SPOT-5遥感影像自身融合在马尾松毛虫害信息提取中的应用

以福建沙县作为研究区,在阐述遥感图像融合原理的基础上,以SPOT-5全色与多光谱影像为数据源,应用IHS变换、PCA融合、Brovey变换、乘积变换和HPF融合等5种比较常用的融合方法,从提高空间分辨率和保持原始图像光谱信息及虫害信息提取的角度进行了分析评价,探讨最适合于利用SPOT-5图像进行马尾松毛虫害信息提取的融合方法。研究结果表明:各种融合方法中,HPF融合方法效果最好。     

森林资源二类调查中遥感图像增强技术应用研究

为提高森林资源二类调查中目视判读的质量,以蛟河林业试验区管理局的精校正后的SPOT-5全色遥感图像和SPOT-5多光谱遥感图像为数据源,利用ERDAS9.2遥感处理软件,进行融合处理后,对不同的融合结果进行辐射增强和光谱增强处理后进行目视判读,再利用ENVI5.0遥感软件和MATLAB7.0软件进行定量分析,结果表明:对于SPOT-5遥感图像,先经高通滤波融合处理,再进行直方图均衡化增强处理,是得到高质量遥感图像的最佳选择。     

松花坝水源区Landsat 7 ETM+遥感影像融合对比研究

采用IHS变换、Brovey变换、PCA变换、Gram-Schmidt变换、CN变换和小波变换等遥感影像融合方法,对松花坝水源区2002年Landsat 7 ETM+多光谱数据与全色波段进行融合,并结合影像的光谱统计参数选取相应评价指标,对这些方法进行评价.结果表明,6种融合方法均能不同程度地提高影像质量,源于同一传感器的不同分辨率影像融合能够有效避免异源传感器影像融合所常见的实相及校正误差,PCA变换效果最佳.     

应用于城市森林监测的WorldView-1与GeoEye-1融合效果评价研究

采用Brovey、HIS、PanSharpen、Gram-Schmid、PCA、Wavelet等融合方法对World-View全色与Geoeye-1多光谱影像进行融合处理,在传统的光谱还原、纹理清晰度指标的基础上,引入植被权重的改进相似度定量评价法,其以人眼的视觉特性为出发点,侧重于图像的结构信息和光谱与纹理的均衡度,并着重考虑林业遥感尤其城市森林资源监测应用中对突出植被信息的要求,利用MatLab构建评价程式,通过对G_MMSIM及常规指标的综合比对分析,认为此法与目视判读较为接近,可以在评价实践中予以应用,同时,得到PCA和Gram-Schmid效果最优,PanSharpen稍差的评价结果。     

SPOT5全色与多光谱遥感影像融合方法研究

以吉林省白河林业局的SPOT5全色与多光谱遥感影像融合为研究对象，利用Erdas Imagine9.1遥感影像处理软件，对8种融合方法的结果进行定量分析。结果表明：在提高空间分辨率能力和保持光谱特征的完整性上，Ehlers融合法、基于HIS变换的小波变换法、HIS变换法融合效果较好。     

中国资源一号02C卫星数据的融合及应用

以2013年浙江省龙泉地区的多光谱和全色影像为数据源,在影像配准、校正基础上,经Brovey,GramSchmidt,高通滤波,HSV,IHS,主成分与小波变换等7种融合方法,采用定性与标准化定量的分析评价其影像的融合效果。结果表明HSV,IHS变换,HPF变换及GS变换为较适宜该影像数据的融合方法。在此基础上通过分类后精度评价的方法,进一步验证HPF融合方法最优且该融合后的影像适宜采用最大似然法进行分类。     

北京平原造林地Pleiades卫星影像融合评价

通过CN波谱融合、PCA主成份变换、Brovey变换、HCS变换、HPF高通滤波变换、Pan Sharpen变换、GS光谱锐化、SFIM基于亮度调节的平滑滤波等8种不同的遥感影像融合方法,对北京市延庆县蔡家河流域平原造林地的Pleiades卫星全色和多光谱影像进行融合,通过定性和定量方法从光谱保真、人工造林地林木自动识别精度等方面评价遥感影像融合效果。结果表明:8种影像融合方法各有优势,其中HCS融合方法操作简便,产生的遥感图像光谱保真强,人工造林地林木自动识别精度高,是一种适于Pleiades卫星影像进行林地监测的较好融合方法。     

遥感影像中像素级融合方法的评价研究

基于像素级的融合方法很多,本研究选择了同一地区的ETM+、SPOT5和QuickBird遥感数据,分别采用Pansharp、Gram-Schmidt、小波变换、主成分变换和比值变换五种常用的方法进行融合处理,并针对不同的融合影像,选择了信息熵、平均梯度、信噪比、偏差指数和均方根误差五个指标来对融合的结果进行客观评价,从而根据不同的数据源,选择最佳的融合方法.通过分析比较,得出不同的方法对空间分辨率相对较低的ETM+和SPOT5影响较小,而对高分辨率的QuickBird影响明显,并得出Pansharp的融合效果最理想.     

