一、IKONOS图像纠正的实验研究(论文文献综述)
施宇[1](2020)在《基于超分辨重建的遥感图像融合方法研究》文中指出遥感图像融合通过将多幅遥感图像进行互补整合,得到一幅图像信息更丰富、更精确的融合图像,使得图像特征比较全面,对数据的利用率也比较高,具有研究意义。本文主要研究遥感图像中的多光谱(Multispectral,MS)图像和全色(Panchromatic,PAN)图像的融合,通过将MS图像与PAN图像进行融合,在保留MS图像光谱信息的前提下,提高图像的空间分辨率,可以充分利用遥感图像的光谱信息与空间信息以及各种传感器的优势。论文对MS图像与PAN图像融合方法进行了深入研究,针对传统融合方法中MS图像采用插值法得到的匹配图像分辨率较低这一缺陷,引入超分辨重建的方法提高MS图像的分辨率,并将重建的MS图像与PAN图像使用两种方法进行融合,分别是能提取不同尺度上信息的拉普拉斯金字塔,和能保持图像边缘平滑的导向滤波器方法。论文主要的工作为:1、对传统融合方法进行讨论,对比了基于Intensity Hue Saturation(IHS)变换的融合方法、基于主成分分析(Principal Component Analysis,PCA)的融合方法、基于Gram Schmidt(GS)融合方法、基于Brovey变换的融合方法等4种融合方法。针对图像超分辨重建的方法,基于MS图像,对插值、超分辨卷积神经网络(Super-Resolution with Convolutional Neural Network,SRCNN)、快速超分辨卷积神经网络(Fast Super-resolution with Convolutional Neural Network,FSRCNN)等3种重建方法,进行了实验验证与分析。2、研究了拉普拉斯金字塔融合与导向滤波器融合的两种融合方法。在基于超分辨重建的多光谱图像及拉普拉斯金字塔融合中,对PAN图像与经过重建后的MS图像进行卷积神经网络(Convolutional Neural Network,CNN)特征提取,获取两幅图像的细节信息,再分别对两幅图像进行拉普拉斯金字塔分解,并与提取的细节信息进行融合。在基于超分辨重建的多光谱图像及导向滤波器融合中,通过对PAN图像与经过重建后的MS图像进行导向滤波的细节提取,将提取的细节信息自适应增强后注入到MS图像中获得融合图像,并引入了三种滤波方法:基于导向滤波器,基于快速导向滤波器,基于滚动滤波器,将这三种滤波器进行了对比融合实验,从主观与客观分析来看,基于导向滤波器的滤波方法得到的融合结果优于对比的两种滤波方法。3、选择了三种遥感卫星的数据作为融合实验的数据源,包括Geo Eye-1、IKONOS、World View-2。并选择IHS算法、PCA算法、GS算法、Brovey算法、小波变换算法作为对比实验,通过主观视觉分析与客观数据分析,本文研究的基于拉普拉斯金字塔融合与基于导向滤波融合方法较对比方法得到的融合图像效果最好,而基于导向滤波融合方法得到的融合图像光谱信息保留的最丰富,图像细节特征也最丰富。
王磊[2](2020)在《遥感影像几何校正及畸变误差分布规律研究》文中研究说明高分遥感技术是一种重要的自然环境探测手段,因其具有快速、宏观、综合、实时动态等特点得到了快速发展,但在遥感影像成像的过程中受到传感器自身和外界条件不同因素的影响,导致遥感影像出现几何变形。需要建立影像上的像方坐标与地理坐标的对应关系(坐标变换式)来完成影像几何校正。常见的校正方案有传统物理校正模型和有理数校正模型及其优化改进模型,其中较为成熟的校正模型为共线方程纠正模型,但这种方法需要考虑卫星和传感器的诸多参数信息因而运算复杂,所以通常使用有理多项式纠正模型,配合精确的地面控制点建立地物和影像图形之间的对应关系完成几何校正。本文通过获取西安世园会园区及其北部商业区的超高分辨率遥感数据,并在实验区域选取并实测48个地面控制点,对比多种校正模型然后从中选取有理多项式校正模型,在ArcGIS中利用同名点之间的对应关系,分组对实验区影像进行大量几何校正实验,并对不同控制点布设方案下校正结果的精度高低及其稳定性进行统计分析。通过大量实验分析得出:(1)运用有理多项式校正模型探究控制点的密度对于像元尺寸在0.3m的VHR影像几何校正精度的影响,同时进行有理函数多项式不同阶数下几何校正并进行对比,在实验中分别采用相同阶数多项式下不同密度控制点和相同密度控制点下不同阶数多项式校正模型进行影像几何校正与精度检验,得出使用15个控制点对世园会区域约7平方公里的VHR影像进行几何校正的结果较为理想。