IRS遥感卫星图像地形校正

运用经验统计法、Minnaert校正和C校正方法对高黎贡山南段地区的IRS卫星图像进行校正试验,从视觉、定量方面对校正效果评价:低太阳高度角时,经验统计法是校正IRS遥感卫星图像地形影响的理想方法。     

森林资源监测Spot5遥感图像几何精校正方法研究

为探索空间分辨率为 2 5m的Spot5遥感图像用于森林资源监测的可行性 ,需进行遥感图像几何精校正 .该文在理论分析遥感图像校正模型的基础上 ,借助GPS虚拟网络参考站定位系统 ,以cm级精度测定校正遥感图像的地面控制点 ,通过实例计算 ,详细研究了在通用遥感图像处理软件ENVI、ERDAS及PCI中各种可能的几何精校正方法及实际精度状况 .综合考虑几何位置变换精度、灰度重采样精度及不同校正方法对地面控制点数量和分布的要求 ,结合林区Spot5遥感图像的特点和GPS定位现状 ,确定了适合森林资源调查的Spot5遥感图像几何精校正方法 .     

Quick Bird卫星图像几何精校正初探

以云南省宜良县匡远镇集体林权制度改革中所使用的Quick Bird卫星图像作为试验数据,对该卫星图像的几何精校正方法进行了初步研究,分析了几何多项式模型、RPC模型、投影变换模型以及DEM对高分辨率的Quick Bird卫星图像几何校正的作用.通过把该镇的原始图像整体进行几何精校正(即整乡校正)和切割成小块分别校正(即分村校正)2种方式的对比试验表明,利用RPC模型与DEM相结合的整乡校正的方法最为适合于林权制度改革宗地勘测对Quick Bird卫星图像的要求.     

星基差分GPS用于林区高分辨率遥感图像几何精校正

为解决林区缺乏大比例尺地形图而难以进行高空间分辨率遥感图像几何精校正问题,采用基于广域差分技术的星基差分GPS精确测定地面控制点(GCP),以多项式变换进行QuickBird pan(0.61 m)图像几何精校正.结果表明,全部GCP的点位误差均小于1个像元,总的点位误差为0.411 9.在进行图像灰度重采样中,最邻近点法、双线性内插法和三次褶积法的效果均无明显差异;就信息量和灰度值变动情况而言,以三次褶积法略好;就图像灰度保真而言,以最邻近点法略好.     

高山区遥感影象与地形数据几何配准试验研究

多源影象数字复合是扩充遥感影象信息的有效手段。本文以八大公山自然保护区美国陆地卫星ＴＭ影象与１∶５０,０００地形图等高线进行复合,对几何配准精度进行了试验研究。试验表明：用二元三次多项式对ＴＭ影象进行几何精校正,用二元三次多项式对等高线图进行扫描畸变纠正后,对于高山地区的遥感影象,具有较好的几何配准精度,能够满足分类判读的需要。     

林区地形起伏对Spot5遥感图像几何精校正的影响

为探索林区地形起伏对空间分辨率为 2 5m的Spot5遥感图像几何精校正的影响规律 ,在理论分析地形起伏造成遥感图像像点位移的基础上 ,通过比较控制点间实测距离和图像上相应距离的偏差 ,研究了林区Spot5遥感图像像点位移的变化规律 .利用GPS虚拟网络参考站定位系统 ,以厘米级精度测定校正遥感图像的地面控制点 .根据地面控制点海拔高度的差异设置 4种校正方案 ,对Spot5遥感图像进行几何精校正 .通过比较各种校正方案对图像变形的纠正效果 ,详细探讨了林区地形起伏对Spot5遥感图像几何精校正的影响规律     

基于RS和DGPS的SPOT5图像几何精校正研究

利用Erdas imagine 8．6软件,结合DGPS野外采集的地面控制点,采用多项式变换法,对蛟河林业实验区管理局所辖区域的SPOT5图像进行几何精校正。结果表明：当多项式次数取3次,控制点个数此为0．06～0．09个／km^2时,校正精度最高。校正后误差为0．7410个像元,即1．8525m。     

山区低太阳高度角遥感图像地形校正归一化模型的应用研究——以高黎贡山为例

由于山区地形起伏较大,引起的地形效应会使地物的光谱特征产生扭曲,对地表地物的识别与分类产生不利影响。地形校正是定量化遥感的前提,能够有效地提高目标地物识别与分类的精度,因此地形校正作为山区遥感图像预处理的重要步骤,对提高遥感应用的精度具有重要的作用。本研究利用二阶校正模型、地形均衡模型、坡度匹配模型3种归一化模型对高黎贡山南段低太阳高度角下的TM图像进行地形校正试验,对归一化模型在山区低太阳高度角遥感图像地形校正中的应用进行探讨。结果表明:在3种模型中,坡度匹配模型更适用于研究区低太阳高度角遥感图像的地形校正。     

ER Mapper软件进行几何精校正的原理和方法

几何精校正是利用地面控制点(GCP)对遥感图像进行几何校正.用ER Mapper软件进行几何精校正,主要包括参数设置、控制点输入和几何精校正.影响几何精校正的因素,主要表现在GCP的数量、分布和本身的定位精度,校正方法不同,影响也不同.     

