基于遥感图像的南京市农业用地动态分析

土地利用的好坏是事关国计民生的大问题,因此,及时、准确地掌握各区域内土地的变化情况,是政府和国土资源管理部门合理调控土地使用政策的基础。以2005,2008,2011,2014年拍摄的南京市区域的Landsat遥感图像资料为数据源,通过对农用土地信息的提取,定量分析了南京市农用土地的变化情况及其发展态势,并探讨了区域经济发展与农用土地变化的相关性,以期能给国土资源管理部门政策制定提供借鉴。     

结合边缘检测的农业图像非局部均值滤波算法

提出了1种结合边缘检测的农业图像自适应滤波算法。该算法首先对红外噪声图像采用LOG算子提取边缘图像;然后对于非边缘噪声图像采用非局部均值滤波算法进行处理;最后对边缘图像和滤波后的非边缘图像进行融合,得到最终的滤波后图像。分别采用农业图像对本算法的性能进行测试,与经典非局部均值滤波算法、已有的改进型非局部均值滤波算法、自适应维纳滤波算法进行去噪效果对比,并采用峰值信噪比（peak signal noise to ratio,PSNR）作为滤波算法性能的客观性评价指标,结果表明,本算法相对于其余算法而言,滤波效果较优,适合于农业图像处理。     

基于地物特征的遥感图像融合效果

以ETM多谱段和全色影像为数据源,在最佳波段组合分析的基础上,采用主成分变换、乘积变换、小波变换、小波+IHS混合变换和小波+主成分混合变换等方法对图像进行融合.以均值、标准差、信息熵为评价指标,比较分析了不同地物特征的图像融合效果.结果表明:采用小波+IHS混合方法有利于耕地信息的提取;采用小波+主成分融合方法有利于居民地、林地、牧草地、水域、未利用地和园地等信息的提取.     

基于遥感图像光谱特征融合的高原土地覆盖类型分类模型

在使用土地覆盖类型分类模型分类高原土地覆盖类型的过程中,由于不同类别地物间光谱信息更相近,在没有多特征降噪的情况下,容易产生噪声偏差,导致土地覆盖类型错分,设计一种基于遥感图像光谱特征融合的高原土地覆盖类型分类模型。设计特征提取方法,提取遥感图像中几何特征的空间特征与属性特征,以展示遥感图像光谱更多的空间细节信息;将遥感图像按照一定模式规则进行处理和运算,构建三种多特征融合模式,使用SVM作为分类工具,计算其中参数,实现元素的线性可分。模型性能测试结果表明：设计的分类模型所得到的分类结果在生产精度、总体精度、Kappa系数这三个指标中的评分均达到了0.7以上,验证了设计模型在高原土地覆盖类型分类中的准确性。     

序列图像运动目标的检测与提取

本文对视频图像中运动目标的检测与提取的算法进行了研究,并在计算机上做了仿真.本文采用背景差分法,针对序列图像首先建立了基于高斯统计模型的背景模型,然后用差分法提取运动目标,用形态学滤波去除噪声.仿真结果表明,算法是有效的,能够得到较好的结果.     

一种结合形状特征的多光谱遥感图像分割方法

提出一种结合形状特征和光谱特征对多光谱遥感图像进行分割的方法。首先确定形状因子和光谱因子的表达式．然后应用区域生长算法在给定区域异质性阈值的约束条件下进行图像分割。实验结果表明此方法对中高分辨率多光谱遥感图像的分割效果较好，有一定的推广价值。     

基于图像特征融合的农事活动行为的识别

针对农事活动图像中人体姿态所隐含的行为信息以及人与农具所隐含的关联信息,提出了一种基于图像特征融合的农事活动行为的识别方法：利用人体姿态估计技术OpenPose提取农事行为关节点位置信息,利用目标检测YOLOv3提取农事行为中农具的位置和分类信息,用以构建农事行为的距离空间特征矩阵和角度空间特征矩阵,并将这些特征进行图像特征融合,建立基于图像显式特征和隐式特征融合的农事活动行为识别方法EI–SVM,实现农事活动行为的识别。试验结果表明,EI–SVM方法对农事活动行为识别的准确率可达94.87%,在公用数据集上准确率达到92.39%。     

