基于Landsat 8 OLI辅助的亚米级遥感影像树种识别

为研究高空间分辨率遥感影像与多光谱遥感影像协同进行面向对象树种识别的有效性,本研究以QuickBird高空间分辨率(全色0.61 m)和Landsat 8 OLI(30 m)遥感影像为基础数据,在分类的过程中采用2种分割方案(有Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割和无Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割)进行多尺度分割,对2种分割方案进行比较。基于QuickBird遥感影像和Landsat 8 OLI遥感影像提取光谱、纹理、空间3方面68种分类特征,应用最邻近分类法和支持向量机分类方法进行面向对象树种分类,采用相同的分类系统、统一的分割尺度以及同一套验证样本,利用Kappa系数、总精度、生产者精度和用户精度4个评价指标进行精度评价。结果表明:单独使用QuickBird高空间分辨率遥感影像的分割结果优于QuickBird高空间分辨率遥感影像与Landsat 8 OLI遥感影像协同分割的结果,最优分割阈值与合并阈值分别为25和90。在最优分割结果的基础上,多光谱Landsat 8 OLI遥感影像与QuickBird高空间分辨率遥感影像协同进行面向对象分类,最邻近分类法和支持向量机分类方法的分类总精度分别为85.35%(Kappa=0.701 3)和88.12%(Kappa=0.853 6);单独使用QuickBird高空间分辨率遥感影像进行面向对象分类,2种方法的分类总精度分别为79.67%(Kappa=0.693 9)和83.33%(Kappa=0.792 5)。QuickBird遥感影像在Landsat 8 OLI遥感影像辅助下,分类结果的地物边界更加清晰,总体精度及主要树种识别精度均得到了提高。研究成果应用在实地森林调查与区划时可有效缩短调査时间、减少调查成本、降低劳动强度、提高成果质量。      

基于小波融合的泉州市QuickBird影像绿地信息提取

以2006年泉州市部分QuickBird多光谱影像与全色影像为实验区数据基础，在遥感软件ERDASIMAGINE9．2平台支持下，应用小波融合算法及融合规则实现QuickBird融合处理，在此基础上进行归一化植被指数（NDVI）运算，通过人机交互式提取得到实验区5种主要的绿地类型：公园绿地、生产绿地、防护绿地、附属绿地及其他绿地．结果表明：1）QuickBird多光谱影像、全色影像的信息熵分别为3．975，4．162，而QuickBird融合影像的信息熵为7．251，明显高于前两者，融合后空间信息更丰富；2）QuickBird融合影像的平均梯度是3．328，多光谱影像、全色影像分别是1．552，2．965，融合影像纹理特征更明显；3）QuickBird融合影像与多光谱影像的偏差是0．0359，全色影像的偏差为0．0562，均接近于0，小波融合影像较好地保持了源图像的光谱特性；4）绿地信息分类提取的精度为89．6％，趋近90％．     

QuickBird影像在城市土地利用现状调查中的应用研究

以QuickBird卫星影像作为主要数据源,采用主成分分析法对全色和多光谱图像进行融合,并与其它辅助信息进行综合分析,通过室内遥感目视解译,结合野外实地调查验证,对天津市塘沽区土地利用现状进行了遥感调查。研究表明:QuickBird提供的高分辨率卫星图像可以满足制作大比例尺城市土地利用现状图的要求,图像融合可以充分利用全色图像的高空间分辨率和多光谱图像的高光谱分辨率,提高了目视解译的精度。     

基于IDL的遥感影像缨帽变换融合

遥感影像融合可以部分消除原始影像的冗余信息,在提高影像的空间分辨率的同时保持其多光谱信息,提高影像的质量,有利于遥感解译、纹理分析以及信息提取等。该研究介绍了基于缨帽变换的遥感影像融合算法,并采用交互式数据语言IDL(Interactive Data Language)进行了实现;同时为了验证算法的有效性,将其与ENVI平台下的几种常用的影像融合方法的融合影像进行了比较。结果表明,基于IDL的遥感影像缨帽变换融合程序执行快速稳定,可靠性高,获得的影像融合效果较好。     

SPOT-5影像分析的三种融合方法比较——以洪雅县柳江镇退耕还林工程监测为例

以洪雅县柳江镇为试验区,选用SPOT-5全色影像和多光谱影像为材料,采用PCA、Brovey以及IHS变换融合方法,对SPOT-5全色与多光谱图像进行融合处理,为退耕还林工程面积监测奠定基础。通过对各融合结果图像进行主观和客观的综合评价,得到评价结果:Brovey变换融合方法得到的结果图像在其空间质量和光谱质量综合表现的最好,适宜于低山丘陵区的遥感监测使用。     

不同遥感数据融合方法在南方水稻面积监测中的应用研究

在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度.     

