多光谱影像

摘要： 该研究利用无人机多光谱遥感影像对棉花黄萎病造成的产量损失进行估算,为棉花黄萎病预防和防治提供依据。对病害棉田进行调查,获取无人机多光谱影像及地面产量损失数据,利用相关系数法及灰度值标准差法分别筛选识别病害棉株的最佳植被指数、最佳波段组合;基于筛选的结果建立棉田综合影像(最佳波段组合与差值植被指数综合影像),利用支持向量机径向基核函数分类法对病害棉田原始影像和综合影像进行产量空间分布分析及产量损失估算。结果表明,无人机多光谱影像识别病害棉田的最佳植被指数、最佳波段组合分别是差值植被指数(相关系数为-0.86)、波段B_(3)(550~10 nm)、B_(5)(656~10 nm)、B_(8)(800~10 nm)的波段组合(B_(3)-B_(5)-B_(8))(最佳指数因子为153.44);综合影像较原始影像更能准确识别病害棉田产量空间分布情况(总体精度为96.64%,Kappa系数为95.61%),不同病害严重度(健康b_(0)、轻度b_(1)、中度b_(2)、重度b_(3)、极严重b_(4))对应棉田面积比例分别为7.81%、23.78%、29.20%、13.92%、17.43%;综合影像对病害棉田产量损失量估算效果最好,不同病害严重度(b_(0)、b_(1)、b_(2)、b_(3)、b_(4))对应棉田产量损失率分别为0、22.80%、31.32%、49.02%、76.33%,预估籽棉损失量达4260.01 kg,损失率为49.16%,皮棉损失量达2267.18 kg,损失率为54.51%。与病害胁迫棉田产量损失估算值相比,实际棉田籽棉损失率高6.28%,皮棉损失率高4.48%。病害胁迫棉田产量估算值与实际棉田收获值差异不显著,能够准确实现病害棉田产量损失估算。研究结果可为无人机遥感监测作物病害造成的产量损失提供理论依据和参考。

摘要： 针对红树林叶面积指数(Leaf Area Index,LAI)实地测量难度大、无法快速大范围LAI估算的问题。该研究以广西北部湾红树林为研究对象,以无人机(Unmanned Aerial Vehicle,UAV)和哨兵二号(Sentinel-2A,S2)多光谱影像为数据源,整合原始光谱波段、植被指数和组合植被指数构建高维数据集,并进行数据降维和特征优选。定量评估6种机器学习算法(XGBoost、前馈反向传播神经网络(Back Propagation,BP)、支持向量机(SVM)、岭回归(Ridge)、Lasso和弹性网络(ElasticNet))对不同红树林树种LAI的估算能力;探究UAV和Sentinel-2A影像对红树林树种LAI估算的精度差异。研究结果表明:1)基于XGBoost算法构建的模型实现了红树林LAI高精度估算,R^(2)均高于0.70,RMSE均低于0.349;2)在UAV和Sentinel-2A影像下,XGBoost模型对不同红树林树种LAI的估算精度(R^(2))比其他5种模型分别提高了0.105~0.365和0.283~0.540,RMSE降低了0.100~0.392和0.102~0.518;3)UAV影像数据与XGBoost算法构建的模型对海榄雌LAI的估算精度优于其他组合(R^(2)=0.821、RMSE=0.288),Sentinel-2A影像数据与XGBoost算法构建的模型对秋茄和桐花树LAI的估算精度优于其他组合(R^(2)=0.940~0.979、RMSE=0.142~0.104),不同红树林树种LAI的估算精度依次为桐花树>秋茄>海榄雌;4)SNAP-SL2P算法整体性低估红树林LAI值,UAV影像红树林树种LAI的平均估算精度(R^(2)=0.677~0.713)均优于Sentinel-2A影像,实现了不同红树林树种LAI的高精度估算。

