徐元进[1]2004年在《高分辨率光谱遥感地面建模研究》文中研究表明经过几十年的发展,遥感已发生了重大的变化。技术上由可见光发展到红外、微波,理论上从定性逐步发展到定量,应用上从资源环境深入到经济、社会诸多领域,显示了遥感技术与应用的广阔前景和巨大潜力。 随着遥感器波谱范围不断拓宽,空间、波谱和时间分辨率不断提高,地物识别和信息提取技术不断完善,遥感应用领域不断扩展及定量化应用水平不断深化,遥感数据获取由多光谱、高光谱至超光谱,其信息挖掘由“粗糙”到“精细”,遥感地物识别由间接到直接,遥感应用已越来越取决于定量分析的地物波谱特征研究。 地物波谱特性是遥感探测的基础,是定量遥感技术与应用发展的先决条件。作者在云南省进行了两次地面波谱实际调查工作,共收集地物波谱数据 329 条,其中鹤庆县北衙金矿区 277 条,香格里拉县普朗铜矿区 52 条,地物种类包括岩石、植被、土壤和水体。在此基础上,对高分辨率光谱遥感地面建模进行了研究,主要的研究内容和成果如下: 1.对地物波谱的各种影响因素进行分析,表明:在野外波谱测量中,必须采用正确的测量方法,选择合理的测量条件,充分考虑各种因素的影响,以保证获得有意义的波谱数据。这些有意义的波谱数据是进行信息提取的基本前提。 2.对地物波谱进行分析和信息提取,主要有光谱判别、光谱分类、影响因素分析和光谱识别四类模型功能,研制了地面波谱测试信息分析系统,该系统每项功能菜单下包含了较齐全的操作功能,各项功能操作简单,界面清晰,结果易于分析。 3.野外地物环境影响情况复杂,研究区内所包含的地物类型众多。为了方便地对这些数据进行管理,建立了一个地物波谱数据库,并制作了一个地物波谱数据库管理系统。地物波谱数据库的建立为地面波谱测试信息分析系统提供了数据源,其管理系统不仅对野外和实验室测量和记录的地物波谱资料进行系统化、规范化管理,也为国内外公开公认的波谱库中数据的调用提供了一个接口。地物波谱数据库管理系统除具有通常的录入、修改、删除、查寻等基本功能外,还具有光谱曲线和数据显示等功能。地物波谱数据库主要以Access 建立数据表集,其管理系统采用 ADO 接口技术进行开发。 4.在光谱判别模型研究中,为了解决两个问题:两批样品是否存在明显差异?一个新样品所属于哪类样品组?使用了 T-检验、秩和检验、费歇判别和遗传算法模式判别等模型,并对这些模型的可行性进行了分析。实例研究中,用前两个模型解决了第一个问题,用后二个模型解决了第二个问题,并对这些模型的准确度进行了检验,证明它们都是行之有效的。 5.在光谱分类模型研究中,运用对应分析和聚类分析进行了实例研究,结果表明:聚类分析谱系图中被组合类的每一步相似性水平,是一个具体的值,可定量化。对应分析的
周平[2]2016年在《资源叁号卫星遥感影像高精度几何处理关键技术与测图效能评价方法》文中进行了进一步梳理卫星遥感影像已经成为世界各国生产和更新地理信息产品最重要数据源之一。2012年1月成功发射的资源叁号卫星是我国新一代传输型立体测绘卫星,卫星工程最主要的目标是满足我国乃至全世界1：50000比例尺基础地理信息产品业务化生产以及更大比例尺地理信息产品更新等测绘应用需求,结束我国长期以来依赖国外卫星影像源开展1：50000比例尺测图的历史。成功实现这一目标的基石是卫星平台和在轨运行状态的总体技术指标应达到一个较高水准的设计要求；而成功实现这一目标的关键却是卫星影像地面高精度处理和应用技术能力的构建。测绘卫星的特点在于具备较强的立体观测能力,难点在于较高的几何精度要求。本文紧密围绕着保障资源叁号卫星影像满足1：50000比例尺立体测图需求这一主线,针对资源叁号卫星成像特点,较为深入研究了其遥感影像高精度几何处理相关理论和关键技术,并依据我国基础地理信息产品标准及生产规范要求,较为全面地定量分析和论证了资源叁号卫星影像在1：50000和1：25000比例尺测图应用中的适用性。