高光谱遥感数据在植被信息提取中的应用研究

概述了高光谱的概念与高光谱遥感数据的特点,重点介绍了目前利用高光谱技术估测地表植被信息的最新研究进展,并讨论了今后植被高光谱遥感应用发展的方向和研究领域,     

基于面向对象方法的IKONOS影像城市植被信息提取

根据城市植被在IKONOS影像上的光谱、纹理、几何和位置响应特征,采用面向对象的方法对城市植被进行分类.首先,利用NDVI和蓝波段光谱响应值的阈值将实验区分割为植被和非植被区,然后针对植被区利用区域增长算法进行二级分割,生成植被对象;根据植被在IKONOS上的响应特征,选择形状指数、亮度值、绿波段的最大差值、红波段的平均值、近红外波段的比率、近红外波段的方差和对象重心的位置,即横纵坐标以及Homogeneity指数等9个指标构建特征空间;在此基础上,利用最大似然法识别城市植被类型,并利用专家知识对分类结果进行再组合.研究表明,利用这种方法获得的城市植被信息总精度达到87.37%,Kappa系数达到0.8267.     

AVIRIS高光谱遥感数据的植被信息提取

以Moffett Field的AVIRIS高光谱遥感影像为对象,应用基于信息量的自适应波段选择方法实现植被信息提取的最优波段组合,在此基础上采用监督分类为主、目视解译为辅的信息提取方法,在ENVI和ERDAS遥感图像处理软件中进行分析与处理,实现植被信息提取。结果表明,与多光谱遥感数据相比,高光谱遥感数据具有更强的植被信息识别能力,提取的植被信息更丰富。     

沙地信息提取中的ETM+遥感影像自身融合研究

遥感影像的光谱特征和空间纹理特征是提取沙地信息的关键因素,数据融合可以弥补二者的不足。利用主成分变换、乘积变换和比值变换3种不同的融合方法,对Landsat ETM+遥感影像进行自身空间分辨率融合,并对融合结果进行主观目视判读评价和客观数理统计评价。评价结果表明比值法效果最好,光谱失真较小,空间纹理特征明显增强,主成分变换次之,乘积法最差。     

基于TM影像植被信息提取研究

基于TM遥感影像,提取研究区内植被专题信息,通过对TM多光谱影像进行K-T变换,得到亮度、绿度、湿度3个新的分量,计算各组分分量和归一化植被指数NDVI的相关系数,从而进行波段组合,将其分类结果与K-T变换基础上分类结果、以及原始图像基础上分类结果进行比较。分析表明,波段的合成与K-T变换均能提高遥感影像分类精度,并且波段组合基础上植被分类与信息提取效果良好,精度更高。     

SPOT-5全色与多光谱遥感影像融合方法比较

随着遥感技术的发展,SPOT-5卫星数据以其优越的性价比,得到了较多的应用.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的角度进行了分析评价,探讨最适合于SPOT-5图像的融合方法.结果表明：在各种融合方法中,HPF与IHS融合的效果最好.     

基于IHS的多源遥感影像数据融合研究

运用IHS变换方法对农八师148团的TM和ALOS影像数据进行数据融合。首先给出了影像融合的技术流程和IHS变换的计算方法,然后根据计算方法得到了影像融合图像,最后根据影像质量评价指标对影像融合后质量进行评价。结果表明,融合后的影像数据更有利于计算机自动解译和进行更准确的分类决策。     

基于IHS变换和Mean Shift算法的草地分类研究

为高效估算草地生物量,需要一种方法来提高草地分类精度和降低数据处理时间。该研究基于原始RGB图像采用IHS变换,进行绿度波段图像的融合,并对融合后的图像进行Mean Shift算法分类。结果表明,1）基于IHS图像的草地分类,在视觉上与实际地物更为吻合;2）与其他文献方法对比,本研究方法性能优越,精度达到95%以上;3）可以批量处理多张图像,提高了数据处理效率。     

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。     

Gabor小波变换在帘子布疵点检测中的应用

给出一种基于多通道Gabor滤波器技术实现高速实时帘子布疵点检测方法.在多尺度多方向上分别对具有规则纹理结构的织物图像进行Gabor滤波,并对滤波后的多幅子图像进行融合分割处理,将疵点从织物背景中分割出来,从而实现对织物疵点的实时检测.该方法用于帘子布的缺陷检测,具有识别能力强,实时性好等优点.可以用于检测有规则纹理结构的表面及物体.     