基于ERDAS几何校正及在闽江流域影像处理中应用

遥感资料的准备和处理是遥感技术在实际应用中的核心工作,文中探讨了利用ERDASIMAGING软件对闽江流域TM影像进行几何精校正的方法,并对ERDAS IMAGING软件中相关模型参数设置及原理、地面控制点的设置进行了研究,为后期的闽江流域资源动态监测打下基础。结果表明:影响几何精校正的主要因素是GCP的数量、分布和定位精度及校正方法和重采样方法;一景影像采用14-18个GCP其纠正精度可以控制在半个像元以内,本研究校正所得闽江流域影像的纠正精度为0.225 4个像元,符合资源动态监测的精度要求。     

遥感图像压缩技术——小波变换

根据当前国内外遥感图像数据压缩技术的现状及发展趋势,重点介绍小波压缩特点、算法及其关键问题,结合遥感影像方面的知识,提出了新的方法和见解.     

卫星遥感影像的自动匹配

影像匹配是指在两幅或者多幅影像之间寻找同名像点的过程.它是从影像上自动提取地物三维空间信息的关键技术之一,已被广泛应用于摄影测量与遥感领域,如影像的自动内定向和立体像对的相对定向、摄影测量区域网平差中连接点的自动提取和DSM自动生成等.影像匹配结果的优劣直接影响后续遥感产品的质量.对于多重影像覆盖的区域或者基于控制点影像库的不同源遥感影像的联合处理,影像自动匹配技术就成为提高影像几何处理精度与作业效率的一项关键技术.该研究基于影像匹配的国内外研究成果,介绍了匹配中的图像预处理和基于控制点影像库匹配流程;并根据三线阵CCD影像的特点,介绍了基于金字塔分层动态窗口匹配运算的相关系数法在三线阵CCD影像像点立体匹配中的应用.     

水体叶绿素遥感反演中的多尺度分析

水体遥感影像提取污染物信息普遍存在着尺度效应问题,选择合适的空间分辨率影像能够准确地表征水域污染的空间分布状况.充分利用水体空间尺度信息,研究水色遥感的尺度问题,有利于提升湖泊水体遥感反演模型的应用能力.以巢湖水域HJ-lA卫星HSI高光谱和CCD多光谱遥感数据为例,以Matlab为平台,采用基于离散小波多尺度变换分析方法,生成多光谱尺度和空间尺度影像,然后利用水体污染物的定量遥感反演方法,获取湖面水体叶绿素多尺度空间分布浓度,并利用水面同步实测数据对反演结果进行验证.通过结果比较,确定100 m分辨率的HSI高光谱数据为较优分析空间尺度.     

YHS变换及其在遥感图像识别中的应用研究

对彩色遥感图像进行判读，主要是根据地物在图像上的亮度、对比度、颜色和纹理等特征来识别．为了将人工识别的经验定量地引入计算机图像识别中来，提出了一种基于遥感信息模式分类的YHS变换方法，并讨论了变换的物理意义和实际应用结果．     

灰色系统理论在遥感图像处理中的应用

阐述了灰色系统理论及其在遥感图像处理中的波段选择、边缘检测和图像融合等方面的应用,并展望了其在遥感图像处理领域的应用前景。     

直方图均衡化在遥感图像彩色合成中的应用

基于色彩合成原理的传统遥感图像增强手段存在很大的局限性,提出了一种直方图均衡化调整图像像素灰度值的方法,利用该方法对多光谱遥感图像进行增强处理,处理后的图像再进行彩色合成。实例分析表明,该方法直观、快捷,并能取得较好的视觉判读效果,具有一定的实用意义。     

基于遗传算法改进 BP 神经网络的遥感影像分类研究

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容,有效地选择合适的分类方法是提高遥感影像分类精度的关键。BP神经网络具有收敛快和自学习、自适应性强的特点。在遥感图像分类中,BP神经网络能充分利用样本集的信息,自动建立分类模型,但由于BP神经网络的权值和阀值能直接影响BP神经网络模型的分类精度,因此该研究通过遗传算法来确定BP神经网络的最优权值和阀值,从而提高BP神经网络的分类精度。以LandsatTM遥感图像作为数据源,以长江中游一武汉市为研究地区,建立了基于BP神经网络模型的遥感分类模型和基于遗传算法改进BP神经网络模型的分类模型,对分类结果进行了定量分析。结果表明：在样本相同的情况下,基于遗传算法改进BP神经网络的遥感影像分类精度要高于BP神经网络的遥感影像分类精度。     

基于遥感影像的棉花种植面积提取方法研究

利用ERDAS IMAGINE 9.2遥感图像处理软件,设计了一种基于遥感影像的棉花种植面积提取方法。通过实地调查,该方法适用于大范围棉花种植的面积估算。     

遥感影像自动分类技术在作物提取中的应用

结合遥感在相关研究应用中的优势及特点,分析了自动分类技术在作物提取中的应用方法和思路,并讨论了该技术在作物提取工作中的应用前景。