基于D-YOLOv3检测网络的温室叶菜幼苗图像检测

为解决温室叶菜子叶期幼苗生长密集情况下的图像识别问题,提出一种密集连接型D-YOLOv3检测网络.该网络以YOLOv3为基础构建主干网络,改进检测结构和损失函数.以穴盘培育的油菜幼苗为例展开一系列试验.首先确定了YOLOv3和D-YOLOv3检测网络中损失函数的修正系数;其次通过构建的几种检测网络的对比试验验证了对YOLOv3主干网络、检测结构和损失函数改进的有效性,D-YOLOv3的幼苗检测精度高达93.44％,检测时间低至12.61 ms,与YOLOv3相比精度提升9.4个百分点,时间降低4.07 ms;最后进行不同密集程度和光照环境下幼苗图像的检测性能对比试验,结果表明D-YOLOv3的检测精度、检测时间及对小目标的特征提取能力均优于YOLOv3.D-YOLOv3能够对温室环境下的叶菜幼苗进行有效检测,可以为智能检测装备的作物识别提供依据.     

基于滑动窗口法的遥感图像纹理统计信息提取研究

遥感图像中地学信息,如地质构造、蚀变信息及岩性分界等信息具有一定的纹理特征。纹理是遥感图像的重要特征,是地物空间特征的综合反映。利用滑动窗口法来获取遥感图像的纹理特征参量,将得到的特征矩阵用假彩色进行显示,将得到的图件进行了对比。然后,针对窗口大小对不同纹理特征显示效果的差异展开讨论。结果表明,滑动窗口法在排除波谱信息的干扰、提取纹理特征参量方面效果比较明显。对于纹理多尺度判别的精度来说,采用较大窗口提取的纹理信息参与分类能使总体显示效果较好,但某些纹理的精细程度有所下降,建议在实际应用中,应根据具体情况选择窗口的大小。     

基于高光谱成像技术的蓝莓果实成熟度识别研究(英文)

在蓝莓收获期,果实成熟度识别的预先识别对果实收获管理及产量评估具有重要意义。基于遥感的高光谱成像技术,以其包含丰富的光谱及空间信息,在复杂背景对象识别中具有极大的开发潜力。通过采集美国佛罗里达州三种典型南部高丛蓝莓的高光谱图像,研究了基于高光谱图像处理技术在复杂背景中进行蓝莓果实成熟度（成熟、近成熟以及未成熟）识别的数据处理算法。通过支持向量数据描述（SVDD)和K-means聚类算法,构建了蓝莓果实成熟度识别模型,从像素层面和外观层面对蓝莓果实进行混合识别。实验结果表明：对蓝莓成熟果实的识别正确率达到96.1%,近成熟果实识别率为94.7%,青果识别率为91.2%。为了评估算法性能,使用另外两种对象识别算法（KNN和SAM）作为比较,试验表明新提出的算法对复杂背景适应性更好,尤其是对小尺寸对象识别准确率更高。     

积雪参数遥感反演研究进展

积雪是地表重要自然要素,积雪参数反演研究对相关领域研究及应用具有重要意义。以当前研究成果为基础,对比分析相关积雪遥感资料优缺点,探讨利用遥感资料进行积雪反演合理性及不足。介绍当前进行积雪遥感反演遥感平台系列。探讨光学传感器及微波遥感仪器各自优缺点,强调结合光学、微波遥感仪器影像数据进行积雪反演研究重要性;重点介绍中分辨率成像光谱仪、改进型甚高分辨率辐射仪等光学传感器在积雪面积计算、雪盖制图等方面研究进展,先进微波扫描辐射仪、特定微波传感器/成像仪、多通道微波扫描辐射计等被动微波传感器在雪深计算、雪水当量估算等领域发展现状;强调主动微波遥感传感器在未来积雪遥感研究中重要性。总结并探讨当前积雪遥感研究中的问题及不足。     

遥感技术在土地沙化监测中的应用

利用SPOT5卫星遥感影像,采用遥感数据处理技术,对漳浦县沿海沙化土地进行遥感目视解译.通过对沙化监测分类体系的研究,建立沙化监测的遥感目视解译分类系统和目视解译标志,并进行目视判读.通过目视解译结果和实地检验,验证研究成果的正确性,为福建省沿海土地沙化监测提供了遥感目视解译方法.     