主要的研究内容和创新性成果如下：1)研究了资源叁号卫星几何处理模型较为详细介绍了资源叁号卫星的成像几何原理,卫星姿态模型和卫星轨道模型构建方法,以及几何模型构建中涉及的坐标系统,在此基础上推导了资源叁号卫星严格成像几何模型建立方法,概述了资源叁号卫星在轨几何检校的基本原理和成果形式,阐述了有理函数模型的概念及基于严格成像几何模型构建有理函数模型的方法,为资源叁号卫星影像高精度几何处理研究奠定了理论基础。2)系统研究了资源叁号卫星各级影像产品的高质量几何生产技术和方法较为系统性地分析了卫星推扫成像过程中的误差类型、误差传播规律,以及对影像几何精度的影响,理清了资源叁号卫星影像产品生产过程中所需处理和消除的误差内容。针对资源叁号卫星主要服务于测绘领域的特殊要求,以处理级别和几何精度为主要指标,建立了适合测图应用的资源叁号卫星遥感影像产品分级方法。深入研究采用虚拟重成像技术的传感器校正影像产品生产技术方法,在卫星真实内方位元素的基础上,虚拟一个完全理想的无畸变相机(即没有镜头畸变、没有焦距和主点误差、拥有一条长度等于相机幅宽的理想直线排列的C CD[Charge Coupled Device]线阵)；在卫星真实外方位元素的基础上,为理想相机虚拟一个理想轨道运动状态(即没有积分时间跳变、没有姿态抖动、没有轨道噪声等),通过对原始影像重采样生成理想相机的虚拟成像影像,即为拥有无畸变理想线中心投影特征的传感器校正影像。研究设计了附带有理函数模型的资源叁号卫星各级几何纠正影像产品的生产技术方法,使得几何纠正影像产品不仅具有地理编码和投影信息,还能继续用于后续立体摄影测量处理。3)系统研究了使用SRTM进行高程约束的高精度无地面控制区域网平差方法针对SRTM (Shuttle Radar Topography Mission)数据在平坦地形或局部区域的高程精度远远高于其标称精度的特点,研究设计了一种无地面控制条件下利用SRTM作为高程约束的立体区域网平差方法,通过构建一个较大范围区域网并匹配密集连接点,将SRTM作为连接点物方高程初值,并在平差解算过程中确保分布于地形平坦区域(根据经验,在该类区域SRTM精度较高)的连接点的物方高程严格趋近SRTM高程,最终实现大范围区域内影像高程精度的整体提升。通过以湖北省作为实验区域的实验验证表明,采用该平差方案,在无地面控制点条件下资源叁号立体影像的高程中误差优于2.5米,达到了我国1：50000比例尺测图应用的高程精度要求。针对弱交会条件下卫星影像区域网平差无法正确求解的问题,本文提出利用SRTM作为高程控制的平面区域网平差方法,在平差解算更新连接点的物方大地坐标时仅求解地面点的平面坐标,高程值则利用SRTM进行内插获得,最终实现正确地平差求解,提高影像定向精度。4)系统分析和论证了资源叁号卫星影像的1：50000和1：25000比例尺测图能力本文从资源叁号卫星几何成像机理和误差来源出发,研究构建了原始影像、无控制条件下和有控制条件下传感器校正影像产品的理论精度定量评估方法。在此基础上,通过对照我国各比例尺基础地理信息产品的生产技术规范要求,分别对影像的几何定位精度、空间分辨率、光谱分辨率、时间分辨率,以及立体模式等各方面在不同比例尺测图应用中的适用性进行理论分析和定量评估,进而全面系统地分析论证了资源叁号卫星影像的测图效能。结果表明：在无控制条件下,资源叁号卫星影像总体性能达到了我国1：50000比例尺在丘陵、山地和高山地地形的立体测图要求；在有控制条件下,资源叁号卫星影像总体性能满足我国1：50000比例尺立体测图要求,其几何精度可以满足我国1：25000比例尺立体测图精度要求。
