共查询到20条相似文献，搜索用时 15 毫秒
1.
在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度. 相似文献
2.
不同的遥感影像融合算法有不同的优点和局限性,因此难以单纯评价某种算法的优劣,融合算法的选择与研究对象和应用目的有着密切的关系。在概略介绍IHS变换、Brovey变换、PCA变换、SFIM变换及Gram-Schmidt变换5种图像融合算法原理的基础上,对IKONOS全色和多光谱数据进行像元级融合,并对融合效果进行了定性和定量评价。在此基础上,对融合影像进行最大似然法分类,利用混淆矩阵对分类结果进行精度分析,以期找出适合于地表覆盖分类的IKONOS影像融合算法。结果表明,在图像空间信息提高和光谱信息保真方面,以SFIM变换和Gram-Schmidt变换相对较好,其中Gram-Schmidt变换对图像微小细节反差的表达能力优于SFIM变换。在上述5种变换中,SFIM及Gram-Schmidt变换后融合影像地表覆盖分类精度较高,总体精度均超过98%,Gram-Schmidt变换的分类精度略高于SFIM变换,IHS变换后融合影像的分类精度最低,其总体精度和Kappa系数分别为83.14%和0.76。因此,利用Gram-Schmidt变换和SFIM变换得到的IKONOS融合影像更有利于提高地表覆盖分类精度。 相似文献
3.
基于面向对象的QUICKBIRD数据和SAR数据融合的地物分类 总被引：1，自引：0，他引：1
为了实现精确植被类型信息提取,以福建省三明市将乐林场Quickbird影像和Radarsat-2全极化影像作为基础数据,探讨高空间分辨率光学遥感影像与SAR(合成孔径雷达)全极化影像融合进行地表覆盖及森林类型识别的可行性。采用面向对象多尺度分割方法对Quickbird全色与多光谱的融合影像进行处理,SAR影像采用Gram-Schmidt融合方法处理,运用处理的Quickbird与SAR的融合影像,分类提取植被的光谱、纹理和几何特征信息,建立类层次结构,并对分类结果进行比较分析。结果表明:基于对象与知识的方法对高空间分辨率影像分类取得了较好的分类效果,多源遥感数据分类的总体精度为0.903。 相似文献
4.
本研究在整体小波变换融合方法基础上，提出了基于对比度的局部特征选择加权小波变换影像融合方法，并以多光谱TM和高空间分辨率IRS-1C全色波段图像为例，与色彩空间变换HIS融合方法进行图像融合效果的比较分析试验。试验表明基于对比度的局部特征选择加权小波变换影像融合方法能在最大限度保持多光谱影像光谱信息的同时，增强了影像的纹理信息。 相似文献
5.
6.
为了提高多云雾地区光学遥感影像利用率、探索不同云量的光学影像和SAR影像的最佳融合尺度,选取重庆市渝中地区为研究区,基于Sentinel-1A极化合成孔径雷达(SAR)影像与不同云量的Sen鄄tinel-2A(云量分别为0、10%、20%、30%)光学影像,进行小波变换融合、乘积变换融合、高通滤波融合,再利用图像评价方法评价影像融合以后的效果,最后利用面向对象的方法对融合前后的影像进行分类,利用混淆矩阵比较最终的分类精度。结果显示,无云情况下,小波变换融合效果最好,最大限度地保留了原多光谱影像的亮度、反差,有效防止了影像信息的丢失,对植被的解译能力有了明显改善,而融合后的影像保真度较差,其余两种融合效果相对次之,因此,在多云雾地区进行多源遥感数据融合时,尤其是异质数据融合时,优先推荐小波融合算法;当云量为10%以上时,3种融合算法虽然信息熵略有增加,但平均梯度、标准差减少了,造成解译困难,导致最终分类精度均略低于Sentinel-2A影像,远低于Sentinel-1A影像,基本不能满足使用要求,因此,在进行地表覆被解译时,推荐用SAR影像替代光学影像。 相似文献
7.