(2)综合所有同名点距离误差的均方根差值,超限区域分布和校正区域内最大畸变误差值等因素分析校正结果的精度优劣,通过改变同区域的控制点位置分析校正结果的稳定性,探究了不同控制点布设方案对校正结果的影响,再增加控制点布设的经济适用性作为约束条件,得出关于不同布设方案的校正效果分析表。(3)在上述研究基础上,利用检查点误差和残差制作了影像的误差分布图,对用户在不同精度下使用影像提供了参考。通过不同阶数下多项式纠正模型对于参与校正的控制点的个数要求和多余观测数对于校正效果的影响,探讨不同控制点数量下残差值与影像整体的校正精度之间的关系,得出不同阶数下多项式模型的多余观测数至少要多于三组时残差值均方根值与影像整体校正精度的相关性较高;并提出利用合理构建多边形进行克里金内插,利用控制点构建线状检查要素获取该区的位移和角度变化,对影像的畸变误差进行精确连贯的表达。
张荣庭[3](2019)在《面向FPGA硬件的卫星影像GA-RLS-RFM正射纠正优化算法研究》文中指出卫星影像的正射纠正是制作专题产品的先决条件之一。然而,传统的基于地面处理平台的影像正射纠正方法难以满足对时效性有高要求的应用场景,例如灾害应急救援的快速响应、固定目标的实时监测等。另外,传统的地面控制点(Ground Control Points-GCPs)采集方法通常需要人工干预,而且耗时较长,无法保证卫星影像正射校正的时效性。特别地,在恶劣环境的山地、沙漠或境外的军事敏感区等,GCPs的获取十分困难,甚至不可能。因此,为了能够在少量或无GCPs条件下快速地对卫星影像进行正射纠正,对面向FPGA硬件的卫星影像正射纠正优化算法进行了系统地研究。主要的研究内容如下:(1)在前人研究成果的基础上,利用星历和姿态数据建立了线阵推扫式卫星影像的几何视线模型(Viewing Geometry Model,VGM)。此外,通过流水线结构、数据流串行计算与模块并行计算相结合的设计方法,设计了卫星影像的VGM无控定位算法的FPGA硬件架构。该硬件架构能够使处理速度、计算精度和硬件资源利用率达到平衡。(2)在利用最小二乘(Least Square,LS)求解有理函数模型(Rational Function Model,RFM)参数时,通常需要对大型矩阵进行复杂的乘法和求逆运算。然而,这些复杂的运算不仅会消耗大量的FPGA硬件资源,而且还会影响RFM模型参数的求解速度。为了克服LS求解RFM模型参数算法不利于FPGA硬件实现的缺点,提出了递推最小二乘(Recursive Least Square,RLS)求解RFM模型参数算法,由该算法确定的RFM模型记为RLS-RFM模型。此外,提出了RLS求解RFM模型参数算法的FPGA硬件架构。该硬件架构采用了快速的矩阵乘法并行结构,加快了RFM模型参数的求解速度。(3)由于RLS-RFM模型参数之间存在的相关性会影响纠正精度,因此为了快速获取最佳的RLS-RFM模型结构以及提高影像的正射纠正精度,提出并实现了面向FPGA硬件的GA-RLS-RFM正射纠正优化算法。特别地,所设计的GARLS-RFM正射纠正算法的FPGA硬件架构可在无控制点情况下实现基于RLSRFM模型的卫星影像无控正射纠正。(4)实验结果表明:(i)卫星影像的VGM模型有较高的无控定位精度潜力。(ii)RLS求解RFM模型参数算法能够有效地求解RFM模型参数,并且RLS-RFM模型能够获得与VGM模型相当的纠正精度。(iii)遗传算法能够有效地减少RLSRFM模型参数,并能保持纠正精度不降低,甚至能够提高纠正精度。(iv)FPGA能够得到与PC相当的纠正精度,例如,在利用RLS-RFM模型进行影像的无控正射纠正时,对于SPOT-6(山地)影像和SPOT-6(某机场)影像,FPGA与PC的纠正结果在列方向的最大偏差分别为0.0782像素和0.1026像素,行方向的最大偏差分别为0.1302像素和0.1380像素。(v)在数据处理速度方面,相对于PC,FPGA有明显的优势。