胡晓东[3]2007年在《面向机场视景模拟系统的多源遥感数据融合方法研究》文中指出飞行模拟器已经在航空、航天飞行训练领域得到广泛应用,视景模拟系统是飞行模拟器中一个非常重要的组成部分,而视景数据库又是视景模拟系统的基础设施。遥感数据是视景数据库中地形建模的主要纹理来源,对于机场视景模拟来说,高清晰度、多层次空间分辨率、色彩丰富的真彩色遥感数据显得十分必要且尤为重要。如何处理现有的各种遥感数据,获得高质量的真彩色影像,成为了机场视景模拟系统构建过程中的一个重要问题,而数据融合正是其中需要研究的核心技术。本文将以“理论基础——方法体系——方法应用”为主线,对面向机场视景模拟系统的多源遥感数据融合方法进行研究与评价。在理论基础和技术实践相结合的研究方法指导下,以数据预处理方法和融合效果评价方法为基础,对增强影像光谱信息的融合、提高影像空间分辨率的融合、面向空间信息不确定性等叁方面融合技术的研究背景和存在的问题进行了探讨,并分别有针对性地提出了四种融合方法:基于伪彩色波段的影像真彩色模拟技术、基于交错采样的超分辨率融合技术、基于局部差异加权的多源遥感影像融合方法、基于差异信息填充的多源遥感影像融合方法。本文在此基础上构建了适合机场视景模拟系统的多源遥感数据融合方法体系,通过其中各种方法的研究和实践,达到了提高光谱分辨率、提高空间分辨率以及解决地物信息差异的目的,取得了较好的效果。最后,本文以“天津市科技发展计划重大项目——飞行模拟视景关键技术研究”为项目实例,就融合方法体系在机场视景模拟系统中的应用展开讨论,说明其在整个系统中的地位和作用。
赵济[4]2017年在《面向高分辨率遥感影像分类的条件随机场模型研究》文中研究指明随着对地观测技术的发展,遥感影像的空间分辨率得到了极大的提升,已经可以达到亚米级。高分辨率遥感影像可以清晰表达地物目标的几何结构,呈现了丰富的空间细节信息,为更加精细的地物分类制图提供了基础。然而随着空间分辨率的提高,影像信息高度细节化,不同地物的光谱相互重迭,同类地物的光谱分布可变,减弱了地物的光谱可分性,为高分辨率遥感影像的分类识别带来了困难和挑战。近年来,为了利用高分辨率遥感影像丰富的空间信息,解决地物光谱难以区分的问题,一些学者提出了融合影像空间信息的分类方法,例如,基于空间结构特征的分类方法和面向对象的分类方法,通过考虑影像空间信息提高了高分辨率遥感影像分类制图的精度。然而仍面临着特征维度高、信息冗余以及最佳分割尺度难以选择的问题。随机场模型使用无向图结构表达高分辨率遥感影像,可以在统一的概率框架下建模空间上下文信息,具有清晰易懂、框架统一以及强大的建模能力等优点。作为典型的随机场模型,马尔可夫随机场可以建模分类标记的上下文信息,但为了计算的可行性,其假设观测信息是条件独立分布,限制了空间信息利用的灵活性。条件随机场模型直接建模给定观测数据的后验概率,克服了马尔可夫随机场中的条件独立假设,具有灵活建模空间上下文信息的能力,更加适用于遥感影像分类应用。然而,当面临地物分布复杂、光谱多变的高分辨率遥感影像时,条件随机场模型仍面临着大尺度空间上下文信息描述能力有限、推理方法难以兼顾效率和扩展性以及应用范围受限于像元级标记等问题。因此,论文针对条件随机场模型在高分辨率遥感影像分类中存在的问题,挖掘高分辨率遥感影像的空间特性,从模型构建、模型推理、模型应用叁个方面开展面向高分辨率遥感影像分类的条件随机场模型研究。主要研究内容与创新之处包括:(1)系统地介绍了条件随机场模型的基本理论方法,分析了高分辨率遥感影像的特点以及分类所面临的挑战与困难,并对当前常用的高分辨率遥感影像分类制图现状进行了详细的讨论和总结。(2)在模型构建方面,提出细节保持的对象条件随机场分类方法和融合空间位置信息的高阶条件随机场分类方法。针对条件随机场模型中现有势能函数未充分考虑高分辨率遥感影像自身的特点,缺乏大尺度的空间交互建模能力,产生不同程度的局部平滑问题,发展细节保持的对象条件随机场分类方法,在条件随机场模型中融合面向对象方法的优势,基于对象单元考虑大尺度的空间上下文信息;并发展高阶条件随机场分类方法,通过高阶势能挖掘影像的大尺度空间上下文关系,建模高分辨率遥感影像的空间位置信息,通过势能集成光谱信息、局部空间上下文以及空间位置信息,从不同视角提供地物判别的互补信息,提高分类制图精度。(3)在模型推理方面,提出基于合作博弈推理的条件随机场分类方法。针对高分辨率遥感影像分类中传统迭代条件模型、模拟退火等推理方法难以兼顾计算效率与分类表现的问题,发展基于基于合作博弈的条件随机场推理方法。