摘要： 为加强对粮食生产区水稻倒伏面积、位置及严重程度的识别和监测,基于黑龙江红卫农场2019年9月22日的哨兵2号卫星多光谱遥感影像计算水稻的光谱反射率、植被指数以及图像纹理3种特征,利用决策树分类法对倒伏水稻进行识别和分类。首先根据现场调查和目视解译结果选定倒伏水稻样点,分析正常、轻度倒伏、中度倒伏、重度倒伏4种倒伏类型水稻的光谱反射率特征,发现在绿光、红光、红边3以及近红外1处存在较大差异。植被指数特征中,NDVI和RVI均随水稻倒伏程度加深而下降,GRVI、DVI和NDREⅠ则在水稻倒伏后逐渐增加。其中,不同倒伏类型水稻的DVI显示出了较大的差异。4种水稻倒伏类型在可见光波段的均值纹理特征差异显著,尤其是蓝光波段的纹理均值是区分不同倒伏类型的重要特征。基于对水稻倒伏敏感的特征量构建决策树,成功区分了正常、轻度倒伏、中度倒伏和重度倒伏4种倒伏类型,与实际倒伏面积对比的识别误差分别为5.33%、6.51%、10.25%和-7.75%,识别的准确度较高。

摘要： 精准获取葡萄种植区分布信息对其精细化管理和优质基地建设具有重要意义,通常大区域种植区识别主要基于遥感影像完成,但葡萄种植区空间位置的分散性和背景环境的复杂性,使得种植区识别的精度不高。该研究基于DeepLabv3+网络,改进网络输入通道数使其能够接受更多的光谱信息,同时构建波段信息增强模块(BandInformation Enhancement,BIE),利用各波段特征图之间的相关性生成综合特征,提出了波段信息增强的葡萄种植区识别方法(BIE-DeepLabv3+)。在2016和2019年高分二号影像葡萄种植区数据集上训练网络,在2020年影像上测试其性能,结果表明,改进模型输出结果的平均像素精度和平均交并比分别为98.58%和90.27%,识别效果好于机器学习SVM算法,在深度学习DeepLabv3+模型的基础上分别提高了0.38和2.01个百分点,比SegNet分别提高了0.71和4.65个百分点。BIE-DeepLabv3+模型拥有更大的感受野和捕获多尺度信息特征的同时放大了地物间的差异,能够解决影像中葡萄种植区存在类间纹理相似性、背景和环境复杂等问题,在减少模型参数的同时预测出的葡萄种植区更加完整,且边缘识别效果良好,为较大区域内背景复杂的遥感图像葡萄种植区识别提供了有效方法。

摘要： 尾矿是矿产资源采选过程中的主要废弃物,处理方式主要为堆存排放,既污染环境又不利于资源回收利用,遥感作为高效、便捷的技术手段可全面摸查尾矿的堆存现状,推动“双碳”目标的实现。本文以河北省滦州市司家营尾矿库为研究对象,利用实测尾砂波谱以光谱角度匹配(spectral angle match, SAM)和波谱特征拟合(spectral feature fitting, SFF)方法进行端元波谱识别,然后对Landsat8 OLI影像和珠海一号影像数据进行尾矿填图。结果表明,Landsat8 OLI影像尾矿的匹配分值为1.618,珠海一号影像内尾矿的匹配得分为2.069,多光谱数据和高光谱数据识别结果高度吻合,且珠海一号高光谱影像填图精度要优于Landsat8 OLI多光谱影像;耦合高光谱数据的多源遥感影像能够获取尾矿库的位置信息,可为矿产资源管理部门提供数据参考。

摘要： 针对林地普查过程中人工监测耗时长、数据实时性和真实性差以及遥感数据空间分辨率低的问题,使用无人机高分辨率多光谱影像,依据深度学习理论和数据降维技术,提出了一种基于卷积神经网络和特征选择的林地提取方法.从网络训练效率出发对参与提取的特征参数进行重构和筛选,利用主成分分析(principal component analysis,PCA)法和相关性分析法对多光谱数据进行降维,在最大程度保留其光谱特征和纹理特征的前提下对输出参数进行抽取,并通过构建U-Net卷积神经网络模型实现无人机多光谱影像的林地提取和精度验证.结果表明:基于卷积神经网络和特征选择的无人机多光谱影像林地提取方法可以有效避免提取结果破碎化以及草地等相近反射率地物的误分,对树木阴影区也有较好区分,识别精度能够达到84.79%.该方法在区域林地变化监测领域具有较大的应用价值与现实意义.