首次利用ENVISAT ASAR交叉极化模式数据与中巴地球资源卫星02星(CBERS-02)CCD数据进行融合,对融合后的图像进行分析和讨论。通过比较IHS变换融合、主成分分析融合和小波变换融合方法发现,采用IHS变换融合产生的融合图具有更好的目视判读效果,但是由于ASAR数据受到相干斑噪声的影响,在滤波去噪后,融合图的空间分辨率变低。另外,该融合图包含了地物的VV极化和HH极化后向散射特征,使地物结构形态、复介电常数和地物的光谱信息等重要的地物参数信息都包含在融合图中,增强了区别地物的能力,就农作物的目视解译和分类而言,该融合图精度得到了较大提高。 相似文献
8.
以ETM多谱段和全色影像为数据源,在最佳波段组合分析的基础上,采用主成分变换、乘积变换、小波变换、小波+IHS混合变换和小波+主成分混合变换等方法对图像进行融合.以均值、标准差、信息熵为评价指标,比较分析了不同地物特征的图像融合效果.结果表明:采用小波+IHS混合方法有利于耕地信息的提取;采用小波+主成分融合方法有利于居民地、林地、牧草地、水域、未利用地和园地等信息的提取. 相似文献
9.
《浙江农林大学学报》2017,(2)
针对林业部门目前常用的遥感影像融合算法,探究适合于林地信息提取的GF-2影像融合算法。以GF-2卫星1 m全色/4 m多光谱分辨率平面影像为数据源,采用HSV变换(hue-saturation-value,颜色空间变换),Brovey变换(彩色标准化变换),PC变换(principle components,主成分变换),HPF变换(high-pass fusion,高通滤波变换),GS变换(gram-schmidt,正交化变换),Pansharp变换(超分辨率贝叶斯变换)等6种常用融合算法,通过目视和定量特征分析对融合效果进行评价,并结合面向对象分类方法对融合后影像进行地类信息提取和分析,探讨6种融合算法对GF-2影像在林区地类提取的适宜性。研究结果表明:基于Brovey和HSV算法的融合结果目视效果良好,清晰度与纹理增强明显;这2种融合算法影像在不同地类信息的提取上各有优势,HSV算法融合结果在不同地类的提取上效果最好,分类总精度可达85.14%,Brovey算法融合结果则在森林类型的提取上具有最高的分类总精度,为75.72%;其余4种融合算法在图像质量及其他地类提取中各有优势,具体融合算法的选取需根据应用目的和影区应用区域的实际情况而定。该研究可为林业部门提高GF-2卫星的适用性及大规模应用提供参考。 相似文献
10.
根据城市植被在IKONOS影像上的光谱、纹理、几何和位置响应特征,采用面向对象的方法对城市植被进行分类.首先,利用NDVI和蓝波段光谱响应值的阈值将实验区分割为植被和非植被区,然后针对植被区利用区域增长算法进行二级分割,生成植被对象;根据植被在IKONOS上的响应特征,选择形状指数、亮度值、绿波段的最大差值、红波段的平均值、近红外波段的比率、近红外波段的方差和对象重心的位置,即横纵坐标以及Homogeneity指数等9个指标构建特征空间;在此基础上,利用最大似然法识别城市植被类型,并利用专家知识对分类结果进行再组合.研究表明,利用这种方法获得的城市植被信息总精度达到87.37%,Kappa系数达到0.8267. 相似文献
11.
【目的】针对时空融合方法在遥感植被状况调查及动态变化监测中的应用,比对时空自适应反射率融合模型(STARFM)、增强型时空自适应反射率融合模型(ESTARFM)、回归拟合空间滤波和残差补偿模型(Fit-FC)和规则集回归树融合模型(RPRTM)等4种时空融合模型对归一化植被指数(NDVI)的融合效果。【方法】以三江源地区2块具有差异性地表特征的区域为研究样地,采用上述4种时空融合方法,融合空间分辨率30 m的Landsat 8影像和250 m时间步长16 d的MODIS NDVI数据,生成步长为16 d的30 m空间分辨率的NDVI数据。基于Landsat NDVI影像通过定性的目视判别和定量的统计分析来评价不同融合模型结果的空间特征模拟效果,并以真实的MODIS NDVI时间动态为参考,分析了不同融合方法对地表植被动态特征的拟合效果。【结果】(1)关于空间特征的捕捉,在地表覆盖状况较复杂的区域,RPRTM融合效果最佳(R2=0.82);而对于输入影像差异较大的区域,ESTARFM融合效果最佳(R2=0.95)。(2)关于时间动态的捕捉,RP... 相似文献
12.