借鉴博弈论的思想,构建局部期望能量模型,考虑类别标记的不确定性,基于像元的局部期望能量,形成博弈中的联合体,奠定合作博弈的基础,从而使得像元可以在合作博弈中共享信息进行联合决策,高效获得高分辨率遥感影像分类结果。(4)在模型应用方面,提出基于条件随机场的亚像元制图方法。从亚像元尺度上关注地物目标在亚像元级的空间分布,发展基于条件随机场的亚像元制图方法。通过条件随机场模型中的势能函数考虑软丰度约束,集成高分辨率尺度的局部空间先验和低分辨率尺度的降尺度丰度信息,从不同尺度充分利用输入丰度影像和空间相关性获取更加精细的地物类别空间分布,扩展条件随机场模型在空间尺度的应用。(5)构建基于条件随机场的高分辨率遥感影像分类制图原型系统。结合从多个角度提出的基于条件随机场的高分辨率遥感影像分类方法,构建满足多种应用需求的高分辨率影像分类制图系统,并在大规模高分辨率地表覆盖制图中进行算法测试,扩展条件随机场在空间规模方面的应用。本文面向高分辨率遥感影像分类,开展条件随机场模型在模型构建、模型推理和模型应用方面的研究,针对高分辨率遥感影像的空间优势,构建满足多种应用需求的高分辨率影像条件随机场分类制图原型系统,提供精细的地物解译结果,提升了高分辨率遥感影像的应用价值。
王帅[5]2016年在《内陆二类水体水色遥感建模数据质量检查方法研究》文中进行了进一步梳理遥感技术对内陆二类水体的监测,一般是通过水色遥感建模,估算水质参数,进而评价水环境质量。长期以来,内陆二类水体水色遥感数据存储方式多样、数据组织凌乱,没有一套完整的数据质量检查规则,缺乏科学统一的数据管理,不利于内陆二类水体水色遥感的建模、模型应用及数据共享。因此,只有对这些数据在入库前进行质量控制,并科学化、规范化其入库流程,才能使其数据更加合理与规范,保证内陆二类水体水色遥感数据在建模中发挥更多的价值。本研究结合我国的太湖、滇池、洞庭湖等八个水域,SeaBASS数据集中的伊利湖、密歇根湖和美国印第安纳州的叁个水库的地面遥感实验数据与相应研究区的遥感影像数据,分析了水色遥感的数据特点及建模数据需求,制定了数据入库前的地面实测数据和遥感影像数据质量控制方法,并提出一套适用于内陆二类水体水色遥感的数据入库规则。主要的研究内容和成果如下:(1)通过对内陆二类水体水色遥感建模方法的分析归纳和总结,将其分为经验/半经验模型、生物光学模型和及其学习模型,并对每类模型所需的建模数据与验证数据进行梳理和总结,着重分析了建模中常用的遥感反射率(Rrs)、非色素颗粒物系数(ad)、色素颗粒物吸收系数(aph)、CDOM吸收系数(ag)等参数特点,并根据其光学特性将其分为悬浮泥沙主导水体和浮游植物主导水体。同时研究了目前内陆二类水体水色遥感数据的数据来源与获取手段、数据的表现形式等。(2)对于地面实测数据的表观光学量、固有光学量和水色要素浓度数据等数据,本文将数据质量检查方法分为叁大类,包括数值检查、光谱形态检查、水质参数浓度与光谱形态联合检查。在数值检查中包括了值域检查,影响系数法检查;光谱形态检查包括了光谱角检查、光谱特定波段的形态检查。对于遥感影像入库数据的检查,本文主要研究了针对内陆二类水体的云检测方法和大气校正结果检查方法,对于云检测算法,本文与NASA提供的标准大洋水体云检测算法相比,可以有效的提取出内陆二类水体上的云。(3)本文结合SeaBASS在大洋水体中的相关规范和黑河综合遥感联合实验的相关数据标准,提出了一套适用于内陆二类水体水色遥感建模数据的数据规整规范,从基础数据规范、地面实测数据与预处理后遥感影像数据的组织方式到最后数据库的表结构设计等一系列的入库流程,都进行了相关规则的设计。