摘要： 为了提高大尺度农田管理的针对性,探寻低成本高效的分区方法,以黑龙江省典型黑土区30.8 hm2春玉米田为对象进行分区研究。基于吐丝期无人机多光谱影像,使用多尺度分割与模糊聚类相结合的方法进行分区,同时基于播种前的土壤养分(土壤有机质、速效氮磷钾)、土壤体积含水率、电导率、pH进行模糊聚类分区并作为对照,对分区间春玉米产量和土壤养分进行方差分析,并对分区内变异系数进行比较以评价分区效果。结果表明,基于无人机影像得到4个较优管理分区为M1、M2、M3、M4,各分区产量分别为7597.53、8236.35、8686.98、9119.93 kg·hm^(-2),各分区间产量差异显著,其中M1、M2、M3间土壤养分差异显著(P<0.05),分区内作物产量和土壤养分的变异系数降低;基于土壤数据确定4个分区,即S1、S2、S3、S4,春玉米产量分别为7754.81、8173.44、8860.05、9153.23 kg·hm^(-2),分区间土壤养分、土壤水分差异显著(P<0.05),分区内部土壤均一性提高。综合来看,2种方法的划分结果在空间分布上具有一定的相似性,同级分区的空间重合度分别为40.00%、46.51%、57.45%、59.38%,整体重合度为51.32%。当缺乏土壤数据时,无人机多光谱影像可为农田管理分区提供参考依据。

摘要： 对传统村庄景观格局进行准确检测和分析,由于人工调查费时费力,且导出的数据往往主观、定性且单调,在分析理解其社会文化环境和人与自然的关系时难以发挥关键作用.以河北某古村落为研究背景,探讨了基于低空无人机获取的遥感数据对其空间格局进行测量和分析的方法,建立了四级分层景观识别方案和相应的景观类别规制,使用面向对象的图像分析方法(OBIA)和机器学习分类器构建三级分类模型.经过交叉验证,该模型准确且稳定,最终提取了该村庄五个主要遗产景观元素,基于距离统计和聚类分析,揭示了目标景观的空间格局特征和分布差异.

摘要： 高效、无损的监测作物长势是现代精准农业的核心环节,无人机平台因具有成本低、数据获取效率高、测试高度及测试时间可按需调节等优点,在监测作物长势中发挥着地面平台和高空平台无法比拟的优势.本研究以小麦为研究对象,应用无人机搭载RedEdge-M多光谱相机获取主要生育时期的小麦冠层多光谱影像,并同步取样测量小麦叶片SPAD、地上部鲜重和干重,进一步探索基于无人机平台获取多光谱影像的预处理方法,提取小麦冠层反射率并筛选出适合作物长势监测的植被指数,构建基于无人机平台的小麦长势监测模型,结果表明,基于NDVI、SAVI、CCCI构建的多元线性回归模型精度更高、稳定性更好.预测小麦SPAD值的最佳模型为y=19.765+7.522NDVI+18.362SAVI+25.629CCCI,R2为0.965;预测小麦地上部干重的最佳模型为y=-0.508+0.603NDVI+0.325SAVI+0.032CCCI,R2为0.951;预测小麦地上部鲜重的最佳模型为y=-2.217+2.923NDVI+2.213SAVI-1.417CCCI,R2为0.766.本研究结果可为园区和农场尺度小麦长势的实时监测提供有效技术支撑.

