高光谱影像

摘要： 叶面积指数(LAI)是评价作物长势和作物产量的重要参数。为有效利用高光谱信息,优选出最佳波段进而构建新型双波段指数来提高LAI估测精度,以冬小麦为研究对象,获取冬小麦孕穗期无人机高光谱数据和实测地面LAI数据,开展冬小麦LAI反演研究。首先采用连续投影算法(SPA)、最佳指数法(OIF)以及逐波段组合法(E)分别进行无人机高光谱数据最佳波段筛选,进而将所选最佳波段构建新型双波段指数(VI_OIF,VI_SPA,VI_E);然后将构建的新型双波段指数和常规双波段指数(VI_F)与LAI进行相关性对比分析,最后结合支持向量回归(SVR)、偏最小二乘回归(PLSR)和随机森林回归模型(RFR)进行LAI估算,并对比分析常规双波段指数的估算精度,验证最佳波段选择方法构建新型双波段指数的最佳回归模型反演LAI的可行性。结果表明:(1)新构建双波段指数VI_OIF,VI_SPA,VI_E和VI_F与冬小麦LAI的相关性均达到0.05的显著水平,其中VI_SPA和VI_E与LAI的相关系数高于0.65,且RSI_SPA和RSI_E与LAI的相关性较高(r>0.71);(2)对比分析VI_OIF、VI_SPA、VI_E和VI_F构建的SVR模型、PLSR模型和RFR模型的冬小麦LAI估测精度,VI_SPA_PLSR模型估测精度最高,R^(2)和RMSE分别为0.75和0.90。该方法可为无人机高光谱数据波段选择以及冬小麦LAI反演提供技术支持和理论参考。

摘要： 云遮挡对高光谱影像的应用造成了不可忽视的影响。现有云去除方法通常利用时域近邻的同源影像提供辅助信息。然而,高光谱影像(如GF-5和EO-1高光谱影像)较低的时间分辨率导致同源辅助影像中可能存在较大的地物覆盖变化。时间分辨率更高的多光谱影像(如Landsat 8 OLI影像)能提供时间上更接近于高光谱云影像的辅助信息,从而减少地物覆被变化带来的影响。为应对高光谱和多光谱波段之间差异较大的问题,本文基于空谱随机森林(spatial-spectral-based random forest,SSRF)方法,提出一种利用多光谱影像(Landsat 8 OLI影像)对高光谱影像进行厚云去除的方法,将其简记为SSRF_M。SSRF_M较强的非线性拟合能力使其能够综合利用多光谱影像所有波段的有效数据对各个高光谱波段进行重建。本文使用GF-5和EO-1高光谱影像进行模拟云去除试验,视觉和定量评价结果均表明,与利用时间间隔更长的同源辅助影像的方法相比,本文方法能获得更高精度的云下信息重建结果。

摘要： 基于“资源一号”02D卫星高光谱影像数据在可见光波段连续成像以及光谱信息丰富的特点,通过自适应波段选择的方法选取计算可见光植被指数的最佳波段,探究在经过波段优选后不同种可见光植被指数对植被的提取效果。利用Otsu’s阈值法对可见光植被指数计算结果中的植被覆盖区域进行提取,并利用同幅影像进行基于支持向量机的监督分类得到验证数据,建立混淆矩阵,利用提取结果与监督分类结果进行植被提取精度的量化评价。评价结果表明:文章研究选取的8种可见光植被指数中,以超红指数(EXR)的提取效果最佳,其制图精度为88.23%,用户精度为90.50%,总体精度为87.71%,Kappa系数为0.7482,像元错分漏分现象都处于较低水平,在研究区内提取植被的效果优于其他7种指数,然而超红指数无法正确区分研究区内的植被与水体,后续对其改进中应着重进行增大水体与植被区分度的研究。

摘要： 线状特征是壁画中的重要元素。然而受到自然及人为因素的影响,壁画的部分线条常常变得模糊,人眼难以辨别。因此,提出一种利用高光谱影像分块主成分分析(PCA)与端元提取相结合的线状特征增强方法。首先,利用支持向量机(SVM)对壁画的合成真彩色影像进行分类,根据分类结果得到壁画标签数据,实现高光谱影像同质区域的分块数据。其次,对各分块影像进行顶点成分分析(VCA)得到候选端元集,通过构造投影矩阵合并相似端元确定最终端元集。然后,利用非负最小二乘算法解混得到线条丰度图。最后,将分块PCA的第一主成分影像归一化后与线条丰度图进行波段加权平均获取线状特征增强影像,将其与合成真彩色影像进行HSV图像融合得到线状特征融合影像。以瞿昙寺壁画局部高光谱影像为例进行了验证,结果表明,该算法能增强壁画中的线状特征,且较PCA增强法效果更好。

