基于判别信息极限学习机的高光谱遥感图像分类

极限学习机（ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用,然而在高光谱遥感图像分类中,极限学习机算法不能较好地利用数据蕴含的判别信息,限制了ELM的分类性能。为此,提出一种基于判别信息极限学习机（IELM）,IELM继承了极限学习机的优势,并在一定程度上解决了极限学习机在有限高光谱遥感图像数据样本中学习不充分的问题。高光谱遥感图像分类实验结果表明,该算法具有较好的分类效果。     

高光谱遥感图像矿物填图模块设计

针对光谱仪从野外测得的高光谱遥感数据,提出一种基于IDL的矿物组合填图模块,该模块主要利用光谱角度填图法（SAM）与光谱信息散度法（SID）对高光谱遥感图像进行矿物填图,并通过不同颜色填充能够对矿物进行区别并有选择地进行查看．     

基于主成分分析的GA-BPNN遥感图像分类研究

在高原山地地区,传统遥感分类方法分类精度低,而标准BP神经网络分类方法在实际应用中也难以胜任.探讨对数据源主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目、初始权重.并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出.结果表明,其分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性.     

遥感图像分类方法比较研究

鉴于遥感监督分类方法的普遍应用,本文介绍了五种常用的监督分类方法:平行六面体法、最小距离法、马氏距离法、最大似然法和人工神经网络分类法,就同一地区TM影像应用这五种方法进行土地利用分类,对比分析这五种方法的分类精度,发现人工神经网络对土地覆盖与利用的分类精度高于最大似然法,最大似然法分类精度优于平行六面体法、最小距离法和马氏距离法,所得结论对有关遥感图像分类工作具有指导和借鉴意义。     

遥感图像在中学地理教学中的运用

遥感(RS),是指借助对电磁波敏感的仪器,在不与探测目标接触的情况下,纪录目标物的特征、性质及其变化的综合探测技术[1]。遥感对于监测全球环境的整体性与变化过程有很大的帮助。通过遥感技术能够使学生对地球环境有立体的概念,进而形象生动地认识地球。一、遥感图像的优势1.直观、信息量大运用遥感图像辅助教学,学生能比较直观地了解区域的特征和地理事物的空间分布规律。例如,通过遥感学生可以较直观地认识山脉与河流的走向、中国地势的     

人工判读地物高光图像的光谱分离方法

本文利用人工判读从图像中分离像元组份,利用约束最小二乘法计算像元组分比,从而得到比值图像。对此进行实验,实验的结果表明此种方法能用采分析混合像元问题,即能分离出像元组份、计算出像元组份比及获得比值图像。     

一种噪声类型识别的遥感图像PDE去噪模型

遥感图像去噪是遥感图像进一步被分析和识别的前提与基础。传统的去噪模型由于对噪声不加识别的进行处理,从而往往达不到较好的去噪效果。文中利用小波变换能够对噪声类别进行识别的特性,以及P-M模型和ENI模型在处理高斯噪声和椒盐噪声时的优势和不足,提出了一种基于噪声类型的模型。该模型能够根据遥感图像噪声的类型而自动调整相应的参数,从而进行有针对性的去噪,在有效去除遥感图像噪声的同时,很好保持了图像的边缘和纹理细节信息。实验结果证实了本文方法的有效性和稳定性。     

基于模糊集的遥感图像质量评价

在处理遥感图像时,测绘人员需要明确了解图像质量影响因素。运用模糊集理论进行遥感图像质量评价,能够为图像处理提供有效指导。在基于模糊集的图像处理理论基础上,依据一定的评价方法,重点对遥感图像精度、清晰度、分辨率、信噪比等图像质量维度进行评价,同时分析了模糊集的具体运用,能够为相关研究提供有效参考。     

试论遥感图像对大学生直觉思维能力的培养

直觉思维是创造性思维的重要环节，在高等地理教学中充分运用遥感图像培养大学生的直觉思维能力，能起到事半功倍的效果，也非常适合当前高等院校开展的研究性教学活动，有助于提高课堂教学效果和质量，最终培养大学生的创新思维能力。     

一种融合RF-SVM的无人机遥感图像信息提取与分类技术

针对传统无人机遥感图像信息提取与分类算法准确率低、稳定性差、无法有效应对大规模复杂遥感图像数据集等问题,提出一种基于RF-SVM的遥感图像处理算法。RF-SVM算法将RF数据集分类性能较强的优势与经典SVM算法数据降维能力相融合,引入随机变量和示性函数扩大样本集的边界,提升对复杂大规模数据集的处理能力,有效控制泛化误差。在对无人机遥感图像的预处理过程中,借助Brovey变换完成对光谱和高分辨率遥感图像的像素级融合,引入核函数并根据获取到的遥感图像特征和后验概率值,实现对遥感图像内部标的物的准确分类。实验结果显示,在RF-SVM算法下,无人机遥感图像信息提取准确率分类平均准确率达到99.81%,且在RF-SVM算法下的样本点感受性曲线稳定性更好。     

大气对可见光波段遥感图像影响因素的分析

太阳是可见光波段遥感主要辐射源,太阳辐射通过地球大气二次传递至传感器时,其接收到的辐射强度与太阳辐射到达地球大气层顶的辐射强度相比,已有了很大的变化,特别是传至遥感器的地面反射太阳辐射强度受到了削弱,同时大气也是遥感图像畸变的主要原因,故在遥感测量时大气层的影响应加以考虑以消除地球大气对太阳辐射产生的重要影响.基于此,本文主要探讨了可见光波段大气对遥感图像的影响因素并对其分析.     