摘要： 为了使无人机多光谱影像能够真实地反映地面目标的光谱特征和实际地理位置,需要对无人机多光谱影像进行几何与辐射校正.结合摄影测量方法和经验线性定标法对多光谱影像进行几何与辐射校正,并基于地面实测数据对几何与辐射校正精度进行评价.结果表明:基于上述方法处理后的无人机多光谱遥感影像与地面实测数据一致性良好.基于摄影测量方法处理的影像在水平方向的定位精度为0.2 m,高程方向的定位精度为0.4 m,成果满足1:500比例尺成图要求.基于经验线性定标法处理的无人机多光谱影像在大多数波段的可决系数大于0.9,成果可用于地物分类和植被识别等定量反演研究.

摘要： 随着遥感卫星空间分辨率的不断提高,卫星平台震颤对高分辨率遥感影像成像质量的影响已不容忽视.卫星平台震颤检测的常用思路是基于遥感影像进行震颤检测与分析.本文利用已建立的平台震颤像移估计模型,针对高分八号多光谱影像进行了平台震颤检测.首先,通过高精度密集匹配得到多光谱影像不同波段间的相对配准误差,然后对相对配准误差进行傅里叶分析、最小二乘拟合等处理、分析,最后根据所建立的估计模型对高分八号多光谱影像进行平台震颤估计.实验结果表明高分八号卫星在垂轨方向存在0.64Hz、19.74Hz、58.56Hz、97.70Hz四种频率的震颤,引起影像0.22pixel、0.04pixel、0.01pixel、0.06pixel大小的震颤像移,沿轨方向存在0.17Hz、17.85Hz、97.69Hz三种频率的震颤,引起影像1.27pixel、0.03pixel、0.23pixel大小的震颤像移.

摘要： 提出一种综合多光谱影像各波段内容特征的感知哈希算法,以实现基于感知内容的多光谱影像完整性认证,并将认证的粒度精确到具体波段.首先,对多光谱影像进行预处理,根据各波段信息丰富程度的不同,选择不同的特征提取方式;然后,分别基于边缘提取算法和离散余弦变换(DCT)变换提取各波段内容特征;最后,对提取的特征进行压缩与归一化处理,得到多光谱影像的感知哈希序列.多光谱影像的认证过程则是通过比较待认证波段的感知哈希序列和原始感知哈希序列之间的差异来实现的.实验证明,该算法能够有效实现多光谱影像的完整性认证,并能够将篡改定位到具体的波段,克服了现有感知哈希算法没有顾及多光谱影像数据特征的缺陷,为多光谱影像的有效利用提供了保障.

摘要： 随着遥感卫星空间分辨率的提高,卫星平台震颤对成像质量的影响越来越受到卫星总体设计、相机设计以及地面处理与应用部门的重视.基于遥感影像的震颤检测方法是进行卫星平台震颤分析的方法之一.考虑到多光谱影像高空间分辨率、高成像频率和平行排列扫描成像的特点,本文以资源三号卫星为研究蓝本提出一种基于多光谱影像的卫星震颤检测方法.首先对资源三号多光谱相机焦平面设计和成像特点进行了说明,对影响波段配准误差的因素进行了分析,然后采用高精度影像匹配技术均匀匹配数量充足、均匀分布的同名点作为误差统计样本点,最后统计不同波段间配准误差大小,并分析配准误差随成像行的变化规律.本文分别采用河南登封地区资源三号多光谱配准前和配准后影像进行实验分析,结果表明资源三号卫星在垂直于飞行方向存在约0.35个像素0.6Hz的周期性震颤,在沿飞行方向存在约0.15个像素0.6HZ的周期性震颤.

