基于哨兵2时间序列组合植被指数的作物分类研究

时间序列是一种常用的物候研究方法。为充分利用哨兵2数据在红边波段的丰富信息,本文利用多种植被指数组合成时间序列进行作物分类。将NDVI、EVI、红边NDVI三种植被指数进行组合,构建时序植被指数图像,然后使用支持向量机、随机森林、CART决策树和最大似然4种不同的算法对四种作物、三种林草、裸露地表、水体进行分类。原始分类结果中,总体精度最高的随机森林为87.92%,最低的最大似然为80.07%,在分类细节上,随机森林和支持向量机的边界最清晰,4种分类结果中,农作物的分类精度均高于其他地类,仅次于水体的精度,误差主要来自三种林草的混分,表明时间序列组合植被指数用于农作物分类是可行的。     

保持边缘的SAR图像滤波方法

首先阐明了SAR图像边缘和边缘保持的概念。其次，提出了一种评价平滑图像边缘保持的方法。通过计算发现，常用的标准滤波方法：增强Lee滤波、Kuan滤波、增强Frost滤波和Gamma MAP滤波的边缘保持能力很差。最后发展了一种能保持边缘的SAR图像滤波方法。这种方法是对Han等人去除SAR图像斑点噪声方法的改进，并分析了这种方法能够保持图像边缘的原因。     

一种改进的基于小波变换的SAR图像压缩编码

由于SAR数据图像与光学传感器数据特点有所不同,因此一般的适合光学图像的压缩算法并不一定适合雷达图像。文章根据SAR图像的特点对SPECK算法进行了改进。用此改进方法对SAR图像进行处理,通过与SPIHT算法的比较分析可以看出,该算法从各个方面都明显优于传统的SPIHT算法,而且这种方法有较好的视觉特征,有利于进行图像的校准和目视解译。     

基于EMD方法的多尺度边缘提取

提出了一个基于EMD方法的多尺度边缘提取方法。利用EMD方法沿水平方向和垂直方向分别处理SAR图像，得到不同尺度的图像。计算不同尺度图像的梯度，得到不同尺度图像的边缘。根据一致性条件，从不同尺度图像的边缘提出SAR图像的边缘。利用这个方法处理了合成孔径雷达图像，成功地提取了图像的边缘信息。