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   

高光谱图像波段选择的改进二进制布谷鸟算法     

宋广钦  杜正舜  贺智 《测绘通报》2019,(4):43-48

波段选择是高光谱遥感图像分类的重要前提，本文提出了一种用于高光谱遥感图像波段选择的改进二进制布谷鸟算法，通过使用混合二进制编码算法更新子代鸟巢和使用遗传算法交叉方式更新被发现鸟巢两个方面对二进制布谷鸟算法进行改进，找出在图像中起主要作用且相关性低的波段，实现对高光谱遥感图像降维。将本文算法运用于PaviaU数据集和AVIRIS数据集，并与二进制布谷鸟算法、二进制粒子群算法、最小冗余最大相关算法、Relief算法等进行对比分析。结果表明，改进二进制布谷鸟算法波段特征选择效率更高，且选取的波段更具代表性，能够较好地提高后续分类精度。  相似文献   

一种高光谱遥感图像快速谱聚类算法     

张亚平  张宇  杨楠  罗晓  罗谦 《测绘通报》2019,(12):60-64

为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题，集成Lanczos算法与谱聚类算法，探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性，提出了一种面向高光谱遥感图像的快速谱聚类算法；通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果，发现面向高光谱遥感图像的谱聚类算法易于识别线性地物，且分类的速度能得到较大提升。  相似文献   

结合空间信息选取最优端元组合的混合像元分解     

徐君  王彩玲 《测绘通报》2019,(7):6-11

传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分，但这并不符合实际情况。实际上图像中大多数混合像元仅由少部分端元混合而成。由于端元提取精度及噪声的影响，采用全部端元对混合像元进行分解，会使得混合像元中实际并不存在的端元的丰度估计值不为零，分解结果存在较大误差。由于混合像元大多存在于不同地物的交界处，基于此，本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法。利用一个空间结构元素，从混合像元的附近邻域开始搜索，将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比，并确定混合像元的端元子集进行分解。根据RMSE大小和变化情况，逐步扩大结构元素的大小，不断调整搜索范围，直至得到最优端元组合。模拟数据和真实数据的试验结果表明，该方法相比传统的全端元光谱分解方法，在总体上获得了更好的分解效果。  相似文献   

基于卫星高光谱遥感影像的浅海水深反演方法     

张源榆  黄荣永  余克服  樊明顺  周国清 《地球信息科学学报》2020,22(7):1567-1577

遥感水深反演具有非接触测量和省时省力等优点,能够为航海、岛礁工程与珊瑚礁生态调查等活动提供重要参考。随着高光谱遥感卫星数量的增长,基于高光谱遥感影像的水深反演具有良好的发展与应用潜力。HOPE（Hyperspectral Optimization Process Exemplar）算法是比较常用的高光谱水深反演算法。鉴于HOPE算法在低遥感反射率海域会出现水深被高估的问题,本文基于Hyperion高光谱遥感影像提出一种改进的水深反演算法。该算法针对危险或难以到达海域往往具有水体光学性质较为均一的特点,利用深水区遥感反射率的观测值来估计整个研究区域内的水体光学性质参数并将其固定,以便减少未知参数数量,解决水深被高估的问题,最终达到提高水深反演整体精度的目的。塞班岛和中业岛的实验结果表明,改进算法能够有效克服常规HOPE算法在低遥感反射率水域高估水深的问题。改进算法能够将平均遥感反射率小于0.0075sr^-1（塞班岛）和0.001 sr^-1（中业岛）范围内的水域的水深反演平均绝对误差从常规HOPE算法的2.94 m和6.44 m分别降低至2.56 m和4.99 m,从而能够相应地将整体的均方根误差从3.18 m和5.39 m分别降低至2.30 m和3.32 m,而将整体的平均相对误差从32.4%和27.1%分别降低至30.6%和23.9%。因此,改进算法在提高卫星高光谱遥感影像水深反演效果方面具有可行性和有效性。  相似文献   

基于稀疏判别分析的高光谱影像特征提取     

周亚文  董广军  薛志祥  黎珂  王惠英 《测绘科学技术学报》2017,34(4)

针对当前特征提取方法不能充分挖掘高光谱影像稀疏特性的问题,提出一种基于稀疏判别分析的高光谱影像特征提取方法。首先,在线性判别分析的系数向量中引入稀疏正则项来捕获具有更强判别能力的特征,将高光谱影像映射至低维稀疏的子空间;然后,利用迭代优化方法对模型进行求解。利用Salinas和Pavia University高光谱影像进行对比实验,所提方法与分类方法结合用于影像分类时,其分类精度优于其他方法,总体分类精度分别达到97.42%和97.64%。  相似文献   