基于Hough变换的线段检测算法的改进

基于Hough变换的基本理论及目前的改进算法,针对Hough变换所存在的参数峰值不明显、存储空间大及计算速度慢等不足,提出了一种改进的随机Hough变换,可实现由长到短逐次提取线段,并给出了线段起始点和终止点的计算方法。实验证明了该改进算法的有效性。     

利用TM遥感影像和林分因子估测森林可燃物载量

以塔河林业局针叶林为研究对象,利用TM遥感影像和林分因子,采用岭估计的方法,建立可燃物载量预测岭回归方程。同时用总相对误差、平均相对误差、平均相对误差绝对值、预估精度4个指标对模型进行了评价,预测效果较好。     

森林火灾遥感探测技术研究进展

森林火灾是陆地生态系统重要的自然干扰之一,也是森林面临的主要自然灾害。多源遥感技术在森林火灾探测中应用,使得森林火灾的早期探测与实时监测成为可能,遥感技术已成为森林火灾监测和防控的重要手段。本研究综述了遥感技术在森林火灾相关研究方面的应用进展,从灾前、灾时、灾后3个阶段,分析了遥感技术和方法在森林可燃物调查及载量评估、火场态势监测、火险等级预测预报、火烧迹地识别、火后森林受害评估以及植被修复等方面的应用,总结了现有研究方法中存在的问题,展望了未来森林火灾探测技术的发展方向。多源多尺度遥感探测技术如将无人机、雷达、航空遥感与航天遥感等互相结合,多方位进行森林火前火后监测,为火险等级预报、森林火灾防控、火后森林结构和功能的恢复提供依据。     

基于SLEUTH模型的鄂尔多斯城市扩张模拟分析

为准确获取城市扩张信息,预测城市扩张趋势以指导城市规划,优化城市空间结构,以鄂尔多斯市为研究区,通过解译2000、2005、2010和2015年遥感影像,获取研究区土地利用分类信息,进而采用面积数量、扩张强度指数分析城镇用地历史变化特征及扩张模式,在此基础上利用SLEUTH模型开展城市空间扩张的长时间序列模拟预测。结果表明:研究时段内城镇用地持续增长,其扩张态势大致经历了\"平稳-快速急剧-低速\"的发展阶段,在平稳阶段,扩张强度适中,城市呈现出显著的外延式扩张模式;在快速急剧阶段,扩张强度最大,城市在南北方向上呈星状蔓延式扩张模式,并出现了新的增长中心;低速发展阶段,扩张强度最小,以外延-内部填充式的模式进行扩张;模型预测结果发现2020—2030年城市扩张态势将呈现出各功能片区平稳对接、条带状发展的空间格局,以内部填充为主。     

作物种植面积遥感提取方法的研究进展*

 农作物种植面积监测是遥感估产的关键技术之一。回顾和总结了国内外利用遥感数据进行农作物种植面积提取的方法,重点分析了遥感影像分析方法的进展以及大面积作物种植面积提取两个方面,对农作物种植面积遥感提取的发展方向作了简要评述。     

基于主被动遥感技术的地表覆被类型变化检测方法——以新疆西天山国家级自然保护区为例

旨在研究主被动遥感结合的地表覆被变化监测方法,使用高分数据和哨兵1号数据分别代表被动和主动遥感,对新疆西天山国家级自然保护区地表覆被变化情况进行检测,进而对得出的林地、草地、建筑物检测结果进行联合分析,最终得到主被动遥感联合变化检测结果。通过实地精度检验对主被动遥感联合变化检测结果进行验证。结果表明,该方法的变化检测结果精度达到90%以上。说明结合主动遥感和被动遥感既能克服天气的影响,又能在检测中保留光谱和纹理等丰富的信息,变化检测的精度较高;主被动遥感联合变化检测可以较为快速、准确地掌握地表覆被类型的变化,能够在一定程度上减少被动遥感数据的云量困扰。并且该方法在林地和建筑物上有较高的敏感性,适合森林自然保护区的森林变化和建筑监测。