摘要： CCD相机是中巴资源卫星完成对地观测任务最重要的遥感器，因此对其获取的多光谱影像进行相应的预处理以满足不同用户的需要是十分必要的。本文即以CBERS-02 CCD影像为例，对中巴影像的辐射校正和几何校正方法进行探讨。

摘要： 2017年8月8日,四川省九寨沟县发生MS7.0级地震,对九寨沟景区造成了较大破坏.本文基于多时相的Sentinel-1SAR影像,利用差分干涉测量技术,获取了震区地表相对形变量,对震前和震后较长时间段内震区地表变化进行持续监测及分析.基于多时相的Sentinel-2多光谱影像,本文针对景区重要景点受损情况,开展损毁情况监测和分析,重点监测各处水域受损恢复情况.结果显示:九寨沟地震造成了景区一定程度的地表位移,引起视线方向地表相对形变量在-17cm～+14cm之间,与一些学者关于九寨沟地震灾害的研究成果相吻合;震前和震后较长一段时间内,景区内未发现明显的地表形变现象,说明震后较长时间段内,再未发生大规模的由地震灾害衍生的其它灾害,也并没有发生大规模震后次生灾害的趋势或迹象.九寨沟景区部分受地震灾害破坏的景点,其生态状况还未恢复到灾前情况.

摘要： 本文旨在探讨RapidEye影像在中国东北松嫩平原地区农业用地的地表覆盖和土地利用分类制图上的潜力.通过一种新的面向对象决策树分类器方法,分析RapidEye多光谱影像的不同光谱特征的分类效果,尤其是RapidEye红边波段对于提高农业用地分类的巨大潜力.实验结果表明,该方法在本研究区农作物类型的提取上具有明显优势.

摘要： 针对遥感影像分辨率低的问题,提出了一种新的基于分块PCA(Sub-pattern Principal Component Analysis,SpPCA)的低分辨率多光谱影像和高分辨率全色影像的融合方法.该方法通过对多光谱影像的像素模式向量进行分块,然后在每一个子决内进行主成分提取,将全色影像替换子块的主成分波段,最后将替换后的影像进行PCA逆变换,得到融合后的影像.该影像在很大程度上保留了多光谱影像的光谱特性和全色影像的空间分辨率,并且和传统PCA变换相比具有更小的时间开销.仿真结果表明了本方法的有效性.

摘要： 遥感影像的融合能够实现全色影像与多光谱影像的优势互补,从而有助于影像的特征信息提取和分类处理。WorldView-2是目前分辨率最高的商业卫星之一,其全色波段影像分辨率可达0.41 m。本文采用几种常用的融合方法对青岛市某区域的worldView-2影像进行融合,并利用图像均值、信息熵、相关系数等参数对比评价了各算法的高分辨率影像融合效果。实验结果表明:GS变换能在保持融合影像具有最佳目视效果的同时又能最大限度地保持光谱信息的丰富度、保真度。

摘要： 以武汉食品工业加工区规划为例，在GIS技术支持下，基于CBERS-02星CCD多光谱影像的解译和数据统计，采用生态环境影响评价中的景观生态学方法，应用景观生态学的基本观点和原理，通过对规划前后园区景观生态环境质量的分析，对园区的生态质量现状及变化趋势做出评价和预测，为CBERs-02星CCD数据在区域景观生态环境质量评价中的应用提供了技术指导。

摘要： 影像融合是目前获得既具有高分辨率信息,又具有丰富的多光谱信息影像的重要手段,然而传统的实数小波变换天生具有无可改变的缺陷,直接影响图像的融合效果.此时,双树复小波应运而生,双树复小波变换不仅能够极大地减小通常的实小波变换中的平移敏感性,改善方向选择性,且这些优点使双树复小波变换成为有效的图像配准融合工具,能够显著提高配准融合质量.根据双树复小波变换原理,设计了基于双树复小波变换的模值加权融合法以及结合IHS变换和双树复小波变换的融合方法.实验结果表明基于双树复小波变换的融合方法确实较好地保持了高分辨率特征,并在一定程度上保留了不错的多光谱信息.

