例模型效果最佳。     

基于主成分分析和决策级融合的高光谱图像分类方法研究

为了评价主成分分析方法和决策级数据融合方法对高光谱图像地物分类结果的影响,作者利用各分类器和主成分分量的优势,提出了两组地物分类结果的决策级融合策略,利用8种常用监督分类方法对高光谱原始图像和PCA变换后不同分量组合图分类得到的结果进行决策级融合,并应用覆盖黄河入海口新老河道交界处的CHRIS/PROBA高光谱图像开展实验研究。结果表明:直接采用每类地物分类精度最高的、空穴和缝隙采用总体分类精度最高的融合策略,在综合考虑生产者精度和用户精度的情形下,仅使用最大似然法、支持向量机和人工神经网络3种分类方法,按照分类精度从高到低的顺序进行的融合分类效果最好,总体分类精度为87.82%。与8种监督分类方法中效果最好的最大似然法相比,精度提高了2.7个百分点,同时明显减少了错分现象,尤其是对于分布面积较小的翅碱蓬和柽柳,滩涂被误分为翅碱蓬、芦苇被误分为柽柳的现象大大降低。     

生物天敌暴发导致珊瑚礁退化的高分遥感监测与分析——以南海太平岛为例

珊瑚生物天敌黑皮海绵、长棘海星在世界范围内暴发严重威胁珊瑚礁生态健康,然而目前珊瑚礁领域尚缺乏生物天敌暴发后对珊瑚礁地貌类型影响的定量研究。文章利用太平岛珊瑚生物天敌黑皮海绵、长棘海星2次暴发事件前后,覆盖太平岛2016—2022年的26期Sentinel-2遥感影像,结合高分辨率GF-2 (PMS)遥感影像和卫星遥感影像地理信息系统Google Earth平台中的数据,开展中国南海太平岛珊瑚礁地貌类型遥感影像分类实验,对密集珊瑚沉积区、稀疏珊瑚沉积区、珊瑚丛生区、沙坪、浅礁前斜坡等珊瑚礁地貌类型演变进行特征分析。结果表明：1）结合专家解译知识和支持向量机（Support Vector Machine, SVM）分类算法开展的太平岛珊瑚礁地貌类型分类,最高总体精度和Kappa系数分别为96.46%和0.94。2）在2种珊瑚生物天敌暴发期间,太平岛的珊瑚礁丛生区、密集珊瑚沉积区、稀疏珊瑚沉积区等珊瑚礁地貌类型面积有显著下降;黑皮海绵暴发后对密集珊瑚沉积区影响最大,其面积减少72.92%;长棘海星暴发后对珊瑚丛生区影响最大,其面积减少59.17%。3) 2016—2022年,太平岛珊瑚礁退...     

生成模型学习的遥感影像半监督分类

以生成模型最大似然估计为例,引入结合已标记样本和未标记样本的半监督分类方法来解决遥感影像分类中的小样本问题,应用已有的少量已标记样本初始化一个分类器,结合大量未标记样本,通过递归计算的方式对分类器进行优化,直到包含所有样本的似然函数收敛到局部极大值。通过分析遥感影像待分类类别与影像中地物类型固有特征之间的关系,设计两个在不同生成模型假设下的分类实验。结果表明,未标记样本的参与可在很大程度上提高小样本条件下的影像分类精度,但两种样本的数量应保持一个适当的比例。最后通过与在解决小样本分类问题方面有独特优势的SVM方法的分类比较,发现在小样本情况下,本文方法具有更好的应用潜力。     

融合地理空间认知的珊瑚礁地貌单元高分遥感分类方法

近年来,在人为活动和自然因素的影响下,全球珊瑚礁面临着大规模退化问题,开展珊瑚礁监测研究对珊瑚礁生态系统评估、修复和保护工作具有重要作用。本文以西沙群岛北礁和华光礁为研究区,应用2015年高分二号（GF-2）和WorldView-2高空间分辨率卫星影像和现场调查数据,基于不同珊瑚礁地貌单元的空间位置特征,提出了融合地理空间认知（Geo-Spatial Cognition,GSC）的珊瑚礁地貌单元高分遥感分类方法。研究结果表明：针对因空间位置不同和底质组成高度近似导致珊瑚礁地貌单元漏分和错分的问题,本文提出的方法更能有效获取精准的珊瑚礁地貌单元信息。其中,融合地理空间认知的随机森林（Integrating Geo-Spatial Cognition-Random Forest,GSC-RF）方法展现出了最优的分类表现,在北礁和华光礁珊瑚礁地貌单元分类中总体精度分别为98.06%和91.93%,Kappa系数分别为0.98和0.91。相比于仅使用光谱信息的随机森林（Random Forest,RF）、多元逻辑回归（Multinomial Logistic Regression,MLR）和支...     

SAR与光学影像融合增强方法和效果分析

基于Radarsat-2全极化SAR、GF-1多光谱、Landsat-8多光谱影像,利用PCA变换、HSV变换等方法,分析了同空间分辨率的SAR与光学全色影像的信息量,并评价了其分别与Landsat-8多光谱影像的融合结果。结果表明:全极化SAR影像较全色影像的亮度高,图像标准差、信息熵及平均梯度总体趋于一致,信息量相当;融合影像目视效果相近,且SAR融合影像较光学融合影像包含的信息量更为丰富,利用高分全极化SAR影像替代光学全色影像开展海岸带遥感监测是可行的。     

典型高光谱图像端元提取算法在黄河口湿地应用评价研究

端元提取是混合像元分解的基础,也是高光谱遥感的研究热点。对于特定区域的高光谱图像应该使用哪种端元提取算法,需要对各种端元提取算法进行客观地评价。作者针对黄河口湿地CHRIS高光谱图像,使用了重建图像与原图像的均方根误差、有效端元数量两个指数对PPI、N-FINDR、VCA、OSP、IEA和SISAL六种典型的端元提取算法进行了评价。结果表明,SISAL算法重建误差最小,仅有其他算法误差的10%~28%;OSP算法识别了具有物理意义的6种有效端元,多于其他算法识别的地物类型,而SISAL算法识别的端元缺乏物理意义。     

基于HJ-1A高光谱的黄河口碱蓬和柽柳盖度反演模型研究

碱蓬和柽柳是黄河口湿地典型的盐生植物类型,是多种保护珍禽的主要栖息地,具有景观尺度较小、分布广且多混生的特点。应用覆盖黄河口北部潮滩的HJ-1A高光谱遥感影像,基于现场测量的端元光谱和从遥感影像中使用顺序最大角凸锥法(SAMCC)自动提取的端元光谱,应用线性光谱分解法(LSU)、正交子空间投影法(OSP)、匹配滤波法(MF)、最小能量约束法(CEM)和自适应一致估计法(ACE)5种不同光谱解混方法进行混合像元光谱解混,对比两种方法得到的端元光谱分别对碱蓬和柽柳盖度的反演能力,并给出相应的反演模型。结果显示:(1)现场测量端元光谱取得了较好的碱蓬和柽柳盖度反演结果,其中应用LSU方法的光谱解混结果与现场测量盖度的决定系数对于碱蓬和柽柳分别达到了0.88和0.95;(2)两种端元获取方式的光谱解混结果中,LSU和OSP方法均获得了较高的相关性,ACE解混方法的相关性都最低;(3)SAMCC方法提取端元光谱对柽柳的分解结果与现场测量盖度的相关性远高于碱蓬。