摘要： 在监测和管理林业资源的过程中准确的树种信息能够发挥非常重要的作用,及时了解树种及其生产情况能够帮助相关人员更好地开展林业建设。为了探索在树种分类识别中无人机高光谱影像的应用,笔者结合研究实例,探讨树种分类识别中应用无人机高光谱影像的方法和结果。仿真结果表明:与仅利用光谱特征分类相比,在分类特征中融入数理统计特征、植被指数特征以及纹理特征,能够极大地提升单个树种的分类精度;相比于SVM和MLC分类器,RF分类器拥有更好的分类效果和更高的分类精度,能够有效地适用于研究区树种分类;在树种分类识别中应用无人机高光谱影像,能够取得非常准确的识别结果。

摘要： 针对目前已有无人机影像处理软件不支持高光谱影像预处理,及低版本遥感图像处理平台(ENVI)批量化处理数据困难的问题,研究了利用交互式数据语言(interactive data language,IDL)与无人机遥感图像处理软件(PIE-UAV)相结合进行无人机高光谱影像处理的方法。首先,使用IDL实现影像预处理,包括影像配准、影像白板校正。其中,影像配准阶段包含单波段影像配准、配准后影像外扩、多波段合成以及影像裁切等步骤。其次,使用PIE-UAV进行影像正射纠正,使用ENVI软件进行影像镶嵌。实验结果表明,该方法能够得到色彩过渡均匀且满足要求的拼接高光谱影像。

摘要： 针对低秩稀疏表示的高光谱异常检测算法中背景字典易被污染、空间信息利用不足的问题,提出基于分数阶傅里叶变换(FrFT)和全变分正则化约束的高光谱图像异常检测算法.通过聚类算法,将图像高维数据映射至多个子空间;构造FrFT-RX算子,增大背景和异常的可分性,得到较纯净的背景字典.为了表示FrFT变换后中间域内背景与异常的空间特征,在低秩稀疏表示模型中引入全变分正则化项约束.采用交替方向乘子法对模型进行优化求解,得到异常检测的结果.在3个真实高光谱数据上开展目标检测实验,实验结果表明,与其他5种异常检测算法相比,本文算法具有更高的检测率和较低的虚警率.

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： 近地遥感常被用于获取作物冠层组分信息,但在提取叶片反射率时常受到土壤背景、穗和阴影效应的影响。为准确分类并提取作物冠层组分信息,该研究通过分析小麦冠层各组分(光照/阴影叶片、土壤、穗)的光谱及纹理差异,提出了一种光谱指数与数学形态学结合的作物冠层组分分类方法,探讨不同生育时期的最佳冠层组分分类方法,并定量分析不同组分的归一化光谱指数与小麦叶片氮含量的关系。结果表明:光谱指数法能较好地区分小麦抽穗前的不同冠层组分,而抽穗期的分类效果易受麦穗影响;光谱指数与数学形态学结合的分类方法能较好地消除麦穗对光照/阴影叶片提取的干扰(总体分类精度为97.80%,Kappa系数为0.97,运行时间3.87 min),该方法的分类精度及运行效率均优于传统分类方法(迭代自组织数据分析算法(Iterative Selforganizing Data Analysis Techniques Algorithm, ISODATA)和最大似然估计(Maximum Likelihood Estimation, MLE));而且,基于光照和阴影叶片的归一化光谱指数对叶片氮含量最敏感。研究结果可为其他作物冠层组分分类和精准农业中农学参数的定量反演提供技术参考。

摘要： 针对“珠海一号”高光谱遥感影像光谱分辨率高、响应范围广,但是空间分辨率低,不利于遥感信息提取、解译的问题,提出将“珠海一号”高光谱影像与GF-2全色影像融合的策略,采用基于谐波分析理论的空谱融合方法,将二者融合处理并进行质量评价。结果表明通过该融合方法能够得到既具有高空间分辨率又保持高光谱特性的融合影像。

摘要： 针对高光谱影像分类难题,从光谱研究、类别分布参数估值、特征空间降维、分类技术等多个方面分析了产生该类问题的原因,并就如何在高光谱影像的光谱空间和特征空间改善分类效果进行了探讨.