摘要： 本发明公开了光谱分光彩色影像颜色采集箱以及一种光谱分光彩色影像颜色检测方法，其中采集箱包括有箱体和设置于外箱体内的中性漫射内胆，所述中性漫射内胆的底部设置有光源组件，该光源组件的下方设置有置物台，所述的箱体顶部设置有用于采集被测物体彩色影像的数码相机，其特征在于：所述的光源组件为多波段光源组件。本发明采用国际标准的分光照明采样的测量方法，先得到光谱反射因数，然后根据色度学公式计算三刺激值和色品坐标，解决现有的仪器无法测量的多色彩图像、曲面或凹凸不平、颜色混合且着色不均匀或不规则的物体表面色彩和同色异谱及荧光颜色量化检测的难题，实现非接触式光谱分光影像颜色智能化检测。

摘要： 本发明公开了一种顾及光谱重要性的高光谱影像空谱分类方法及装置，对于给定具有数百个光谱波段的高光谱遥感影像，通过随机森林计算光谱特征重要性；自定义光谱权重特征核函数，利用提取的光谱特征权重，建模每一个光谱波段在分类中的相对作用，对地物类别识别更有益的波段赋予更大的权重，增加地物的光谱判别能力；在条件随机场统一的框架下构建光谱一元势能和空间二元势能，在光谱一元势能中考虑光谱特征权重，集成光谱权重核函数在非线性空间中提升不同光谱特征的区分能力，并通过空间二元势能建模地物的空间相关性。实施本发明的有益效果是：减轻了不重要波段对于分类的影响，提高类别的可区分性，提升分类效果。

摘要： 本发明提供了一种基于光谱形态和Gram‑Schmidt变换约束的高光谱影像变分融合方法，包括：基于传统的影像变分融合模型，设计了新的光谱形态约束项和相关性约束项；光谱形态约束项采用邻域像素的光谱形态特征和新的权重分配方法，修正由空间分辨率的变化引起的光谱失真；相关性约束项基于Gram‑Schmidt变换方法的生成影像建立约束，提高融合影像与标准参考影像的相关性。本发明的有益效果是：本发明所提出的技术方案将影像融合问题转化为能量方程的最优化问题用以重建融合影像；与传统的变分融合方法相比，本方法能够有效提高高光谱影像的空间分辨率，并较好的保持影像中原有的光谱信息。

摘要： 本发明公开了联合光谱、空间和层次结构信息的高光谱遥感影像分类技术，包括输入待分类的高光谱影像，提取参考数据样本集；选取监督分类的训练样本集；对原始影像采用主成分分析提取影像前三个主成分波段，使用拓展形态学方法提取空间特征向量；对原始影像采用马尔科夫特征选择进行降维，采用代数多重网格方法构建影像金字塔，使用层次分割方法得到多层分割结果；将原始光谱特征向量、空间特征向量和层次结构特征向量组合构建多核矩阵；利用支持向量机方法计算核矩阵差异获取最终的类别属性标签；输出最终的影像分类图。本发明提供了一种有效的分类方法，能充分提取挖掘影像信息，能有效提高高光谱影像分类精度。

摘要： 本发明公开了光谱分光彩色影像颜色采集箱以及一种光谱分光彩色影像颜色检测方法，其中采集箱包括有箱体和设置于外箱体内的中性漫射内胆，所述中性漫射内胆的底部设置有光源组件，该光源组件的下方设置有置物台，所述的箱体顶部设置有用于采集被测物体彩色影像的数码相机，其特征在于：所述的光源组件为多波段光源组件。本发明采用国际标准的分光照明采样的测量方法，先得到光谱反射因数，然后根据色度学公式计算三刺激值和色品坐标，解决现有的仪器无法测量的多色彩图像、曲面或凹凸不平、颜色混合且着色不均匀或不规则的物体表面色彩和同色异谱及荧光颜色量化检测的难题，实现非接触式光谱分光影像颜色智能化检测。

