WorldView-2数据在地层岩性遥感解译中的应用——以5万切其幅为例

随着高空间分辨率遥感技术的不断发展,地物分辨率不断提高,遥感地质调查的精度也随之提高。通过引用介绍了World View-2数据波段基本特征和波段的相关性,选取适合本地区解译目标的World View-2数据最佳波段组合、通过正射校正和大气校正的图像预处理方法 ,制作了1:5万遥感影像图;进行了研究区地层岩性、岩浆岩、构造解译和特征分析;制作了1:5万岩性-构造遥感解译图;认为解译结果达到了预期目标,并将为推动高分辨率高光谱数据的发展和在地质矿产领域的应用奠定坚实的理论和实践基础。     

基于WorldView-Ⅱ数据的呼和浩特市绿化树种光谱特征分析

基于高分辨率遥感数据的树种光谱特征分析对树种识别具有极其重要的意义。以呼和浩特市World View-Ⅱ影像为数据源,分析11个树种及草类的影像光谱特征。研究结果表明:各树种及草类均在近红外1和近红外2波段有较高的反射率,而在红光和红边波段有较低的反射率;在绿光、红边、近红外1、近红外2波段,草类的反射率均值明显高于其他树种,在红边、近红外1、近红外2波段,草类可与大多数针叶树种区分开来;各树种及草类在海岸、蓝、绿、黄波段可分性不大,在红、红色边缘、近红外1、近红外2波段可分性较大。     

基于地表覆盖分类的IKONOS影像融合算法分析与评价

不同的遥感影像融合算法有不同的优点和局限性,因此难以单纯评价某种算法的优劣,融合算法的选择与研究对象和应用目的有着密切的关系。在概略介绍IHS变换、Brovey变换、PCA变换、SFIM变换及Gram-Schmidt变换5种图像融合算法原理的基础上,对IKONOS全色和多光谱数据进行像元级融合,并对融合效果进行了定性和定量评价。在此基础上,对融合影像进行最大似然法分类,利用混淆矩阵对分类结果进行精度分析,以期找出适合于地表覆盖分类的IKONOS影像融合算法。结果表明,在图像空间信息提高和光谱信息保真方面,以SFIM变换和Gram-Schmidt变换相对较好,其中Gram-Schmidt变换对图像微小细节反差的表达能力优于SFIM变换。在上述5种变换中,SFIM及Gram-Schmidt变换后融合影像地表覆盖分类精度较高,总体精度均超过98%,Gram-Schmidt变换的分类精度略高于SFIM变换,IHS变换后融合影像的分类精度最低,其总体精度和Kappa系数分别为83.14%和0.76。因此,利用Gram-Schmidt变换和SFIM变换得到的IKONOS融合影像更有利于提高地表覆盖分类精度。     

基于SVM的多光谱影像与SAR图像融合地物分类研究

多光谱遥感图像反映了不同地物的光谱信息,而SAR图像则反映了地表不同地物的后向散射强度信息。通过二者结合,可以实现优势信息互补,提高遥感影像分类的精度。多光谱影像与单波段单极化SAR图像融合分类有2种策略：一种是将SAR图像作为一个波段加入多光谱影像中进行分类;另一种先把多光谱影像与SAR图像融合,然后对融合后的图像进行分类。以成都市使用支持向量机分类方法对2种分类策略下的分类精度进行验证。结果表明,后者分类精度要高于前者,同时2种分类方法的分类精度都明显高于单独使用多光谱影像的分类精度。     

基于ZY-3和图像融合的冲沟参数提取研究

本文以山东省栖霞市庵里水库西岸流域为研究区,基于Gram-S chimdt(GS)方法、色彩空间(Hue Saturation Value,HSV)变换和主成分分析(Principal Component Analysis,PCA)三种方法,对研究区的资源三号卫星(ZY-3)图像进行了图像融合,基于各融合图像提取冲沟参数并进行精度评价。结果表明:三种融合图像均保留了多光谱图像的光谱信息,同时具有全色图像的空间纹理细节信息;与基于原始多光谱图像解译冲沟参数相比较,采用GS光谱锐化、HSV变换及PCA变换融合图像解译冲沟参数更准确;相对检验区实测冲沟参数,基于GS光谱锐化融合图像提取的冲沟参数精度最高,解译出的冲沟沟面积和沟长的相关系数分别为0.991和0.984。是冲沟参数提取的最优图像融合方法。     

Quickbird影像3种常用融合方法和评价

利用Quickbird多光谱影像和全色波段影像,借助ENVI遥感图像处理软件,从主观角度和定量的方法分析该影像3种融合方法的优缺点。结果表明:HSV和Brovey变化的视觉效果优于PCA变换;HSV与Brovey变换结果光谱保持能力类似,PCA融合的图像灰度级分布离散性优于HSV融合优于Brovey变换。     