植被遥感影像特征提取及分类研究

植被分类能够对一个地区的植被状况进行分析,在环境保护和农业生产方面具有很重要的意义。本研究针对植被遥感图像分类识别需求,首先通过粒子群算法来实现马尔科夫的寻优过程,然后通过遗传算法进行支持向量机解空间的搜索,从而实现更加准确的图像分割和识别,最后通过实验验证了算法的有效性。     

基于小波变换的图像融合算法的实现

图像融合技术能综合多幅图像满足人们要求,日益受到研究者的重视,现已广泛应用于医学、遥感、计算机视觉以及其他领域。有效实用的融合算法是进行图像融合的关键。文章着重讨论了基于小波变换的融合方法(基于像素的融合规则)及其实现方式,经仿真取得很好的效果。     

基于小波变换的IRS与TM遥感卫星影像融合

本研究在整体小波变换融合方法基础上，提出了基于对比度的局部特征选择加权小波变换影像融合方法，并以多光谱TM和高空间分辨率IRS-1C全色波段图像为例，与色彩空间变换HIS融合方法进行图像融合效果的比较分析试验。试验表明基于对比度的局部特征选择加权小波变换影像融合方法能在最大限度保持多光谱影像光谱信息的同时，增强了影像的纹理信息。     

高光谱遥感在植被理化信息提取中的应用动态

概述了高光谱遥感信息的处理方法,综述和总结了高光谱遥感在植被生物物理和生物化学信息提取等方面的应用及国内外研究进展,阐述了植被指数应用的可行性,在此基础上指出高光谱遥感在提取植被信息过程中存在的问题及其发展前景。     

菊芋不同部位DNA提取的比较研究

分别以菊芋的茎段、叶片和块茎为材料,采用改良CTAB法分别提取菊芋3个部位的基因组DNA,用0.8%的琼脂糖凝胶电泳检测DNA质量,分别测定3个部位的DNA在A260和A280下的吸光值,根据A260/A280的值检测DNA的浓度和纯度,并以3个部位提取的DNA为模板进行ISSR扩增。结果表明：采用菊芋叶片提取DNA的产率最高,茎段次之,块茎最低。三个部位提取的DNA纯度均相近,提取叶片获得的DNA浓度最大,为163.2 ng·μL-1;其次是茎段,为137.4 ng·μL-1;块茎获得的DNA浓度最低,为95.5 ng·μL-1。菊芋不同部位提取的DNA模板对ISSR扩增没有明显影响,DNA浓度都能达到扩增的要求。菊芋3个部位提取的DNA质量均较好,可以进行后续的酶切和PCR扩增等实验。     

基于可见光影像分析的黄土高原小流域植被指数研究

小流域植被状况的快速、高精度和低成本监测是评价退耕还林还草与生态环境建设功效的基础工作。为丰富植被指数多样性,本文旨在提出一种适宜黄土高原小流域植被状况监测的可见光植被指数。基于无人机遥感技术获取小流域可见光影像,论文构建了简化可见光植被指数(Simplified visible light vegetation index,SVVI),结合样本统计法确定阈值,以支持向量机(Support vector machine,SVM)的监督分类结果对比了8种常用可见光植被指数提取效果,并以黄土高原2个典型流域为例,以混淆矩阵检验指数精度及其适用性。结果表明：1)SVVI能有效抑制非植被地物信息,在提取地物种类丰富且植被覆盖度相对较低的区域时,SVVI提取精度高达96%。2)在地物相对单一且植被覆盖度较高的验证区,SVVI提取精度依然在90%以上,表明SVVI有较好的适用性。相比较于监督分类结果,基于SVVI进行植被覆盖度计算可以有效保留植被信息,实现黄土高原小流域植被状况高精度监测。     

基于面向对象及光谱特征的植被信息提取与分析

面向对象分类方法是实现精确详细提取遥感信息的新方法.以2010年TM影像作为基础数据,采用面向对象方法着重提取了西辽河流域平原的植被信息(耕地、林地、中生偏旱和中生偏湿草).通过对不同地物的光谱和空间信息(位置、形状)进行比较分析,建立适当的隶属度函数和阈值范围,在草地的分类规则中,参考野外采集的草地植被光谱信息,辅助草地属性特征选择.最后构建分类决策树,完成自动分类,分类总体精度达到82.13％.在分类结果的基础上,讨论了植被分布特点,对不同类型的植被面积、不同区县植被面积以及植被与一级河流关系三方面进行分析.结果显示:研究区植被以林地和耕地为主,分别占总面积的38.9％和23.3％;耕地、林地、中生偏湿草地多分布于河流中下游区县,受人为因素影响较大的林地、耕地主要集中在科尔沁左翼中旗和科尔沁左翼后旗;林地、中生偏湿草较集中分布在一级河流的10km缓冲区内,耕地主要集中在5km缓冲区内,中生偏旱草与一级河流的关系不显著.     

基于知识规则的马尾松林遥感信息提取技术研究

由于遥感信息提取精度的限制,使得遥感技术在林业领域的应用受到了制约.为了提高林业遥感信息提取精度,该文对遥感信息提取的3个关键技术环节即训练样区的选取、分类特征波段的选择及分类器的训练进行了研究,建立了基于知识规则的信息提取方法和流程. 应用该方法,以浙江省富阳市为研究区,进行了马尾松林信息提取,精度达到了80.5%,比最大似然法提高了近20%. 实例研究表明,该信息提取方法较为有效,尤其是在树种信息提取方面具有一定的研究和应用潜力,同时也为浙江地区应用遥感技术研究虫害提供了一定的技术支持.