多源遥感数据融合及其对植被识别的影响

融合数据因其综合了不同遥感数据源的优势,充分协同利用了多源信息,被广泛应用于各个领域。SPOT-5遥感卫星集合了多重分辨率、多种遥感器于一身,该特点使得它在资源环境调查和规划与动态监测、地图制图与更新等领域得到广泛应用。本文从SPOT-5数据的自身融合和SPOT-5与ETM+数据融合两方面着手,利用遥感应用中常用的HIS变换、Brovey变换、HPF变换,探寻有利于植被识别的融合方法。结果表明:1)HPF变换对目视判读最为有利,依次是Brovey变换法、HIS变换法;2)SPOT-5数据自身融合的视觉效果优于SPOT-5与ETM+两种数据融合的;3)将植被分为5种类型,对SPOT-5自身融合影像进行目视判读,再通过实地验证,得出HPF变换、Brovey变换、HIS变换的加权精度分别为:82.99%、79.01%、71.02%。     

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。     

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。     

QuickBird遥感影像的融合及在土地利用类型调查中的应用研究

应用比值变换、IHS变换、主成分变换等3种影像融合方法对QuickBird多光谱和全色遥感影像进行融合，并对融合结果进行了评价；以增强处理效果好的QuickBird影像3、4、1或3、4、2波段彩色合成图像为基础建立解译标志，进行人机交互式解译分类一一进行土地利用类型的专题信息提取，并利用地理信息系统软件制作土地利用类型现状图。     

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。     

基于森林小班的高分影像融合及地类信息提取

以2013年资源3号高分辨率卫星遥感影像及森林小班矢量数据为数据源,以紫金山国家森林公园为例,基于森林小班对象将原始多光谱和全色影像进行融合。在较优融合影像基础上,采用面向对象分类方法提取研究区阔叶林、针阔混交林、竹林、灌木林地、松类、杉类和柏类等地类信息,并以现有的森林小班矢量数据验证影像融合效果,所得结论如下:1)基于森林小班矢量数据对遥感影像数据进行分割和融合是有效提取地类信息的基础。2)基于森林小班对象影像融合效果评价结果表明,Wavelet融合算法对资源3号卫星遥感影像数据融合效果较优;HPF,PCA和IHS融合算法次之;Brovey融合算法融合效果较差。3)基于Wavelet融合影像进行地类信息提取,总体分类精度为83.5%,Kappa系数为0.79。以上结论表明基于森林小班的影像融合方法是可行的,该方法有利于国产高分影像地类信息的提取,可为进一步获得更高的信息提取精度和更细分树种类型识别提供基础。     

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。     

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。     

基于SPOT-5影像的马尾松毛虫虫害遥感监测研究

马尾松毛虫是马尾松林的主要害虫,危害很大,实施有效监测是对其进行防治的关键。以福建沙县为研究区,以SPOT-5遥感影像为数据源,基于短波红外波段、红光波段和近红外波段等构造归一化植被指数等光谱特性指数,基于灰度共生矩阵法提取均值等影像纹理特征,引入坡度、坡向等地形及林木因子构建马尾松毛虫虫害遥感监测指标,通过岭回归分析建立虫情级数估测模型进而反演,进行虫害监测信息提取,并与单纯基于光谱特性指数指标的虫害信息提取方法进行比较。结果表明:1)综合考虑影像的光谱特性、纹理特征与地形及林木因子影响进行虫害监测,显著增强了虫害的光谱响应能力,相比于单纯基于光谱特性的虫害监测信息提取,其总精度提高了14.28%;2)这些为林业生产实践提供技术支撑与理论借鉴,同时也在一定程度上推动遥感监测森林病虫害的理论认识与信息提取方法。     

南京市区景观格局及生态绿地现状遥感研究

基于TM和SPOT图像,采用ERDAS和ARCGIS软件,对原始数据进行几何纠正、图像融合等一系列预处理。然后对图像进行监督分类,绿地信息提取,并对南京市区的景观格局及生态绿地现状进行分析。研究表明:南京市区的绿地率较高,但是分布不均匀。     

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。     

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。     

森林资源调查中SPOT5遥感图像处理方法探讨

目前，多光谱、高空间分辨率的SPOT5卫星遥感数据被广泛应用到森林资源调查中。本文结合SPOT5遥感数据的特点，根据森林资源调查的需要．从遥感数据的正射校正、波段组合、融合处理和数据变换处理等方面探讨了SPOT5数据的处理和信息提取。提出了适用于森林资源调查的SPOT5遥感数据处理方法。     

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.     

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。     

SPOT 5 图像融合算法研究

对SPOT 5 图像光谱特征进行分析,与同类别的图像特点进行对比,对常用的融合方法得到的图像特点进行分析,说明其优劣势.以BROVEY算法为基础,对SPOT 5 图像假彩色融合进行试验,分析基本算法的特点及图像效果.针对植被层次不丰富、山区阴影呈蓝色的不足,提出了2种改进的融合算法,并对其原理进行说明,对融合后图像的特点作了客观分析.     

基于混合像元分解的庐山及周边林地遥感图像分

由于传感器分辨率的限制以及地物的复杂多样性,混合像元普遍存在于遥感影像中,在一定程度上影响到地物提取精度。以江西省庐山及周边地区2019年4月9日的ETM+影像为例,使用线性混合模型和非线性的BP神经网络方法对图像进行混合像元分解,利用2019年5月的SPOT数据及其与ETM+影像融合的分类结果对分解结果进行验证。结果表明,非线性的BP神经网络分解精度高于线性分解精度。对比使用BP神经网络分解图像提取林地面积的精度提高了1%~5%。