陕北黄土丘陵沟壑区ALOS遥感影像融合方法研究

【目的】通过几种遥感影像融合方法的比较,筛选适合于陕北黄土丘陵沟壑区遥感影像处理的融合方法。【方法】利用ALOS全色波段与多光谱影像,通过主成分变换、乘法变换和Brovey变换等3种融合方法,对陕北黄土丘陵沟壑区遥感影像进行融合,并对融合后的影像进行效果评价。【结果】所有融合处理图像的标准差和信息熵多大于原始影像,融合后图像的信息量大大增加,其中Brovey变换法在提高目视效果和识别精度方面优于其他2种融合方法。【结论】3种变换融合方法中,Brovey变换更适合于陕北黄土丘陵沟壑区ALOS遥感影像的融合,同时也为提高该区遥感影像的解译精度奠定了基础。     

基于细胞神经网络的卫星影像锐化处理

结合细胞神经网络（CNN）中的最有边缘探测模板，对卫星影像进行锐化处理。研究得到一种卫星影像的锐化处理方法，利用该模板的鲁棒性。根据需要进行参数调整，得到更理想的图像效果，显示出边缘信息更清楚的卫星图像.     

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。     

ETM+多光谱遥感影像彩色合成最佳波段选择研究--以顺德区土地遥感图制作为例

随着计算机和遥感技术的不断发展,遥感图像解译方法也不断发展,但目视判读仍然是遥感图像解译中最重要的一种方法.如何从ETM+多光谱影像中选择出3个最佳波段并彩色合成成为遥感图像处理是一个重要的研究课题.首先分析了ETM+多光谱影像的波段特征及常见的波段组合;然后综合运用单波段的亮度差、均值、标准差、信息熵等统计特征方法,波段间相关系数矩阵方法,最佳指数法,联合熵法,典型地物光谱特征曲线法相结合分析顺德区ETM+多光谱影像,并从中选择出最佳波段组合;最后反复测试了6种赋色方案,最终的试验结果表明:对于顺德区这种典型的珠江三角洲河口平原地区的土地,利用遥感制图,ETM+遥感影像的543(RGB)波段组合为最佳目视解译波段组合.     

基于MERSI和ETM＋遥感图像融合的湿地苇田识别研究

采用Gram—Schmidt变换和像素级融合方法,将不同空间分辨率的MERSI影像与ETM＋影像进行融合,用于识别盘锦湿地苇田,并对融合结果进行了主观和客观评价。结果表明：采用Gram-Schmidt变换融合方法保留了MERSI影像的多光谱特性。提高了影像的空间细节。对空间分辨率之比（达1：9）较高的影像融合进行了分析,能够满足湿地苇田识别的应用目的。     

面向耕地的高分一号卫星遥感影像融合方法研究

选择国产高分一号(GF-1)卫星2 m全色/8 m多光谱影像,对增强耕地信息的遥感影像融合方法进行了研究,研究所选择的融合方法包括Subtractive法、Brovey变换法、MHIS法、HCS法和Gram-Schmidt法,并从主观和客观方面对融合影像质量进行了评价,基于融合影像对研究区耕地信息的增强进行了分析。结果表明,面向耕地信息时,MHIS法融合影像最好。     

基于ERDAS IMAGINE软件的快鸟影像融合研究

该文采用PCA变换与IHS变换对快鸟的多光谱、全色影像进行融合处理.图像的处理全过程均在ERDASIMAGINE 8.5中完成.影像的统计特征评价均值、标准差在ERDAS IMAGINE 8.5中完成,熵、联合熵的计算应用Matlab编程完成.经计算两种变换后影像的联合熵均大于原图像,其中以PCA融合处理后的联合熵(15.865)最大.各波段的均值、标准差也与原多光谱影像相近,因此该试验中PCA变换最佳,不但保留了多光谱的特性,还融进了全色波段的高分辨率特征.     