多源遥感图像分级校正研究

遥感图像在进行几何精校正时．需采用地面控制点(GCPs)，这些控制点一般来源于地形图．因此．校正后遥感图像的坐标和精度主要决定于地形图．本文以遥感图像作为校正空间．对研究区内Quick Bird、SPOT-5、ETM 和TM多源遥感图像采用分辨率由高至低分级校正．对分辨率最高的Quick Bird图像校正所需的地面控制点坐标采用静态GPS地面实测的方法．使校正后的图像具有较高精度．研究结果表明：用高精度的图像作为校正空间具有较好的校正效果．研究所涉及的4个时相、5种分辨率和4个遥感平台的多源遥感图像，分级校正后的精度均较高。     

基于波谱特征曲线法的遥感图像海岸线提取

本文利用遥感图像的反射波谱信息,提出了海岸线提取的一种方法。首先,根据遥感图像中水体独特的反射波谱特征,提出了以特征曲线法来进行水陆分离,其核心是基于地物波谱的相似度,以水体反射波谱曲线作为中心判据,当目标像元的特征曲线符合中心判据时,将目标像元分类为水体,反之为非水体,从而实现水陆分离。中心判据由水体波谱在遥感图像各波段的分布特征来确定。然后利用形态学方法,对水陆分离后的图像进行海岸线提取。本文以Quick Bird图像和IKONOS图像为例,利用ENVI软件编程,实现了对归一化后的遥感图像的海岸线提取。结果表明所获取的海岸线连续性好、信噪比高,算法简单且适用性强。进一步研究自适应获取中心判据的方法,可使该算法用于工程化运算。     

基于基因表达式编程的遥感影像分类方法研究

本研究将基因表达式编程算法应用于遥感影像分类问题,利用广东省东莞市1997年Landsat TM影像数据进行实验,取得了较好的分类结果,模型分类精度达到85.19%。实验结果表明:基因表达式编程算法提取的分类规则具有较高的分类精度,具有一定的优越性与有效性,为遥感影像分类研究提供了一种新的模型方法。     

遥感技术在土地利用分类中的应用

以漾濞江流域为研究区域,介绍了遥感技术方法土地利用分类的主要过程,得到了整个研究区两期土地利用现状图。结果表明：多步骤遥感分类方法在土地利用分类中有很好的应用前景,尤其在整个西南地形地貌复杂的山区。     

基于改进 CRUISE 算法的遥感影像分类研究

以南京南部高淳县为研究区,采用2010年ETM＋多光谱遥感影像作为遥感信息源,选择影像的地形因素、植被指数（NDVI）作为辅助分类特征,基于改进CRUISE算法构建决策树,实现了研究区的地物分类,并与其他分类方法的结果相比较。实验结果表明,与普通的决策树分类相比,基于改进CRUISE算法的分类可以有效地提高土地分类结果精度,具有良好的适用性。     

基于IITC的遥感地质学教育技术——以“遥感地质学”课件及网络课程为例

以IITC（Integrating Information Technology into the Curriculum——信息技术与课程整合）理论和影像数据库为基础,采用情境引导法、天-地一体化对比分析法、多源信息集成法、虚拟实验法和超时空互动分析法,通过动画、视频虚拟实验,创建数字可视化＂遥感地质学＂教学环境,激发学生的兴趣,加快对其知识理解和技术运用。     

低成本无人机遥感图像获取及后续处理技术

通过价格低廉的电动航模作为无人载机,配备飞行控制系统、数传系统、遥测系统、GPS信号、定焦数码相机从而构成的简易遥感系统,获得对地面的遥感图像和无人机的姿态数据。根据几何校正模型,对拍摄的图片进行几何校正;通过图像融合拼接,得到目标地区的大面积数字影像图。     

遥感技术在水质监测方面的应用

概括了水质遥感监测的原理,介绍了水质遥感监测的数据源：多光谱遥感数据和高光谱遥感数据,阐述了叶绿素、悬浮物、黄色物质三种主要水质参数的遥感监测进展,展望了遥感技术在水质监测中的应用前景。     

基于遥感图像的土壤含水量信息提取研究

土壤含水量是监测农作物生长状况的关键参数,近年来国内外学者在利用高光谱遥感数据监测土壤含水量技术方面进行了大量的研究。文章在分析相关研究进展的基础上,以唐山地区为研究区域,重点选取乐亭县、滦南县为研究对象,将Landsat 8遥感数据所获取的植被指数和地表温度作为反演土壤含水量的两个基本参数,再结合实测的地表温度数据,利用BP神经网络建立模型,从而实现了对该研究区域内土壤含水量的提取。通过研究发现,利用该方法能够提取土壤含水量,提取结果准确性较高。