陕北黄土丘陵沟壑区ALOS遥感影像融合方法研究

【目的】通过几种遥感影像融合方法的比较,筛选适合于陕北黄土丘陵沟壑区遥感影像处理的融合方法。【方法】利用ALOS全色波段与多光谱影像,通过主成分变换、乘法变换和Brovey变换等3种融合方法,对陕北黄土丘陵沟壑区遥感影像进行融合,并对融合后的影像进行效果评价。【结果】所有融合处理图像的标准差和信息熵多大于原始影像,融合后图像的信息量大大增加,其中Brovey变换法在提高目视效果和识别精度方面优于其他2种融合方法。【结论】3种变换融合方法中,Brovey变换更适合于陕北黄土丘陵沟壑区ALOS遥感影像的融合,同时也为提高该区遥感影像的解译精度奠定了基础。     

基于地表覆盖分类的IKONOS影像融合算法分析与评价

不同的遥感影像融合算法有不同的优点和局限性,因此难以单纯评价某种算法的优劣,融合算法的选择与研究对象和应用目的有着密切的关系。在概略介绍IHS变换、Brovey变换、PCA变换、SFIM变换及Gram-Schmidt变换5种图像融合算法原理的基础上,对IKONOS全色和多光谱数据进行像元级融合,并对融合效果进行了定性和定量评价。在此基础上,对融合影像进行最大似然法分类,利用混淆矩阵对分类结果进行精度分析,以期找出适合于地表覆盖分类的IKONOS影像融合算法。结果表明,在图像空间信息提高和光谱信息保真方面,以SFIM变换和Gram-Schmidt变换相对较好,其中Gram-Schmidt变换对图像微小细节反差的表达能力优于SFIM变换。在上述5种变换中,SFIM及Gram-Schmidt变换后融合影像地表覆盖分类精度较高,总体精度均超过98%,Gram-Schmidt变换的分类精度略高于SFIM变换,IHS变换后融合影像的分类精度最低,其总体精度和Kappa系数分别为83.14%和0.76。因此,利用Gram-Schmidt变换和SFIM变换得到的IKONOS融合影像更有利于提高地表覆盖分类精度。     

WorldView-Ⅱ影像3种融合方法效果评价

图像融合可以提高多波段图像的空间分辨率,是使用遥感图像常用的处理方法之一。图像融合的方法有很多,其中Gram-Schmidt波谱锐化、PC波谱锐化和Pan Sharpening三种方法融合影像后可保留原始影像的波段数目,本文以呼和浩特市区World View-Ⅱ影像为数据源,通过这三种方法对影像进行融合,从定性和定量角度分析、评价三种方法的优劣。实验结果表明:Gram-Schmidt Spectral Sharpening是World View-Ⅱ影像融合的最优方法。     

一种自适应IHS的遥感数据融合方法研究

针对传统IHS变换融合算法存在光谱扭曲、仅适用于多光谱影像3个波段的处理等问题,提出了一种自适应的IHS变换融合算法。并以SPOT Pan(全色波段)和Landsat-TM321多光谱图像、worldview-2(全色与多光谱)、Quick Bird(全色与多光谱)3组遥感影像数据为基础,采用传统IHS和自适应IHS变换融合算法分别对3组试验结果进行定性和定量评价。结果表明,自适应IHS方法优于传统的IHS变换融合方法,在定性方面自适应IHS可得到较佳空间分辨率和光谱分辨率,在定量方面自适应IHS方法各项定量指标均优于传统IHS方法。     

论影像在图像体系中的演进

影像作为图像体系中的重要构成部分,是凭借某种技术媒介实现的对现实世界的直观呈现、复制和固定,主要包括摄影影像、电影影像、电视影像和视频影像等。影像在图像体系中的演进大致经历了＂从绘画到摄影＂、＂从摄影到电影＂和＂从电影到电视＂三个阶段。这一历程实乃现代视觉符号表征与传播的演变过程,说到底是人接触、认识和反映现实的结果,是人与现实之间不同依存关系的写照。     

自动分布阈值图像多目标分割算法

提出了一种有实际背景的最小费用箱子覆盖问题──每个物品有长度和费用2个参数.针对局外最小费用箱子覆盖问题,给出了一个求解该问题的最坏情况渐近性能比为1/2算法C-FF1.同时给出了一个求解该问题的局内算法C-FF2,其绝对性能比为1/2,并证明了不存在绝对性能比大于1的算法.     

基于图像处理的烟叶等级标准图像合成算法研究

为了建立烤烟烟叶标准等级数据库,实现烤烟烟叶的自动分级。本文以图像处理技术为基础,以已知等级的烤后烟叶为图像素材,通过提取烟叶样本颜色特征,得到了烟叶颜色特征数据。在此基础上研究了烟叶等级标准图像合成算法,并建立了烟叶标准等级数据库。结果表明,RGB颜色模型下对R、G、B分量进行处理后合成的烟叶等级标准图像,与烟叶实际人工分级的吻合率达到90%,符合实际分级合格标准且与烟叶分级专家判定一致,为烟叶分级自动化研究提供了前期技术依据和量化方法。     

两种遥感图像增强方法对图像分类的适宜性分析

通过对遥感图像空间增强的锐化处理与辐射增强的降噪处理进行基于像元的监督分类,结合野外实地调查与增强前图像分类结果的比较,进行了两种增强方法对于图像分类的精度分析,研究表明,未增强图像进行监督分类的精度为58．41％,Kappa系数值为0．4738;锐化处理后图像分类精度提高至62．77％,Kappa系数值为0．5227;而去霾处理后图像分类精度可达89．00％,Kappa系数值达0．8625,是较适于进行基于像元图像分类的增强处理方法。