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。     

融合可见光无人机与哨兵2A影像的森林火灾迹地精细化提取

以2020年4月昆明市宜良县马街镇兴隆村森林火灾为研究对象,基于无人机的R、G、B3个波段与哨兵2A多光谱影像,分别采用格莱姆-施密特与主成分光谱锐化融合方法进行影像融合,应用6种定量评价指标分别对融合结果进行评估。基于融合影像采用随机森林算法实现对火场边界内的森林火灾迹地的提取,并与Sentinel-2A影像提取森林火灾迹地的精度进行比较;将2种影像提取的过火面积与鉴定人员通过实地调研、GPS坐标打点,并结合UAV影像手动矢量化森林火灾迹地面积进行对比分析。结果表明:UAV与Sentinel-2A融合影像与仅利用Sentinel-2A多光谱影像对森林火灾迹地提取的生产者精度分别为96.14%、95.18%,使用者精度分别为97.79%、96.57%,Kappa系数分别为0.83、0.76;融合影像与Sentinel-2A影像提取过火面积与统计面积相对误差分别为-3.5%、-6.2%。因此,利用可见光UAV与Sentinel-2A影像采用GS融合方法,基于RF算法可高精度、精细化提取森林火灾迹地,且边界细节效果刻画更加明显。本研究方法可大大提高林火司法鉴定效率,减少外业工作量及降低成本,使得矢量化更加精准,增加司法鉴定结果的科学性和客观性。     

基于Landsat8遥感影像的六安市土地利用分类研究

利用遥感数据波段融合技术与图像分类技术，采用Landsat8遥感影像，通过ArcGIS平台，经过数据裁剪、融合、样本管理与在线分类学习，展开六安市部分区域的土地利用分类研究。通过研究，以期为六安市的土地利用分类提供一种科学的监测方法。     

基于Sentinel-2和Landsat8 OLI数据融合的土地利用分类研究

以山东省平邑县为研究区,在随机选取的子研究区中,利用3种不同的融合模型,以Sentinel-2影像的红、绿、蓝、近红外4个波段作为高分辨率融合参考影像,获得12组融合影像,结果表明,利用小波变换(ATWT)算法并以红波段为高分辨率融合影像时,融合效果最好.采用最优模型和波段,对整个研究区进行数据融合,并利用随机森林算法对原始Sentinel-2影像、融合获得影像和Landsat影像进行土地利用分类,其中Sentinel-2影像总体分类精度为89.693 9%,Kappa系数为0.886 0,融合影像的总体分类精度为88.765 7%,Kappa系数为0.869 0,略低于前者,结果表明,"红波段+ATWT"融合影像在土地利用分类中可以获得接近原始影像分类精度的结果,能较好地保留原始影像的光谱信息并应用于较大区域的土地利用精细提取.     

基于ETM遥感影像的荒漠公益林融合方法研究

随着遥感影像融合技术的发展,提高了光谱分辨率较高而空间分辨率较低影像的应用前景,这对于森林资源调查具有重要意义.本文利用ETM影像,通过主成分、比值、乘积和IHS变换等4种融合方法对研究区影像进行了融合,并对融合后的影像进行了效果评价.结果表明,所有融合后图像的标准差和信息熵都大于原始影像,融合后图像的信息量大大增加,其中基于IHS变换的融合方法效果较其它3种融合方法好.     

遥感图像数据融合方法与评价方法

为了对比分析不同融合方法的融合效果,本文采用Brovey、Intensity-Hue-Saturation(IHS)、Principal com-ponent(PC)、Gram-Schmit和Wavelet融合方法对北京和三亚地区的两幅ETM+遥感影像进行融合。对于融合后的图像,采用衡量信息量的信息熵、标准差,衡量光谱保真能力的偏差指数和相关系数进行了融合效果评价。结果表明:Brovey方法融合后的图像在对原有波谱信息的保留上具有最大的优势,但是其空间信息的详细程度最差;Intensity-Hue-Saturation(IHS)方法融合后的图像,具有最大程度的空间细节信息,而对原光谱信息的保留能力最差。PC、Gram-Schmit以及Wavelet融合方法无论在空间信息的详细程度还是在对原图像光谱保真能力上,都相差不大,其融合效果非常接近。     

基于乡镇尺度Landsat8 OLI影像融合算法适应性研究

本文利用OIF因子选择乡镇尺度下Landsat8 OLI影像MS最优波段组合,在此基础上,研究OLI影像MS波段与PAN波段对6种融合算法：Brovey法、PCA法、Daubechies小波变换法、Coifet小波变换法、HIS与小波相结合的变换法、PCA与小波相结合的变换法融合的适应性,并对融合前后影像进行SVM分类,以验证融合结果在实际生产应用中的有效性。结果表明：B456为7波段35种组合方式中最佳波段组合,其OIF值为27.842;对融合前后影像进行定性和定量精度评价,OLI影像对PCA算法融合适应性最强,各精度指标均占优;Daubechies小波算法光谱扭曲度最小;HIS-wavelet算法清晰度最高;PCA-wavelet算法相关系数最高,融合结果信息含量最大;适应性最差为Brovey算法。土地利用分类精度验证结果表明：OLI影像经PCA算法融合后有助于提高分类精度。