基于SPOT5多光谱影像和近期航摄影像的土地利用动态监测方法研究

在国内外土地利用动态监测研究与应用中,受遥感影像分辨率的限制,能满足较大比例尺的土地利用动态遥感监测的还较少.该文以浙江省宁波市鄞州区区域内一块试验区为例,利用SPOT5多光谱影像,结合近期航片,通过特征变异法,进行1∶1万土地利用动态遥感监测.试验结果表明,应用航片与卫片融合的新方法,进行土地利用动态监测是可行的.     

基于影像融合的陕北黄土丘陵沟壑区土地利用自动分类

 采用1种遥感影像和单纯的监督分类方法,在黄土丘陵沟壑地区的土地利用调查中,难以获得高精度的土地利用数据。为解决此问题,以陕北无定河流域为研究区,以主成分变换的方法,对多源遥感影像(TM多光谱数据和SPOT全色波段数据)进行融合处理;同时,在分类中,采用监督分类与非监督分类相结合的混合分类法,改进训练样本选取方法,先以非监督分类获得初始训练样本,在对样本进行删除、增补、合并等调整的基础上,再进行监督分类。2种方法的结合使用,使土地利用信息自动提取的精度明显提高。与仅以TM影像为信息源,采用单纯监督分类法的分类结果对比可知:土地利用各类别的提取精度都有不同程度的提高,分类总精度从82.0%提高到89.2%;水体、水田和城镇用地等面积较小类别的精度,提高了10%以上;坡耕地与林草地的混分现象明显减少,精度均提高了5%以上,取得了良好的分类效果。研究结果为陕北黄土丘陵沟壑区土地利用变化动态监测,提供了重要的技术支持和借鉴。     

基于混沌免疫算法和遥感影像的土地利用分类

为提高利用遥感影像进行土地利用分类的精度，采用了基于混沌免疫算法(Chaos Immune Algorithm)的多光谱遥感影像分类方法。首先应用混沌免疫算法对样本进行自学习得到全局最优的聚类中心，然后通过得到的聚类中心对整幅影像进行分类。该方法利用混沌变量的遍历性，进行粗粒搜索，优化免疫算法的初始抗体群；通过克隆选择算子、变异算子、抗体的循环补充操作，避免陷入局部最优解，得到全局最优的聚类中心。在对淮南矿区采用TM影像进行的土地利用分类中，试验结果表明该方法分类总精度为89.9％，Kappa系数为0.8     

土壤侵蚀动态监测中的高分辨率影像土地利用解译精度分析

土壤侵蚀与土地利用有很大的相关性,土地利用直接影响土壤侵蚀的形式、空间分布和强度。高分辨率遥感影像是土地利用状况调查的主要信息源,是准确掌握土壤侵蚀动态的基础和前提。为进一步提高高分影像解译土地利用类型的判读正确率,全面支撑县域土壤侵蚀动态监测和水土保持规划,以河北省怀来县为例,基于高分影像解译和野外抽样调查获取的土地利用信息,将野外抽样调查所得的土地利用结果作为真值,从整个县域和抽样调查单元2个层面,通过土地利用变化转移矩阵,对比分析了遥感普查所得土地利用的类型、面积和分布等。结果表明:1)除园地和灌木林地比例相差较大之外,其他土地利用比例相当,因此遥感普查与野外抽样调查2种方法所得的土地利用结构具有较好的一致性;2)遥感普查土地利用的耕地、园地和草地精度较高,分别为85.3%、91%和89%,林地次之,为78.6%,灌木林地和其他土地再次之,分别为68.2%和64.2%;3)遥感普查灌木林地的解译正确率偏低,只有68.2%,是由于灌木林地和草地容易混淆导致误判,灌木林地误判为草地的比例高达30.5%。2种方法都可以作为获取土地利用信息的可靠手段,而且高分遥感影像在大比例尺水土流失调查与制图中具有较高的使用价值,灌木林地和草地二者之间的误判还需在解译时多加注意,可从纹理与明暗的分析,野外实地调查的增加和影像处理技术等方面提高其判读正确率。本文的研究方法及其结果,为提高土地利用高分遥感影像解译精度提供了定量的依据,为土地利用信息获取提供了可参考的技术路线与方法,对县域土壤侵蚀动态监测和水土保持规划具有重要意义。     