摘要： 本发明公开了一种基于MCL和光谱差异度量的高光谱影像波段选择方法，通过计算波段间的相关系数，构建波段间相关性的邻接矩阵，运用马尔可夫聚类自适应地将波段划分为多个聚簇，并基于聚类结果，设计目标类别监督下的波段差异性度量准则，选择出适于目标地物提取的波段集，最后利用监督分类算法，依据训练样本和测试样本确定最优波段数，实现目标地物的最高精度提取。其显著效果是：充分运用波段间邻近相关性和波段索引距离信息，并且考虑了噪声较大波段和坏道零值波段对聚类的影响，提高了波段聚簇划分的准确性和合理性，实现了选择最优波段和目标地物精准识别，具有解决实际问题的优势。

摘要： 本实用新型提出一种用于产生高光谱影像的光谱影像获取装置，其包括：楔形滤光片；活动件，直接或间接连接于楔形滤光片；驱动装置，可移动活动件以改变楔形滤光片的位置；数字成像装置；以及遮光连接罩，罩住楔形滤光片并连接驱动装置与数字成像装置，且包括容置槽、第一开口、以及第二开口。数字成像装置连接于第二开口处，活动件可带动楔形滤光片于容置槽中移动。光谱影像获取装置的入射光只能经由第一开口射向楔形滤光片，且入射光穿透楔形滤光片时会被滤除部分光谱成分，并经由第二开口射向数字成像装置，使数字成像装置依据穿透楔形滤光片的光线产生光谱影像。光谱影像获取装置可移动楔形滤光片来改变数字成像装置接收到的光谱成分，能有效减少所需的滤光片数量。

摘要： 本发明公开了一种结合高光谱特征的多光谱遥感影像特定地物提取方法，包括以下步骤：S1,采集待测区域中若干个不同区域的斜坡散粒体及岩石的高光谱数据，其中岩石高光谱数据包括新鲜面光谱曲线和风化面的光谱曲线；S2，基于所采集到的斜坡散粒体及岩石的高光谱数据，获得斜坡散粒体的高光谱特征；S3，利用卫星获取待测区域的多光谱遥感影像，对所述多光谱遥感影像进行处理，得到分类特征对象和解译的多光谱影像；S4，基于所述解译的多光谱影像和所述斜坡散粒体的高光谱特征，对所述分类特征对象进行特征提取，得到斜坡散粒体的特征参数；S5，基于所述斜坡散粒体的特征参数进行地物提取。本发明显著的提高了斜坡散粒体的提取精度。

摘要： 本发明涉及基于参考光谱匹配的多光谱遥感影像大气校正系统及方法，该方法突破了现有方法只能适用于浓密植被地区的不足，根据城市地区具有多种稳定不变地物目标的特征，假设不同地区不同时相的地物目标具有相似的光谱特征，通过光谱匹配技术，建立不同气溶胶光学厚度下的地表反射率与参考光谱的相似度，最终实现多光谱影像的气溶胶反演和大气校正，不需要多时相卫星影像，适用于全年各种天气和各类城市，可实现单幅多光谱图像的大气校正。

摘要： 本发明公开了一种结合高光谱特征的多光谱遥感影像特定地物提取方法，包括以下步骤：S1,采集待测区域中若干个不同区域的斜坡散粒体及岩石的高光谱数据，其中岩石高光谱数据包括新鲜面光谱曲线和风化面的光谱曲线；S2，基于所采集到的斜坡散粒体及岩石的高光谱数据，获得斜坡散粒体的高光谱特征；S3，利用卫星获取待测区域的多光谱遥感影像，对所述多光谱遥感影像进行处理，得到分类特征对象和解译的多光谱影像；S4，基于所述解译的多光谱影像和所述斜坡散粒体的高光谱特征，对所述分类特征对象进行特征提取，得到斜坡散粒体的特征参数；S5，基于所述斜坡散粒体的特征参数进行地物提取。本发明显著的提高了斜坡散粒体的提取精度。