摘要： 高光谱影像中包含的条带噪声和高斯噪声严重影响了影像质量,为后续处理和分析带来一定的困难.为此,本文提出一种结合矩匹配残差补偿和非局部均值的高光谱影像噪声抑制方法.首先使用矩匹配方法消除条带噪声,得到无条带图像和相应的残差图像;然后根据条带噪声的性质,对残差图像进行条带检测,从中提取信息对无条带图像进行补偿;最后利用非局部均值去除影像中的高斯噪声.实验表明,由于针对不同类型噪声分别采用不同的处理方法,并利用残差信息进行补偿,该方法可以有效去除高光谱影像中的噪声,并在特征保持方面取得较好的效果.

摘要： 高光谱影像空间分辨率较低,为了进一步确定目标类型,深入研究高光谱影像特性是非常有必要的.通过分析高光谱影像原始数据,直观地分析了高光谱影像的光谱特性、波段特性和高维数据特性,为基于高光谱图像的目标检测与目标识别等技术研究提供了理论依据和数据支撑.

摘要： GF-5卫星是国际上首颗同时具有宽覆盖和宽谱段的高光谱分辨率卫星,对复杂地物的识别和分类具有很高的应用潜力.本文基于2018年11月份的GF-5高光谱数据,根据影像波段间相关性强的特点,提出了子空间划分和Recorre(S-Recorre)组合式方法对波段降维,并与子空间的MRMR(S-MRMR)和子空间的FCBF(S-FCBF)两种特征选择方法在黄河口湿地开展了地物分类能力的比较分析.结果表明:(1)S-Recorre方法快速去除GF-5高维数据的冗余特征,在11个波段分类时支持向量机的训练时间可缩短7.5倍,总体分类精度和互花米草的分类精度分别比全部波段分类时精度高0.78%和1.81%.(2)利用支持向量机对S-Recorre选择的波段进行分类时,在11个波段总体精度达到最高,为94.11%,互花米草分类精度为91.57%,分别比Recorre波段选择方法的分类精度高1.44%和2.41%,此时随机森林分类结果中互花米草精度比Recorre波段选择方法提高0.6%,比全部波段分类时提高1.81%.(3)在降维后6种不同的波段数目下,S-Recorre方法选择波段进行支持向量机分类的精度几乎全部优于S-MRMR和S-FCBF方法,体现了本文波段选择方法的有效性.

摘要： 本文构建了基于高光谱影像和激光雷达数据的卷积神经网络分类模型,并基于此模型开展了联合高光谱影像的原始光谱特征、光谱导数特征、纹理特征和激光雷达数据的强度特征、DSM模型和DTM模型的黄河口滨海湿地分类实验,结果表明:本文构建的CNN模型分类结果均优于SVM算法和传统的CNN模型;联合高光谱影像和激光雷达数据可以有效的提高分类精度.

摘要： 上个世纪80年代,由于成像光谱概念的出现,使得遥感技术迈进了一个崭新的高光谱遥感阶段.高光谱遥感器能够获得整个可见光、近红外、短波红外和热红外波段的多而窄的连续光谱,光谱分辨率可达纳米级,获取的地表图像包含地物丰富的空间、辐射和光谱三重信息,表现了地物空间分布的影像特征,同时可能以其中某一像元或像元组为目标获得其辐射强度或光谱特征.高光谱遥感数据大量的光谱波段为了解地物提供了丰富的遥感信息,有助于完成更加细致的遥感地物分类和目标识别,然而波段的增加也必然导致信息的冗余和数据处理复杂性增加.为此,高光谱数据的特征提取具有重要意义.

摘要： 不透水面遥感信息的反演是近十年来遥感领域的一个热门课题,但是利用高光谱影像反演不透水面信息的研究还较少,高光谱和多光谱影像反演不透水面的对比研究也少有报道.因此,本文重点研究了高光谱EO-1Hyperion和多光谱Landsat TM/ETM+数据在反演不透水面信息方面的特点,首先在福州、广州和杭州选取了3个实验区,利用线性光谱混合分析模型反演Hyperion和TM/ETM+影像的不透水面信息.对于多达242个波段的Hyperion影像,进一步利用判别分析从中选取了11个特征波段构成新的Hyperion’影像,以考察是否可用缩减波段的方法来取得较好的反演效果.结果表明,Hyperion高光谱影像反演不透水面的能力优于多光谱影像TM/ETM+,而利用特征波段构成的Hyperion’的反演精度最高,这主要得益于Hyperion具有更高的光谱分辨率和辐射分辨率,使其可以更有效地区别不同地物在光谱特征和辐射特征上的微细变化,从而可以更好地区分不同地物.而由特征波段构成的Hyperion’影像由于大幅减少了高光谱影像波段的冗余度,所以获得了更高的反演精度.