ASTER卫星遥感影像在冬小麦品质监测方面的初步应用

该文利用ASTER遥感数据在冬小麦品质监测方面进行了初步的应用。根据2004年搭载ASTER传感器的Terra卫星的过境周期，对北京郊区21个冬小麦试验点进行田间取样试验，通过分析试验点冬小麦叶片生化组分(叶绿素a)与氮素间的关系、冬小麦叶片氮素含量与籽粒品质(蛋白质含量)间的关系、以及冬小麦ASTER影像冠层光谱信息与叶片生化组分和籽粒品质之间的关系，发现：冬小麦灌浆期小麦叶片叶绿素含量与同期ASTER影像的光谱信息－NDVI之间有良好的相关性，而冬小麦籽粒蛋白质含量也与ASTER影像波段2之间有很好的相关性；利用ASTER遥感影像对冬小麦灌浆期叶绿素以及籽粒蛋白质含量进行建模并反演，能够在较大的范围里了解冬小麦的品质信息，并能够在一定程度上对作物的籽粒蛋白质含量等品质进行预测；研究还表明，利用遥感技术来进行小麦籽粒蛋白质等主要品质指标的预测是可行的。研究成果为利用遥感技术监测冬小麦长势和籽粒品质提供了理论依据，开辟了遥感应用的新途径。     

星载高分辨率合成孔径雷达影像纠正技术

TERRASAR、COSMO SkyMed、RADARSAT-2等星载高分辨率合成孔径雷达影像为土地利用调查监测提供了重要数据源,但尚未形成业务化应用技术流程。该文根据高分辨率星载合成孔径雷达影像成像机理,在对典型特征地物点定位精度分析的基础上,提出几何纠正控制点选取方法;通过类比法分析了不同纠正模型应用效果。试验表明高分辨率星载合成孔径雷达影像几何纠正需要10～15个控制点,1?m聚束模式纠正中误差约3～5 m,3 m条带模式纠正中误差约5～8 m,分别满足1∶1万和1∶2.5万土地调查监测几何精度要求。     

遥感影像多目标优化信息提取模式研究

根据运筹学中基于层次分析法的多目标决策原理和遥感分层分类法理论,建立遥感分类方案优选模型,构建了遥感影像多目标优化信息提取模式.实现在遥感动态监测过程,应用该模式提取遥感信息,从时间、成本、精度、技术等多个目标获得最佳综合效用.以闽江口湿地农业遥感动态监测为例,对该遥感信息提取模式进行初步应用研究.研究结果表明,遥感影像多目标优化信息提取模式,允分利用了目视解译、非监督分类、监督分类和基于知识分类不同分类方法对特定层次特定地物分离的优势,同时避免它们的不足,有效保证了信息提取的精度,同时提高整个遥感动态监测过程的效率.     

县市级土地遥感监测中信息知识库的应用

应用遥感（RS）技术实现土地监测,投资少、时间短、效率高,为此南安市成立了国土资源信息监测研究室。本文着重讨论了应用遥感影像进行南安市土地利用分类的信息提取方法,结合GPS和人工调查建立遥感信息识别知识库,提高土地利用遥感分类的精度。还讨论了土地利用遥感监测在生产实际中的应用。     

基于优化点匹配模式的农作区遥感影像融合分类

利用遥感影像进行农作物长势监测及估产中,对所用多源影像进行恰当的影像融合是正确解译的重要前提,在传统的基于灰度的影像匹配融合模式中,存在着高运算量和精度不高的问题,该文使用一种基于优化点匹配模式进行农作区遥感影像融合方法,对不同传感器的两景西北农作区遥感影像进行了融合分析验证。所用两景ASTER和SPOT图像匹配总体误差RMS=0.8965,融合后的影像总体分类精度提高到89.67%。     

基于面向对象的SPOT卫星影像梯田信息提取研究

梯田信息准确和快速提取是区域水土保持动态监测和评价的核心技术之一,运用遥感技术进行地物信息提取是一种有效手段。该研究以燕沟流域为研究区,采用高分辨率的SPOT5遥感影像数据,基于面向对象分类技术,通过影像分割构建影像对象,在分析影像对象的光谱特征、纹理特征和空间特征的基础上,建立了梯田信息的遥感提取规则,实现了梯田的自动提取。最后用手工勾绘结果对梯田的遥感提取结果进行精度评价,从田块边界的吻合度评价位置精度,并通过比较该结果与人工目视解译结果进行面积精度评价。结果表明,基于面向对象分类的遥感方法可以较好地从原始影像中提取复杂地貌区梯田的位置信息,面积提取正确率达到78.38%,该方法可为黄土高原地区梯田信息遥感提取提供借鉴。     

