波段选择协同表达高光谱异常探测算法     

朱德辉  杜博  张良培 《遥感学报》2020,24(4):427-438

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。  相似文献   

内点最大化与冗余点控制的无人机遥感图像配准     

余蕊  陈玮扬  杨扬  杨昆  罗毅 《遥感学报》2020,24(11):1325-1341

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用，但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变，在特征点提取过程中产生大量冗余点，增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法，该方法的核心思想是在配准过程中识别冗余点，同时最大化可用内点数量。所识别的冗余点当作控制点，用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验，其中平均配准精度可达80.38%，并且本文方法在所有的情况下都优于5种当前流行算法。  相似文献   

A new concept for estimating the influence of vegetation on throughfall kinetic energy using aerial laser scanning     

Johannes Antenor Senn  Fabian Ewald Fassnacht  Jana Eichel  Steffen Seitz  Sebastian Schmidtlein 《地球表面变化过程与地形》2020,45(7):1487-1498

Soil loss caused by erosion has enormous economic and social impacts. Splash effects of rainfall are an important driver of erosion processes; however, effects of vegetation on splash erosion are still not fully understood. Splash erosion processes under vegetation are investigated by means of throughfall kinetic energy (TKE). Previous studies on TKE utilized a heterogeneous set of plant and canopy parameters to assess vegetation's influence on erosion by rain splash but remained on individual plant- or plot-levels. In the present study we developed a method for the area-wide estimation of the influence of vegetation on TKE using remote sensing methods. In a literature review we identified key vegetation variables influencing splash erosion and developed a conceptual model to describe the interaction of vegetation and raindrops. Our model considers both amplifying and protecting effect of vegetation layers according to their height above the ground and aggregates them into a new indicator: the Vegetation Splash Factor (VSF). It is based on the proportional contribution of drips per layer, which can be calculated via the vegetation cover profile from airborne LiDAR datasets. In a case study, we calculated the VSF using a LiDAR dataset for La Campana National Park in central Chile. The studied catchment comprises a heterogeneous mosaic of vegetation layer combinations and types and is hence well suited to test the approach. We calculated a VSF map showing the relation between vegetation structure and its expected influence on TKE. Mean VSF was 1.42, indicating amplifying overall effect of vegetation on TKE that was present in 81% of the area. Values below 1 indicating a protective effect were calculated for 19% of the area. For future work, we recommend refining the weighting factor by calibration to local conditions using field-reference data and comparing the VSF with TKE field measurements. © 2020 The Authors. Earth Surface Processes and Landforms published by John Wiley & Sons Ltd  相似文献   

一种云端一体化的土地督察遥感监测方法     

孙久虎 《测绘通报》2020,(3):129-133

针对目前土地遥感监测工作中存在的监测频次低和数据现势性差等问题，通过统筹获取国产卫星影像数据提升监测频次，设计了多源遥感影像的空间网格组织和调度方法，改变传统的影像切片发布模式，建立实时影像服务方法，大幅提升了土地督察遥感监测时效。通过在国家土地督察济南局试点应用，研发了云端一体化的土地督察遥感监测服务平台，实践证明基于空间网格的影像组织管理效率优于传统金字塔切片管理模式，有效支撑了违法用地、永久基本农田保护和城市开发边界突破等监测预警，应用成效显著。  相似文献   

结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测     

聂倩  赵艳福 《测绘通报》2020,(6):57-62

不同时相遥感影像变化检测已成为土地利用变更调查、城市扩张分析、自然灾害分析及其他环境问题必不可少的技术手段之一。本文提出了一种结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测方法。该方法通过伪不变特征法完成两期影像的相对辐射校正，有效改善影像间的配准误差，并利用IR-MAD算法对校正后的影像进行迭代运算，采用均值漂移算法对迭代后的影像进行分割，同时运用形态学方法处理分割后的影像，最终提取变化图斑。试验结果表明，该方法可以有效检测出变化区域，可应用于城市地表覆盖的变化检测。  相似文献   