王晶[6]2016年在《基于多源遥感数据融合与数据同化的水稻信息提取研究》文中研究说明水稻是中国种植面积最大、总产最多的粮食作物,水稻生产在中国粮食生产中占有极其重要的地位。准确的获取水稻生产信息,正确及时地掌握农作物生产状况,对粮食安全,社会稳定,农村就业,农民增收具有十分重要的现实意义。水稻遥感信息提取是遥感、地理信息系统和全球定位系统结合水稻农学知识的一个综合应用。本研究基于中等空间分辨率多源多时相遥感卫星数据,以详尽的地面观测数据为基础,利用遥感数据融合及数据同化等方法,解决我国地块较破碎地区水稻遥感信息提取过程中的具体问题,并对影响水稻信息提取精度的原因进行一定的定性分析和定量的研究,旨在提高对水稻遥感中各种数据处理步骤的认识理解。主要研究内容和结论如下:(1)结合大田冠层光谱数据及地面实测数据,探究水稻生长规律,通过Wilks's lambda系数进行判别分析确定植被指数EVI2能够较好的反应出水稻与其他地类的差异性。分析研究区五种主要地类(水稻、树木、水体、旱地作物和其他非植被)的HJ-1 A/B CCD EVI2时间序列曲线,水稻移栽期和快速生长的营养生长时期具有区别于其他地物类别的独特的光谱特征,确定这两个时期为水稻的关键生育期,实现了分步耦合最佳生育期阈值法估算研究区单季稻种植面积。单季稻估算面积与当地农业部门的统计数据对比,相对分类精度为91.2%。与地块调查结果的空间精度验证显示,水稻的总精度达到91.68%,Kappa系数为0.79。提取结果与典型的参数分类法(最大似然法)和非参数分类法(支持向量机)相比,总精度分别提高了 6.80%和10.89%。基于五个地块调查样地的空间分布信息,定量分析了由地块景观格局、混合像元纯度及边界效应给水稻分类带来的影响。结果表明,选择合适的多时相遥感影像,结合水稻关键生育期及有代表性的光谱特征,可以提高水稻分类精度;引入景观指数分析地块紧凑程度,结果表明遥感影像像元混合程度越严重,则分类精度越低,错分漏分的水稻像元集中在水 稻田块的边缘。(2)通过最小二乘法融合HJ-1 CCD和Landsat-8 OLI植被指数数据,较单一数据源能够更准确地估计研究区单季稻的关键物候参数(移栽期、抽穗期、成熟期)。不同植被指数对目标地物的变化反应能力不同,和NDVI相比,EVI2在两个传感器之间表现更稳定。与地面观测生育期数据进行比较,融合后的植被指数时间序列提取的水稻生育期结果具有相对低的RMSE,其中EVI2优于NDVI。在不同传感器融合获取更高时间分辨率植被指数时间序列的过程中,利用一致性分析定量计算传感器间系统差异与非系统差异,结果表明,通过选择合适的滤波窗口可以减小传感器间非系统差异,使用大于5×5滤波窗口以后,传感器间非系统差异趋于稳定,选择合适的模型如最小二乘法建立植被指数的回归函数减小传感器间系统差异,从而减少数据融合过程中的不确定性的产生。(3)利用多时相遥感影像,以2012-2013年地面实验数据为建模和验证数据,制作出可应用于地区尺度的单季稻全生育期内近实时动态长势监测图。通过去云处理及最大值合成的植被指数代表每个像元在一旬内的最大值,以此估测研究区每旬单季稻长势状况,估测模型选用传统的回归模型及机器学习模型。验证了机器学习模型(神经网络和支持向量机)在作物长势监测参数提取中具有优势。将生育期划分为营养生长和生殖生长后,可以明显提高叶面积指数的反演精度,抽穗前时期LAI最佳估测模型为EVI2-BPNN模型,抽穗后LAI最佳估测模型为NDVI-SVM模型,结果同时表明,EVI2通常在水稻快速生长阶段(营养生长)效果更好,而NDVI在生长速率减缓后(生殖生长)的反演效果更佳。累积植被指数可以适用于水稻地上干生物量的估算,全生育期内模型决定系数达到0.93。通过选择合适的植被指数及反演模型,结合水稻独特的生育期特征,可以提高水稻长势参数的估测精度,为当地的种植管理提供有价值的空间化可视化信息服务。(4)结合地面观测数据与FSEOPT对研究区水稻主栽品种进行WOFOST作物模型参数本地化,参数本地化结果表明在单点尺度上作物模型可以较好地表征水稻生长变化趋势,估测水稻产量。通过集合卡尔曼滤波法同化时间序列LAI与WOFOST作物模型,同化状态参量间隔越短同化效果越好,最终在平衡同化效率与精度的考量下,选用10天LAI资料进行区域水稻估产。以研究区水稻面积分布图、水稻生育期提取结果为输入参数,10天的遥感反演LAI为同化状态参量,估测研究区水稻产量分布信息。模型模拟结果与实测结果有较好的一致性,与实测样点的观测值相比,R2为0.66,RMSE为1.61 ton·ha~(-1)。研究结果表明,提高水稻信息提取过程中各步骤精度的前提下,WOFOST模型可以用于区域尺度水稻产量估测,为完善栽培管理、规划农业生产功能区提供有价值的信息。