苹果采摘机器人中的图像配准技术

为了减少自然环境下的光线干扰,采用一个彩色相机和一个深度相机获取目标物的图像,利用多源传感器信息融合与互补方法,实现多目标图像的精确配准。基于TOF（time of flight）技术的PMD（polarization mode dispersion）相机,能实时获得强度图像和深度信息。以苹果树为研究对象,采用Harris检测提取特征点,在归一化互相关系数法的基础上运用邻域的支持强度实现了PMD图像与彩色图像的同名点配准。对自然场景中共50组图片进行试验验证,该方法顺光条件下正确匹配率达到85.75%,逆光条件下的匹配率是79.57%,能满足光线变化的图像精确配准的要求。     

棉花异性纤维图像在线分割方法

图像分割是基于机器视觉检测棉花中异性纤维含量的关键技术。棉花图像的背景（棉花纤维）简单,灰度服从正态分布,目标（异性纤维）一般都比背景暗,但是细小且灰度分布方差大。该文有针对性地提出一种背景估计阈值BET（Background Estimation Thresholding）方法对棉花图像进行分割,并选择3类典型棉花图像样本与Otsu方法进行了对比试验。BET方法能得到更好的分割结果,并且算法速度快,100万次分割耗时仅8.46 s。试验结果表明该方法简单有效,速度快,可应用于大批量棉花异性纤维的实时在线     

农田图像绿色植物自适应分割方法

为了适应不同农田地块自然图像颜色特征固有的差异性,从土壤背景中准确分割出各种绿色植物目标,设计了一种自适应分割方法。首先利用初始有标签训练样本获得支持向量机分割模型,然后根据K均值聚类算法自动从待分割图像中提取无标签训练样本,与有标签训练样本组成混合训练样本集。而后在混合样本集基础上,使用直推式支持向量机训练方法得到新的有标签训练样本集,挖掘出待分割图像颜色特征的分布信息。最后,利用这些新的有标签样本在线自适应更新分割模型。农田图像试验结果显示,该方法可以提高分割模型的针对性,有效地增强了分割过程适应农田自然图像颜色特征差异性的能力。     

基于Retinex图像增强的不同光照条件下的成熟荔枝识别

为了满足自然环境下荔枝采摘机器人视觉定位系统的有效性和实时性的要求,针对不同光照条件的荔枝彩色图像,采用基于双边滤波的Retinex图像增强算法凸显图像中的荔枝果实和果梗,对增强处理后的图像在HSI颜色空间中进行H分量旋转的处理,再对旋转处理后的H分量进行Otsu自动阈值分割去除荔枝图像果实和果梗外的复杂背景;然后通过将双三次插值算法和传统的模糊C均值（FuzzyC-Mean）算法融合,对去背景后的荔枝图像在YCbCr颜色空间中进行Cr分量模糊聚类分割,实现荔枝果实和果梗的识别。荔枝图像的分割试验结果表明：该算法对晴天顺光、逆光、遮阴、阴天顺光等光照条件的荔枝图像能够有效地分割,对阴天弱光照、果实被遮阴条件下的荔枝也能较好的识别,并保持荔枝果实和果梗区域的完整性,4种光照条件荔枝图像分割正确率分别为96%、90%、89.3%和88.9%,成熟荔枝识别的正确率达到了90.9%,该研究为水果采摘机器人的室外作业的实时性和有效性提供指导。     

基于多尺度形态学大豆图像滤波方法

提出了一种基于多尺度形态学滤波算法,用于减少噪声影响从而提高大豆图像质量。首先用多尺度结构元素分别对原图像进行开闭重建运算,构造形态学开闭塔;然后计算相邻尺度形态学开闭重建图像间的差,构造亮特征和暗特征的差异塔;最后根据不同尺度的亮特征和暗特征重建图像。通过一组被不同噪声污染的大豆图像验证该文提出的滤波算法,并采用一些标准的评估方法将该文方法与文中提到的其它滤波方法在不同噪声污染情况下进行比较,试验结果表明本文方法的滤波效果优于其它方法。     