13.
遥感影像的光谱特征和空间纹理特征是提取沙地信息的关键因素,数据融合可以弥补二者的不足。利用主成分变换、乘积变换和比值变换3种不同的融合方法,对Landsat ETM+遥感影像进行自身空间分辨率融合,并对融合结果进行主观目视判读评价和客观数理统计评价。评价结果表明比值法效果最好,光谱失真较小,空间纹理特征明显增强,主成分变换次之,乘积法最差。 相似文献
14.
15.
以CBERS数据与ASAR数据为多源遥感数据源,进行CBERS影像与ASAR影像HPF像素级融合,得到了高空间分辨率的多光谱影像HPF融合影像,并结合DEM数据,提取植被覆盖度、土地类型、坡度土壤侵蚀信息,在土壤侵蚀信息准确性和丰富性方面,取得了较理想的效果,为实际应用中提取土壤侵蚀信息提供了参考。 相似文献
16.
17.
ETM+遥感影像融合方法的土地覆盖分类精度的研究 总被引：1，自引：1，他引：0
采用小波变换、小波和PCA相结合、小波和HIS相结合等遥感影像融合方法对Landsat7 ETM+多光谱与全色影像进行融合和土地覆盖分类研究,并结合影像的光谱统计参数和融合影像分类精度对这些方法进行评价,结果发现这3种融合方法均能不同程度地提高影像的分类精度。其中,第3种方法所得融合影像与原多光谱影像的相关系数最大,均方差、相关系数和信息熵最大,影像所含信息量最多,光谱特性保持较好;清晰度较高,在空间细节信息的表现能力上较优,所以融合影像的分类精度最高。因此,小波和HIS相结合的融合方法更适合ETM+融合影像的土地覆盖分类研究。 相似文献
18.
多源遥感数据融合是当今遥感领域的一个研究热点。为了综合利用多平台的卫星遥感数据,得到高光谱、高几何分辨率的遥感影像数据,在研究当前多源遥感数据融合方法的基础上,将小波变换与SFIM融合算法相结合提出小波比值法融合算法思想,利用Landsat ETM+与SPOT-4遥感数据验证了该算法的可行性。 相似文献
19.
基于数学形态学和最大似然法的遥感图像分类研究 总被引：2，自引：0，他引：2
《北京林业大学学报》2005,(Z2)
随着高空间分辨率遥感影像应用范围的不断扩大,传统基于灰度值的遥感图像分类方法很难满足实际需要.该文通过数学形态学方法,对高空间分辨率遥感全色图像进行处理,通过交互式选择训练区,构造包含形态学梯度、高帽变换和灰度均值的三维特征向量,利用Bayes最大似然分类器对高空间分辨率遥感图像不同土地利用类型进行自动识别,改善了分类精度.这种分类方法,可以用于指导森林资源监测、土地利用现状调查和国土荒漠化监测与评价的工程实践. 相似文献
20.
植被覆盖度是评估生态环境的一个重要参数,对于全球环境变化和监测研究具有重要意义。如何从遥感数据资料估算植被覆盖度,并提高估算精度是建立全球或区域气候、生态模型的基础工作。该研究以CBERS数据与ASAR数据为多源遥感数据源,进行CBERS影像与ASAR影像HPF像素级融合,生成高空间分辨率的多光谱影像HPF融合影像。分别运用CBERS影像和HPF融合影像,提取植被覆盖度,并对两者的提取效果进行精度对比评价分析。评价结果表明,HPF融合处理的影像提取的植被信息精度较高、效果较好,为植被覆盖度信息的提取提供了参考。 相似文献