徐洋[7]2016年在《稀疏与低秩先验下的高光谱分类与检测方法》文中研究说明高光谱遥感是以遥感影像与光谱的合一为特征的新型遥感技术,其光谱分辨率可高达纳米级,是20世纪80年代以来地球观测技术所取得的重大技术突破之一,在现代军事、矿物勘测、精确农业以及环境监控等领域有着广泛的应用。因此,研究高光谱数据的高效处理与解译具有重要的理论意义和实际应用价值。高光谱分类与目标检测是高光谱数据处理的主要内容。高光谱数据提供了丰富的光谱信息,为人们研究地表物体的特性、进行地物识别创造了条件。但是,这些海量的信息和特殊的数据结构又给人们在图像处理、信息分析、分类和检测等方面提出了严峻的挑战,也就要求人们从多个方面去理解和揭示其物理特征及其变化。本论文在总结高光谱分类与目标检测现状的基础上,通过对高光谱数据自身特性的深入分析,挖掘高光谱数据的稀疏与低秩先验知识,研究了联合空谱信息的高光谱分类与目标检测技术,并设计了相应的高效算法。论文的主要工作和研究成果如下:(1)针对高光谱分类问题,提出了一种基于自适应上下文信息的联合稀疏表示分类方法。高光谱图像不仅具有丰富的光谱信息,而且图像中的每个像元还含有其自身的空间结构。为了充分利用这种空间结构信息,本文利用高阶steering核函数来刻画各个像元的局部空间结构,并将所得到的空间结构与联合稀疏表示模型融合得到最终的分类结果。结果表明,基于自适应上下文信息的联合稀疏表示分类方法可以有效描述地物的空间上下文信息,提高分类精度。(2)通过充分挖掘高光谱图像的全局和局部空间信息,提出了一种基于低秩矩阵分解的高光谱图像分类方法。首先采用一种基于图的分割算法,将高光谱图像分成多个匀质区域。由同一匀质区域内的像元组成的矩阵(矩阵的列向量对应像元的光谱向量)具有很强的列相关性,因此可将该二维矩阵分解成低秩矩阵和稀疏矩阵之和。然后以低秩矩阵中的列向量作为相应像元的特征,利用概率支持向量机(Probabilistic support vector machine,PSVM)进行分类。同时为了精细化分类结果,在PSVM中引入马尔科夫随机场正则化,保证高光谱图像中的全局空间信息、局部空间信息和光谱信息有效结合。实验结果表明,该方法的分类结果优于其他主流分类方法。(3)针对高光谱图像异常检测问题,提出了一种基于低秩和稀疏表示的高光谱异常检测方法。该方法将高光谱图像分解为背景和异常两部分进行分别建模,对于异常部分,根据异常像元在整个图像中只占极少部分,本文将异常部分建模为一个列稀疏矩阵,并采用l2,1范数来刻画。对于背景部分,由于高光谱图像中的背景像元可认为是位于多个子空间,采用低秩表示模型进行建模,在背景字典下搜寻数据的最低秩表示,从而有效刻画背景的全局结构。为了能够准确表示每个像元光谱,刻画像元的局部光谱信息,对其表示系数进行稀疏约束。同时,由于背景字典中的原子须要覆盖所有背景地物种类且不能为异常像元,本文提出了一种新的背景字典构造方法。针对所提模型,设计一个有效算法求解。在模拟和真实高光谱图像上的实验表明,本文所提出的异常检测方法能够抑制背景像元突出异常像元,达到了较高的检测准确率。(4)针对高光谱视频序列气体检测问题,提出了一种基于时空TV(Total Variation)正则化的目标检测方法。根据高光谱视频序列中的气体在空间维和时间维都具有连续性,在RPCA(Robust principal component analysis)模型中引入时空TV正则项刻画气体的空间连续性和时间连续性。同时为了充分利用高光谱视频的光谱信息,采用主成分分析方法抽取每帧图像中的主要特征,设计了一种多特征融合的气体检测方法。实验结果表明本文所提出的时空TV正则化模型能够有效刻画气体的结构,提高检测精度。