面向高光谱图像分类的半监督空谱判别分析   总被引：2，自引：2，他引：0  

侯榜焕  王锟  姚敏立  贾维敏  王榕 《测绘学报》2017,46(9):1098-1106

为充分利用高光谱图像蕴藏的空间信息提升分类精度,提出了面向高光谱图像分类的半监督空谱判别分析(S3 DA)算法。考虑高光谱图像数据集的空间一致性,首先利用少量标记样本定义类内散度矩阵,保存数据集同类像元的光谱近邻结构;再利用无标记样本定义空间近邻像元散度矩阵,揭示像元间的空间近邻结构和地物的空间分布结构信息。S3 DA既保持数据集在光谱域的可分性,又保存了无标记样本蕴藏的空间域近邻结构,增强了同类像元和空间近邻像元在投影子空间的聚集性,从而提升分类性能。在PaviaU和Indian Pines数据集的试验表明,总体分类精度分别达到81.50%和71.77%。与传统的光谱方法比较,该算法能有效提升高光谱图像数据集的地物分类精度。  相似文献   

基于HJ-1A高光谱影像的湿地精细分类     

张雅春  那晓东  臧淑英 《地理科学进展》2018,37(12):1705-1712

混合像元的存在不仅影响了基于高光谱影像的地物识别和分类精度,而且已成为遥感科学向定量化发展的主要障碍。本文以扎龙湿地为试验区,以环境一号卫星采集的高光谱影像为数据源,分别采用传统的全约束最小二乘光谱解混算法(fully constrained least squares spectral unmixing algorithm, FCLS)与基于稀疏约束最小二乘光谱解混算法(sparse constrained least squares spectral unmixing algorithm, SUFCLS)实现了试验区湿地的精细分类,并对两种分类结果的表现及其分类精度进行了对比分析。研究结果表明：SUFCLS算法能够自适应的从光谱库中选择场景中所占比例最高的一组端元,并将此端元的组合应用于传统的全约束最小二乘光谱解混中实现不同湿地类型丰度的提取,该算法充分考虑了端元的空间异质性,弥补了FCLS算法在端元选取过程中的不足。精度验证结果表明与FCLS算法相比,SUFCLS算法分类结果的均方根误差更小,丰度的相关系数更高,因此该方法对于提高湿地解混精度以及实现湿地精细化分类具有重要意义。  相似文献   

基于KL-ISOMAP的高光谱图像彩色可视化     

王立国  吴飞 《南京气象学院学报》2018,10(1):63-71

标志点等距映射（L-ISOMAP）作为一种降维方法,在高光谱图像可视化中极具潜力.针对L-ISOMAP算法标志点代表性不足以及计算代价较高的问题,提出了基于K-medoids聚类算法的改进型L-ISOMAP算法（KL-ISOMAP）,进而形成可视化方法.该可视化方法由以下几部分组成：1）通过改进型K-medoids算法选择标志点;2）根据相似度剔除相似像元;3）实现剩余像元的非线性降维;4）完成降维结果的可视化.实验结果表明,KL-ISOMAP算法一方面有效地提高了标志点的内在结构代表性,进而取得了更好的可视化效果;另一方面可通过对相似阈值的设置,加快算法的运算速度.由此形成的可视化方法有着较好的视觉效果、距离保持特性以及像元可分性.  相似文献   

Value-added Impact of Geostationary Hyperspectral Infrared Sounders on Local Severe Storm Forecasts——via a Quick Regional OSSE     

Zhenglong LI  Jun LI  Pei WANG  Agnes LIM  Jinlong LI  Timothy J.SCHMIT  Robert ATLAS  Sid-Ahmed BOUKABARA  Ross N.HOFFMAN 《大气科学进展》2018,35(10):1217-1230

Accurate atmospheric temperature and moisture information with high temporal/spatial resolutions are two of the key parameters needed in regional numerical weather prediction(NWP) models to reliably predict high-impact weather events such as local severe storms(LSSs). High spectral resolution or hyperspectral infrared(HIR) sounders from geostationary orbit(GEO) provide an unprecedented source of near time-continuous, three-dimensional information on the dynamic and thermodynamic atmospheric fields—an important benefit for nowcasting and NWP-based forecasting. In order to demonstrate the value of GEO HIR sounder radiances on LSS forecasts, a quick regional OSSE(Observing System Simulation Experiment)framework has been developed, including high-resolution nature run generation, synthetic observation simulation and validation, and impact study on LSS forecasts. Results show that, on top of the existing LEO(low earth orbit) sounders, a GEO HIR sounder may provide value-added impact [a reduction of 3.56% in normalized root-mean-square difference(RMSD)] on LSS forecasts due to large spatial coverage and high temporal resolution, even though the data are assimilated every 6 h with a thinning of 60 km. Additionally, more frequent assimilations and smaller thinning distances allow more observations to be assimilated, and may further increase the positive impact from a GEO HIR sounder. On the other hand, with denser and more frequent observations assimilated, it becomes more difficult to handle the spatial error correlation in observations and gravity waves due to the limitations of current assimilation and forecast systems(such as a static background error covariance). The peak reduction of 4.6% in normalized RMSD is found when observations are assimilated every 3 h with a thinning distance of 30 km.  相似文献