皮棉中地膜的高光谱图像分割方法

混入棉花中的地膜大部分是透明的或者颜色与棉花相近,使用传统的视觉检测方法很难对其进行检测。针对此问题,采集了地膜的高光谱图像,结合光谱分析与图像处理技术,提出一种地膜的高光谱图像分割方法。首先提取地膜的平均光谱数据,经过去除噪声波段、多项式卷积平滑(Savitzky-Golay,SG)、标准正态变量(standard normal variate,SNV)变换等操作后,使用偏最小二乘回归(partial least squares regression,PLSR)分析方法优选出4个最优波段,分别为560.3、673.9、716.9和798.8 nm;然后提取出4个波段对应的图像,分别进行两次图像融合,并对融合后的图像进行阈值分割、中值滤波操作;最后对处理后的图像再次进行图像融合,并移除小目标得到最终结果。为验证该方法,采用面积交迭度(area overlap measure,AOM)、误分率(misclassified error,ME)和识别率(recognition accuracy)对分割结果进行客观评价分析,结果表明该方法能较好地完成对地膜图像的分割,可为后续的地膜特征提取和自动识别打下良好的基础。     

基于K-means聚类的植物叶片图像叶脉提取

植物的叶片是植物最基本、最主要的生命活动场所。叶脉的提取与分析对叶片和整株植物结构的分析有一定的应用价值。该文提出一种基于K-means聚类(clustering)的叶脉提取算法。该算法首先对叶片图像的HSI彩色空间中的I信息进行K-means聚类处理,根据聚类的结果提取叶片边界,并将叶片图像分为受光均匀和受光不均匀的2类。对于受光均匀的叶片图像在聚类结果中直接提取叶脉,而受光不均匀的叶片图像则需去除部分叶肉后再进行一次K-means聚类提取叶脉。结果表明:该算法能有效地降低叶脉提取的错分率。     

基于噪声类型及强度估计的狭叶锦鸡儿叶切片图像盲去噪

狭叶锦鸡儿叶切片显微图像在获取过程中不可避免的受到噪声污染,会对后续处理造成不良影响。针对现有噪声类型未知,去噪算法存在速度慢、效果不理想等问题,该文提出图像噪声类型估计-强度估计-去噪这一处理过程,实现对狭叶锦鸡儿叶切片显微图像降噪目的。首先采用平滑区直方图重构和拟合法确定噪声类型;然后在此基础上,应用基于图像块的SVD(singular valuable decomposition,SVD)域图像噪声强度估计法对噪声标准差进行估计;最后在确定噪声类型和强度基础上,采用几何均值滤波(geometric mean filtering,GMF)和三维块匹配滤波(block-matching and 3-D filtering,BM3D)对图像进行联合去噪。试验结果表明:该文噪声类型估计法估计出切片图像噪声类型为加性高斯噪声,高斯函数对随机选取的15幅狭叶锦鸡儿叶切片图像平滑区域直方图数据点拟合优度2R均值为0.996,平均均方根误差RMSE(root mean squared error,RMSE)为0.144 6;采用该文噪声强度估计法估计出的切片图像噪声标准差???[2.5,4.0],处理标准差较小噪声,该文算法处理精度、运行速度和稳定性等方面存在明显优势;GMF-BM3D算法在较好去除图像噪声同时,极大的保留了图像纹理、边缘和细节等信息,同时极大的提高了算法运行速度,处理后的图像BRISQUE(blind/referenceless image spatial quality evaluator,BRISQUE)值为10左右,相当于原图BRISQUE值的1/2左右。与传统BM3D算法相比,去噪效果相当,但耗时约相当于传统BM3D算法的1/9。与小波去噪算法(wavelet threshold,WT)算法相比,虽速度相对较慢,但去噪后图像BRISQUE值比使用WT法低4左右。因此,该算法较好实现了对狭叶锦鸡儿叶切片图像准确降噪,为其后续处理提供了可靠技术支持。     

四种用于雷达遥感图像融合的空间分量提取方法

使用光学多光谱遥感图像对雷达图像进行空间增强,需要从光学多光谱图像中提取其空间分量。提取空间分量的基本方法有两种：主成分分析(PCA)和IHS变换法,PCA法可以对多光谱图像的所有波段进行分析,得到的第一主成分PC-1代表原始多光谱图像的空间信息,而IHS法只能输入多光谱图像的3个波段,经IHS变换得到的I分量代表原图像的空间信息;将用两种方法提取的PC-1和I分量直接与雷达遥感图像融合,发现PCA法的空间增强效果更为显著,而IHS法的色调保持效果更好。将PC-1和I分量分别进行0～255线性拉伸,然后与雷达遥感图像融合,发现二者对雷达图像的空间增强效果都显著增加,而色调保持水平均有所下降,但PCA法的空间增强效果仍然优于IHS法,而IHS法的色调保持水平仍然优于PCA法。该项研究为用户进行雷达图像融合提供了四种可供选择的提取空间分量的方法。