摘要： 随着传感技术的进步,传感器的性能得到极大的提高,从而使获得的高光谱图像更加清晰.尽管如此,在高光谱图像的获取过程中,仍然不可避免的有所退化,比如,噪声污染、条带腐蚀、数据缺失等等.退化的图像不仅在视觉上效果不好,而且影响进一步在诸如,城市规划、农业、森林保护等方面的应用,因此,对获取的高光谱图像进行预处理是非常必要的,并且已经成为一个热门的研究领域.本文利用低秩矩阵恢复的方法(LRMR)进行去噪实验，其中核范数用来探索光谱维的低秩性质，稀疏噪声由L1范数正则化检测。实验结果表明该算法优于许多在定量测量和视觉质量方面比较先进的去噪算法，如VBM3D,WNNM,VBM4D等。

摘要： 随着传感技术的进步,传感器的性能得到极大的提高,从而使获得的高光谱图像更加清晰.尽管如此,在高光谱图像的获取过程中,仍然不可避免的有所退化,比如,噪声污染、条带腐蚀、数据缺失等等.退化的图像不仅在视觉上效果不好,而且影响进一步在诸如,城市规划、农业、森林保护等方面的应用,因此,对获取的高光谱图像进行预处理是非常必要的,并且已经成为一个热门的研究领域.本文利用低秩矩阵恢复的方法(LRMR)进行去噪实验，其中核范数用来探索光谱维的低秩性质，稀疏噪声由L1范数正则化检测。实验结果表明该算法优于许多在定量测量和视觉质量方面比较先进的去噪算法，如VBM3D,WNNM,VBM4D等。

摘要： 随着传感技术的进步,传感器的性能得到极大的提高,从而使获得的高光谱图像更加清晰.尽管如此,在高光谱图像的获取过程中,仍然不可避免的有所退化,比如,噪声污染、条带腐蚀、数据缺失等等.退化的图像不仅在视觉上效果不好,而且影响进一步在诸如,城市规划、农业、森林保护等方面的应用,因此,对获取的高光谱图像进行预处理是非常必要的,并且已经成为一个热门的研究领域.本文利用低秩矩阵恢复的方法(LRMR)进行去噪实验，其中核范数用来探索光谱维的低秩性质，稀疏噪声由L1范数正则化检测。实验结果表明该算法优于许多在定量测量和视觉质量方面比较先进的去噪算法，如VBM3D,WNNM,VBM4D等。

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： 本发明涉及一种基于分波段及分块策略的高光谱/多光谱影像快速融合方法，包括：步骤1)对高光谱数据与多光谱数据进行预处理；步骤2)将数据裁剪出小块区域并且分波段；步骤3)对高光谱数据分波段；步骤4)对多光谱数据中多个波段取平均值，变换为一个波段；步骤5)对高光谱数据和合成一个波段的多光谱数据划定窗口大小并进行分块。本发明的有益效果是：本发明充分改进了现存融合方法计算效率的不足；充分利用图像分波段及分块融合的高效性、多光谱数据波段合成后对融合效果的提升性三个步骤融合高光谱数据与多光谱数据。该方法实现了数据高效率与高质量融合，实用性强。本发明提出的方法具有重要的实际应用意义。

摘要： 一种高光谱元件，包括：(1)多滤光器，包括：第一子滤光器，使具有第一波长的第一波长光通过，以及第二子滤光器，使具有第二波长的第二波长光通过，所述第二波长与所述第一波长不同；以及(2)多检测器，配置为检测所述第一波长光和所述第二波长光，其中，所述第一子滤光器和所述第二子滤光器可以串行布置在入射到所述多滤光器上的入射光的光路径中。

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： 本发明属于高光谱图像分类技术领域，特别涉及一种联合光谱空间多层感知器的高光谱影像分类方法及装置，该方法包括首先利用光谱多层感知器从高光谱图像中提取全局光谱特征；然后利用空间多层感知器从高光谱图像中提取局部空间特征；最后利用多层感知器融合全局光谱特征和局部空间特征对高光谱图像进行联合分类。本发明能够从高光谱图像中提取出光谱特征和空间特征，且能有效地将这些特征融合后再进行联合分类，具有较高的分类精度。

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。