张志新[8]2017年在《地球同步轨道卫星遥感图像舰船检测与运动监测》文中进行了进一步梳理海洋是人类生存环境的重要组成部分,在我国海上丝绸之路重大战略实施与国民经济发展中占据着极其重要的战略地位。海上舰船监视监测是海洋监测的重要任务之一,对于经济发展、环境保护、海域使用管理、海洋权益维护都具有重要意义。随着海洋开发利用强度的与日俱增,以及海洋权属争端形势的日益严峻,海上舰船检测与动态监测应用对相关监视监控系统的“实时性”、“机动性”提出了更高的要求。卫星遥感技术是海上舰船监视监测的重要手段,在舰船检测、分类、识别与运动特征提取中发挥了重要的作用,然而低轨道卫星在观测范围、实时性、连续性动态观测方面已难以满足相关应用的需求。高分辨率地球同步轨道遥感卫星能够在短时间内对大范围海域进行高频重复监测,近实时地获取海上舰船的动态变化过程,因而较之于低轨道遥感卫星,在海上舰船监视监测方面具有独特优势和巨大的潜力。目前,高分辨率地球同步轨道遥感尚处于发展阶段,在海上舰船监视监测应用方面,尚未深入开展研究。为了尽快实现对海上舰船的全天时、全天候的近实时观测,本文全面分析了地球同步轨道光学卫星与地球同步轨道SAR卫星的对地观测时空特性;深入发掘了二者在海上舰船监视监测中的应用潜力;提出了可靠的海上舰船检测、特征提取算法与动态监测方法;探讨了地球同步轨道SAR卫星海上舰船成像、检测中的关键问题;给出了一些有用的结论和建议。论文的主要研究内容有:(1)根据高分四号卫星的分时成像机制,利用运动舰船的图像位移与AIS数据中的舰船航速,计算多光谱影像各波段图像的成像间隔。(2)根据高分四号多光谱影像上的舰船图像特征,建立基于梯度阈值的海上舰船单波段图像检测算法。利用AIS数据对船位、航速、航向结果进行精度评价。(3)基于单波段梯度阈值法,利用多波段协同检测,建立基于高分四号单景多光谱影像的舰船运动特征提取方法。利用AIS数据对航速、航向结果进行精度评价。(4)基于单景影像运动检测法,利用高分四号卫星的凝视成像模式,建立基于时序多光谱影像的舰船动态监测方法。利用传统时序影像法的检测结果对航速、航向结果进行精度评价。(5)通过轨道模拟与数值计算,考察地球同步轨道SAR卫星的观测特性与舰船检测应用潜力。利用时域仿真法模拟运动舰船的地球同步轨道SAR图像,分析图像特征,利用恒虚警率法,检测舰船目标。(6)建立时变的粗糙海面电磁散射场景,利用时域仿真法模拟时变粗糙海面的地球同步轨道SAR卫星图像,分析图像特征,讨论其对地球同步轨道SAR图像海上舰船检测的影响。论文取得的创新性成果有:(1)首次提出了基于单景高分四号多光谱影像的舰船运动检测方法,实现了海上舰船运动特征的高精度、高效率检测。(2)首次开展了地球同步轨道SAR卫星运动舰船成像仿真,证明了具有长合成孔径、弯曲轨道观测特性的地球同步轨道SAR卫星可以用于地表运动目标检测。(3)研究了时变粗糙海面地球同步轨道SAR模拟图像的图像特征与幅值统计特性,为地球同步轨道海上舰船检测与动态监测SAR系统的设计、相关成像算法与舰船检测算法的研发提供了参考。
邱赛[9]2016年在《ICESat-GLAS波形与HJ-1A高光谱影像联合反演森林地上生物量的研究》文中提出传统森林参数获取主要依赖于野外调查,需要耗费大量人力、物力和时间,而且只能获取到点上的数据,不能够及时获取大区域森林参数的空间分布情况。遥感技术的出现和发展弥补了传统估测方法的不足,可以实现对大区域森林参数的快速、无损估测,提高了森林参数的估测精度,能够满足森林资源调查的需要。本研究以吉林省汪清林区为研究区,从ICESat-GLAS(the geoscience laser altimeter system onboard the ice,cloud,and land elevation satellite)波形数据中提取波形参数(波形长度W、地形坡度参数TS、比值能量参数I和差值能量参数ec),利用这些参数实现GLAS波形数据对各森林类型(阔叶林、针叶林和混交林)的森林最大树高、森林郁闭度和森林地上生物量的估测。