摘要：本文设计了一种改进的卷积神经网络（convolutional neural network，CNN）模型用于高光谱影像分类，该模型能够直接将高光谱影像数据立方体作为输入特征，不需要预先降维处理，且能够综合利用光谱和空间特征进行分类处理。实验结果表明，基于改进的CNN模型的高光谱影像分类方法比传统SVM、1D—CNN和PCA＋CNN等方法的分类精度更高。

摘要：由于外部成像环境和传感器本身设计指标的差异,不同遥感平台同一波段影像之间常常存在不一致。在多源遥感定量研究中,对外部成像环境导致的差异关注较多,而对以光谱响应函数(SRF)和空间点扩散函数(PSF)为代表的值感器本身设计指标,导致的影像不一致性(差异性)则考虑相对较少,这给后续研究结果的分析与讨论带来一定不确定性。为了提供一种全面、客观对不同遥感平台同一波段影像一致性评价方法,本文采用控制变量法的评价策略,介绍了利用Hyperion高光谱影像结合光谱响应函数模拟各种宽波段影像的方法,并将其用于多平台同一波段影像之间的一致性评价;同时在此基础上探讨了考虑PSF对高-低空间分辨率影像聚合过程的影响,为不同平台、同一波段、不同空间分辨率影像之间的一致性评价提供了技术参考。通过对常见的3种典型传感器Landsat E TM+,Terra MODIS,NOAA AVHRR 3近红外波段进行模拟、比较和一致性评价,结果表明:(1)利用本文所提出的宽波段光谱模拟方法,能较准确地模拟各种宽波段影像(在本文中平均相对误差的绝对值最大为-2.371%),并可用于多平台同一波段影像的数据评价(从光谱响应的角度)。(2)为了比较不同平台、同一波段、不同空间分辨率之间的差异性,可将其中高分辨率影像进行尺度上推,得到与其中低分辨率影像相同像元大小的影像,然后再进行评价。在尺度上推过程中,需先考虑PSF效应(可用高斯低通滤波模拟),然后进行平均值聚合即可。在此基础上进行的一致性评价才是比较客观的,特别是针对异质性区域。本文所采用的评价方法不仅可为评价不同平台波段同一波段影像之间一致性提供很好的解决途径,而且为多源遥感数据选择提供了一种决策依据。

摘要：针对高光谱影像数据维度高、空间和光谱信息利用不足以及局部结构特征表达有限等问题,提出了一种基于3D卷积自编解码器和低秩表示的高光谱异常检测算法。首先,通过3D卷积自编解码器提取高光谱影像的空谱特征,并针对高光谱图像的局部区域强相关性,设计了一种新的损失函数来约束中心像素和周围像素,以提取判别性较强的特征图;然后,针对所提取的特征图,通过基于密度的空间聚类算法构建背景字典,并利用低秩表示分离出异常区域;最后,融合由3D卷积自编解码器得到的重构误差和异常区域检测结果,得到最终检测图并为异常目标关键信息的挖掘提供依据。为了验证所提算法的有效性,在两个真实的机场高光谱数据集上进行飞机等目标检测实验,ROC、AUC量化指标和主观分析等实验结果表明,与其它6种异常检测算法相比,本文算法具有更高的异常目标检测精度。

摘要：种植地块的精准识别是开展玉米农情监测的基础。受山地地形、影像的分辨率和提取方法限制,如何及时准确地获取玉米种植信息仍然是目前山地农业需要解决的重大问题之一。为了给基于高光谱影像的玉米地块精准识别与应用提供参考,以高光谱影像玉米地块为研究对象,利用深度学习技术,通过深度学习框架Keras对地物类型样本进行训练,提出了一种3D卷积神经网络模型以提高玉米地块的识别准确率,分类效果Overall Accuracy、Average Accuracy达到90%以上,Kappa系数达到86%以上。该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点。

摘要：为了提高国土空间规划能力,提出基于无人机的国土空间规划用地测绘技术。采用无人机遥感探测技术实现对国土空间规划用地的遥感影像监测,提取国土空间规划用地测绘遥感影像的边缘轮廓;以无人机监测的高光谱影像为数据源,通过最小二乘光谱解混处理方法,分析国土空间规划用地测绘的关键特征点和纹理像素点;根据国土的沼泽、水域、农田、林地、草甸等土地属性的聚类特征,采用植被分布格局多样性聚类方法,建立国土空间规划用地测绘的聚类分析模型;采用线性解混合稀疏解分布融合,实现对国土空间的空间分辨率和地物复杂度检测和量化估计,从而实现国土空间规划用地测绘优化,为国土空间规划用地的保护和管理提供数据基础。测试表明,采用该方法进行国土空间规划用地测绘的输出分辨能力较好,土地规划能力较强,对不同类型国土的分类性能较好。

摘要：文章以"珠海一号"卫星星座02组A星(OHS-2A)高光谱影像为数据源,以云贵高原的洱海为主要研究区域,设计了一种新的水体提取指数——阴影建筑指数(SBI),该指数利用归一化差异水体指数和水体在近红外波段强吸收的特性,构建了二者的乘积关系式,拉大水体与其它地物(尤其是建筑物)的灰度差异,进而更准确地提取水体。为了显示其优越性,与单波段阈值法、多波段谱间关系法、归一化水体指数法、改进的阴影水体指数法、和综合权重水体指数法等五种已有的水体提取方法进行比较。通过混淆矩阵及Kappa系数的结果显示,六种方法中阴影建筑指数法的提取精度最高,总体精度为99.80%,Kappa系数为0.98。研究发现:OHS-2A卫星高光谱影像结合阴影建筑指数法,不仅精确提取了洱海这种大面积的水体信息,对山体环绕中的库塘水体也有很好的提取效果,而且还有效抑制了建筑物、山体阴影等环境噪声的干扰,非常适合高原湖泊的水体提取。

摘要：提出了基于WebGIS的测量标志管理信息系统的设计与实现方法 ;并以广东省测量标志管理信息系统为例,详细介绍了系统的建设流程、关键技术应用和运行情况,具有一定的实际应用价值。

摘要：高光谱解混技术是定量遥感研究的核心问题,旨在求解高光谱影像中每个像元所含的端元光谱及其丰度比例。基于过完备光谱库的稀疏解混方法假设端元是光谱库的子集,解混过程等价于以重建输入影像为目标的丰度估计优化,是近几年的主流研究内容,已有的研究成果致力于挖掘待估丰度的结构信息并据此设计约束模型。此文从影像重建的角度出发,利用解混重建数据的低秩特性,构建了结合重建影像低秩约束与丰度空间全变分约束的稀疏解混模型,并设计了基于交替方向乘子法的快速算法。在高光谱模拟数据与真实影像上的对比解混实验表明,该方法能有效提高解混精度。

摘要：针对常见植被指数不能很好地降低非植被地物对植被分类提取的影响，设计了一种基于植被光谱特征的加权高光谱植被指数，并提出了一种基于加权高光谱植被指数的植被分类提取方案。先利用加权高光谱植被指数对植被信息进行提取，得到较为完整的植被分布信息，再利用典型分类算法进行植被分类，实验结果表明，本文提出的方案能够有效降低非植被地物的影响，提高植被分类提取的精度。