基于 Quick bird 的遥感影像融合方法评价研究

以Quickbird影像为例，分析和评价了 HIS （Intensity － Hue －Saturation）、Brovey、PCA （Principal Compnent Analysis）、WT（Wavelet Transformation）和WT －IHS等5种融合算法的特点和优劣。研究结果表明：Brovey方法存在一定的光谱失真，从空间细节上说，PCA影像的亮度值过高，造成图像对比度降低，WT －IHS方法在空间细节信息和光谱信息的保持方面与其他方法相比稍显优越；PCA和WT －IHS的均值最高，WT －IHS与WT的标准差最大，WT －IHS方法的信息熵最高。PCA变换和Brovey变换不论是在光谱信息丰富程度还是在空间分辨率的精度方面效果都不明显，在低分辨率多光谱信息与高分辨率空间信息之间权衡较好的一种方法是WT －IHS变换法。     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

SPOT5全色与多光谱影像融合方法研究——以南瓮河湿地自然保护区部分区域为例

以黑龙江省南瓮河湿地自然保护区内的SPOT5全色与多光谱遥感影像为研究对象,利用ENVI4.8、Arc-gis10.0遥感影像处理软件对4种常用融合方法进行质量评价。结果表明:Gram-Schmidt Spectral Sharpening变换融合方法效果最好,灰度均值和标准差最接近原多光谱影像,信息熵高于原多光谱,而且还保留了与SPOT5影像相同的4个波段,可以根据需要进行不同的波段选择;PC Spectral Sharpening变换后也保留4个波段,但这种融合方法色彩的饱和度较差,没有更好地增强部分地物;HSV变换和Brovey变换后图像只有3个波段,HSV变换后的色彩差异与源图像最大,不同地物间色彩差异不大,不利于地物的分类时的目视解译。     

森林面积方法研究

本文通过对遥感图像的处理和光谱特征信息的分析,应用ETM 影像数据和地面调查数据,研究了遥感数据处理技术在植被信息提取中的应用,尝试对高山峡谷区的森林资源调查提出较为完善的计算机图像处理技术和自动分类方法。对道孚县台站林场和麻孜林场地类的分类结果表明:运用TM453波段融合能够达到较好的图像增强效果;运用无监督分类方法提取森林面积能达到较高的分类精度;NDVI比RVI更能突出植被信息和消除山体阴影的影响。     

基于分类方法的泉州湾湿地信息提取

对2002年3月7日的泉州湾湿地ETM+卫星影像采用SFIM融合法、PCA融合法、Brovey融合法和IHS融合法对多光谱影像和全色波段进行融合,并进行融合影像评价,选取融合效果最好的SFIM融合影像进行进一步分析。将ETM+原始未融合影像与SFIM融合影像采用相同分类模板、相同波段和相同分类方法进行分类。研究表明,2种方法提取的泉州湾湿地信息精度都满足精度要求;而SFIM融合影像的分类精度有所提高,但效果不是很明显,这可能是因为湿地地物类型相对较简单,各地物间的可分性相对较高的缘故。     

多源遥感影像的融合方法效果分析

在IRS—P6遥感影像的多光谱与CBERS-2B遥感影像的全色PAN波段之间进行融合,对乘积变换、比值变换、IHS变换和主成分分析4种常见的融合方法进行对比分析,并对融合后的影像进行主观定性评价和客观定量评价。研究表明：IHS变换效果相对最优,在较好地保持原多光谱影像光谱信息的同时,大大地提高了影像的空间分辨率,对云区的地物色彩表现力上也较好。研究对于使用多源遥感影像融合获取高质量影像有着重要的参考价值。     

Pleiades-1高分辨率影像像素级4种融合算法的综合评价研究

基于Titan Image 8.0遥感图像处理软件平台，对法国和意大利联合研制的新一代极限性能高分辨小卫星Pleiades-1卫星影像（全色0.5 m＋多光谱2.0 m）进行像素级4种融合算法融合效果的定性和定量评价，结果表明，对Pleiades-1高分辨率影像的4种融合算法融合中， pansharp算法融合效果最好，小波变换法融合算法次之，再次为HPF算法， PCA算法融合效果最差。     

Forest type identification by random forest classification combined with SPOT and multitemporal SAR data

We developed a forest type classification technology for the Daxing'an Mountains of northeast China using multisource remote sensing data.A SPOT-5 image and two temporal images of RADARSAT-2 full-polarization SAR were used to identify forest types in the Pangu Forest Farm of the Daxing'an Mountains.Forest types were identified using random forest(RF) classification with the following data combination types: SPOT-5 alone,SPOT-5 and SAR images in August or November,and SPOT-5 and two temporal SAR images.We identified many forest types using a combination of multitemporal SAR and SPOT-5 images,including Betula platyphylla,Larix gmelinii,Pinus sylvestris and Picea koraiensis forests.The accuracy of classification exceeded 88% and improved by 12% when compared to the classification results obtained using SPOT data alone.RF classification using a combination of multisource remote sensing data improved classification accuracy compared to that achieved using single-source remote sensing data.     

SPOT-5数据在退耕还林监测中的应用研究——以山西省古交市嘉乐泉乡为例

以山西省古交市嘉乐泉乡为试验区,采用SPOT-5的10m、5m和2.5m 3种影像数据对退耕还林地面积进行分类监测。所设计的2种方案分别是:1)将地物类型分为7类,退耕还林地作为一种单独地类,对3种影像数据进行计算机自动分类和2.5m影像的人工解译分类;2)借助退耕还林作业设计图,将退耕还林地块影像分割出来,对退耕还林地和未退耕还林地进行有监分类。精度验证表明,第一种方案中2.5m融合图像的人工解译分类,退耕还林地的分类精度在50%以下;第二种方案中3种影像数据的总体分类精度均大于90%。建议在退耕还林地的作业设计图电子化的基础上,应用SPOT-5数据监测退耕还林地的任务完成和植被覆盖情况。