但由于GLAS光斑呈离散条带状分布,不具有成像性,不能实现森林参数的区域估测,所以本研究引入HJ-1A/HSI高光谱影像,协助GLAS波形数据对森林参数进行空间反演,应用支持向量回归机算法建立GLAS估测的森林参数与HJ-1A/HSI高光谱影像光谱信息间的关系模型,得到森林参数的空间分布图。主要研究结果如下：(1)基于分段主成分分析和波段指数综合法对HJ-1A/HSI高光谱数据降维,选出最佳波段为波段2、波段52和波段107,波段之间的相关性小,信息量大。但由于HJ-1A/HSI数据的空间分辨率低,分类结果不理想(分类精度为70.5%)。将其与CCD数据融合后空间分辨率得到提高,基于支持向量分类机算法,利用融合后影像的波段信息及波段纹理特征信息将分类精度提高到了85.3%。(2)基于GLAS波形提取的地形坡度参数TS,与地形坡度间存在很强的相关性。基于W和TS建立的森林最大树高模型要优于只利用W建立的森林最大树高模型和利用地形指数修正的森林最大树高模型。基于支持向量回归机算法,建立了GLAS估测森林最大树高与HJ-1A/HSI高光谱影像前3个MNF分量的SVR模型,生成森林最大树高分布图,其估测误差的最大值为7.1m,最小值为0.07m,25%的估测误差小于等于0.75m,50%的估测误差在0.75m-2.31m之间,精度较高。(3)对于GLAS波形来说,利用比值能量参数I75所建模型的估测效果优于利用差值能量参数ec所建模型,将I,5和ec联合建立的多变量模型的精度最高。利用HJ-1A/HSI高光谱数据进行森林郁闭度建模时,多变量森林郁闭度模型的估测效果优于单变量森林郁闭度估测效果。HJ-1A/HSI所建多变量森林郁闭度模型的估测效果稍高于GLAS所建多变量模型,因此本研究最终采用HJ-1A/HSI高光谱影像生成森林郁闭度分布图,并对所得森林郁闭度分布图的估测误差进行分析,其中25%的估测误差小于等于0.031,50%的估测误差在0.031-0.126之间,估测精度较高。(4)利用GLAS估测的森林最大树高建立的森林地上生物量单变量模型的估测效果不是很理想,但是将GLAS估测的森林最大树高与HSI估测的森林郁闭度相结合,利用多元线性回归和支持向量回归分别建立各森林类型的森林地上生物量模型,模型的估测效果有了很大的提高,支持向量回归模型的估测效果要优于多元线性回归模型。
参考文献：
[1]. 高分辨率光谱遥感地面建模研究[D]. 徐元进. 中国地质大学. 2004
[2]. 资源叁号卫星遥感影像高精度几何处理关键技术与测图效能评价方法[D]. 周平. 武汉大学. 2016
[3]. 面向机场视景模拟系统的多源遥感数据融合方法研究[D]. 胡晓东. 浙江工业大学. 2007
[4]. 面向高分辨率遥感影像分类的条件随机场模型研究[D]. 赵济. 武汉大学. 2017
[5]. 内陆二类水体水色遥感建模数据质量检查方法研究[D]. 王帅. 南京师范大学. 2016
[6]. 基于多源遥感数据融合与数据同化的水稻信息提取研究[D]. 王晶. 浙江大学. 2016
[7]. 稀疏与低秩先验下的高光谱分类与检测方法[D]. 徐洋. 南京理工大学. 2016
[8]. 地球同步轨道卫星遥感图像舰船检测与运动监测[D]. 张志新. 中国科学院大学(中国科学院遥感与数字地球研究所). 2017
[9]. ICESat-GLAS波形与HJ-1A高光谱影像联合反演森林地上生物量的研究[D]. 邱赛. 东北林业大学. 2016
标签：自然地理学和测绘学论文; 工业通用技术及设备论文; 遥感影像论文; 光谱分辨率论文; 遥感图像处理论文; 光谱论文; 空间分析论文; 空间数据论文; 数据融合论文; 数据建模论文; 资源卫星论文; 随机森林论文;