A-FPN算法及其在遥感图像船舶检测中的应用     

于野  艾华  贺小军  于树海  钟兴  朱瑞飞 《遥感学报》2020,24(2):107-115

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。  相似文献   

FY-3D/MERSI-II全球火点监测产品及其应用   总被引：1，自引：0，他引：1  

郑伟  陈洁  闫华  刘诚  唐世浩 《遥感学报》2020,24(5):521-530

FY-3D/MERSI-II全球火点监测产品主要包括全球范围内的火点位置、亚像元火点面积和火点强度等信息,可用于实时监测全球范围的森林草原火灾、秸秆焚烧等生物质燃烧状况。火点判识算法主要根据中红外通道对高温热源的敏感特性,即含有火点的中红外通道像元辐亮度和亮温较远红外通道的辐亮度和亮温偏高,同时较周边非火点的中红外像元偏高,建立合适的阈值可探测含有火点的像元。亚像元火点面积估算主要使用中红外单通道估算,根据亚像元火点面积估算结果对火点强度进行分级,不同的级别表示不同程度的火点辐射强度。基于全球火点自动判识结果,每日生成0.01°分辨率的卫星遥感日全球火点产品,每月生产0.25°×0.25°格点的全球月火点密度图。在利用FY-3D/MERSI-II火点产品开展的全球火点监测应用中,对多起全球重大野火事件进行了监测,为防灾减灾、全球气候变化研究、生态环境保护等方面提供卫星遥感信息支持。  相似文献   

基于森林模型参数先验知识估算高分辨率叶面积指数   总被引：1，自引：0，他引：1  

张静宇  王锦地  石月婵 《遥感学报》2020,24(11):1342-1352

目前，估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型，再用统计模型估算LAI。然而，与农田地面测量实验相比，森林地面测量实验获取的观测数据更加有限，这使得基于统计模型的森林高分辨率LAI的估算精度低，难以满足应用需求。为此，本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先，获取全球20个森林实验区的LAI地面测量数据和NDVI数据，建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后，以一个新的森林站点Concepción作为研究区，将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型，优化模型用于估算森林高分辨率LAI，使用验证数据评价LAI的估算精度。同时，选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度，经验证4个森林站点的均方根误差分别为0.6680，0.4449，0.2863，0.5755。研究结果表明：在仅有少量观测数据时，采用本方法能有效地提高森林高分辨率LAI的估算精度。因此，本方法可为森林高分辨率LAI的遥感估算提供参考。  相似文献   

空-谱融合的条件随机场高光谱影像分类方法     

魏立飞  余铭  钟燕飞  袁自然  黄灿 《测绘学报》2020,49(3):343-354

高光谱遥感数据具有光谱信息丰富、图谱合一的特点,目前已经广泛地应用在对地观测中。传统的高光谱分类模型大多过分依赖影像光谱信息,没有充分利用空间特征信息,这使得分类精度还有很大的提升空间。条件随机场是一种概率模型,能够较好地融合空间上下文信息,在高光谱影像分类中已经得到越来越多的关注,但大部分条件随机场模型存在超平滑的现象,会导致影像细节丢失。针对该问题,本文提出了一种优化融合影像空-谱信息的高分辨率/高光谱影像分类方法,该方法将影像的纹理信息与原始光谱信息进行融合,利用SVM分类器对其进行预分类,并将各类概率定义为一元势函数,以融合空间特征信息;然后将空间平滑项和局部类别标签成本项加入二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息。最后,通过两组的高分辨率/高光谱影像数据进行试验。结果表明,与SVM算法、传统的条件随机场方法和面向对象的分类方法相比,本文提出的算法在整体分类精度上分别提高了10%、9%和8%以上,同时在保持地物边缘完整性、避免“同谱异物”与“同物异谱”的现象方面有较明显的优势。  相似文献   

基于超像元词包特征和主动学习的高分遥感影像变化检测     

杨进一  徐伟铭  王成军  翁谦 《地球信息科学学报》2019,21(10):1594-1607

为解决高分辨率遥感影像变化检测中存在底层特征缺乏语义信息、像元级的检测结果存在“椒盐”现象以及监督分类中样本标注自动化程度较低,本文提出一种基于超像元词包特征和主动学习的变化检测方法。首先采用熵率分割算法获取叠加影像的超像元对象;其次提取两期影像像元点对间的邻近相关影像特征（相关度、斜率和截距）和顾及邻域的纹理变化强度特征（均值、方差、同质性和相异性）,经线性组合作为像元点对的底层特征;然后基于像元点对底层特征利用BOW模型构建超像元词包特征,并采用一种改进标注策略的主动学习方法从无标记样本池中优选信息量较大的样本,且自动标注样本类别;最后训练分类器模型完成变化检测。通过选用2组不同地区的GF-2影像和Worldview-Ⅱ影像作为数据源进行实验,实验结果中2组数据集的F1分数分别为0.8714、0.8554,正确率分别为0.9148、0.9022,漏检率分别为0.1681、0.1868,误检率分别为0.0852、0.0978。结果表明,该法能有效识别变化区域、提高变化检测精度。此外,传统主动学习方法与改进标注策略的主动学习方法的学习曲线对比显示,改进的标注策略可在较低精度损失下,有效提高样本标注自动化程度。  相似文献