胡堃[4](2016)在《高分辨率光学卫星影像几何精准处理方法研究》文中研究说明高分辨率光学成像是全球对地观测技术发展的一个重要趋势,也是我国卫星遥感事业发展的主要方向。高分辨率光学卫星影像的内部和外部几何质量对于数据的深加工处理和多场景应用至关重要。本文总结归纳了国内外卫星影像几何处理领域的研究进展,在全流程成像系统误差分析的基础上,提出了一套影像几何精准处理的关键技术与方法。本文提供了各关键技术方法详细的模型算法设计和解算流程。首先,针对品字形机械交错式成像传感器进行松弛法在轨几何定标,采用改进的共轭梯度法区域网平差分别求解内定标和外定标模型参数:然后,在几何定标和定标后影像的直接定位中均考虑卫星平台姿态高频颤振的检测与补偿,通过分时成像数据或高频角位移数据进行姿态和定位精度优化;最后,在几何定标和颤振补偿的基础上,进行顾及大倾角成像和地形起伏定位补偿的严密成像模型几何纠正,以及基于线特征和广义点策略严格变换模型的高精度几何纠正。具体而言,本文的研究工作主要包括如下5个方面:(1)提出了多景多TDICCD品字形机械交错式成像传感器高精度在轨几何定标方法。为在保证几何定标精度的前提下尽可能地降低参数间的相关性,对几何定标模型进行进行优化设计,内定标采用基于指向角模型的分片定标法。在卫星姿态、轨道数据含权值估计的多项式逐点拟合的基础上,充分利用多景影像间和多TDICCD片间的重叠连接关系,构建含约束条件的几何内定标和外定标误差方程,采用松弛法区域网平差交替迭代解算。该几何定标方法能有效且稳定地消除成像系统各类系统误差,降低影像的内部几何畸变并提高绝对定位精度。(2)提出了基于改进不完全Cholesky分解预处理的共轭梯度法区域网平差方法,应用于高精度在轨几何定标模型的平差解算。采用变分法对共轭梯度法区域网平差进行理论推导和预处理矩阵的优化设计。在松弛法几何定标的每轮迭代中,提出采用基于改进预处理方法的共轭梯度法进行内定标和外定标区域网平差的详细解算流程。该方法能在保证平差精度的前提下,优化法方程系数阵的结构,显着提高几何定标计算效率且具有良好的稳定性。(3)提出了基于分时成像影像和角位移设备高频测姿数据的卫星平台高频颤振检测与影像直接定位补偿方法。分别利用多谱合一成像的多光谱影像和品字形机械交错式拼接成像的全色影像,采用密集匹配生成配准误差曲线和CCD拼接错位曲线,通过多正弦函数拟合构建高频颤振模型,并应用于基于探元指向角的严密成像几何模型直接定位补偿;利用角位移高频测姿设备,研究了基于高频角增量数据的预处理和颤振检测方法,分析在俯仰、翻滚和偏航方向的相位和频谱颤振规律,并应用于严密成像几何模型直接定位补偿。(4)提出了一种顾及大倾角成像模式直接定位补偿的高分辨率光学卫星影像高精度严密几何纠正方法。为解决影像在大倾角成像条件下几何精度下降的问题,本文系统地分析大倾角成像的几何特点,并定量研究了大倾角成像、姿态角误差和地形起伏导致的影像地面分辨率变化和直接定位精度变化规律。在严密成像几何模型反解法的基础上,利用控制数据构建含大倾角成像像点误差补偿的严密几何纠正模型,并对纠正影像进行分辨率归一化处理。该方法能有效消除倾斜成像定位精度的损失,提高影像的内部和外部几何质量。(5)提出了一种基于线特征矢量控制和广义点策略的严格模型高分辨率光学卫星影像高精度几何纠正方法。首先,采用广义点策略构建基于线特征的严格变换模型;然后利用基于线特征的六参数变换模型进行模型参数的预处理,并通过最小二乘整体平差方法解算参数的精确值。最终提供基于线特征的严格变换模型的高精度几何纠正流程,能够有效顾及卫星成像倾角和地形起伏的影响。本文进一步研究了控制线的类型、数量、水平和高程分布情况等因素对模型精度的影响,为合理选择控制线和优化几何纠正精度提供有益的技术参考。本文采用我国天绘一号卫星和遥感系列光学卫星影像以及美国IKONOS和GeoEye-1卫星影像进行实验比较分析。验证本文方法能够充分挖掘成像系统的定位潜能,有效改善常规和敏捷多成像模式下的影像几何质量,并且具有良好的稳定性和计算效率,能够为卫星数据处理系统建设和多层次应用提供技术支撑。
刘怀鹏[5](2016)在《基于WorldView-2数据的城市典型绿化树种分类》文中指出通过遥感技术识别树种是尚未解决的难题之一,也是广大学者关注的焦点问题之一。目前基于高分辨率影像及辅助数据的树种分类已经取得了一定的成果,但依然存在许多诸如侧重影像信息维度窄、影像特征构建与筛选不科学、分类器休斯现象未解决等问题。本研究以呼和浩特市WorldView-2影像为数据源,经影像预处理,确定分类树种,构建影像高维光谱指数集合、纹理特征集合,基于最大似然的递归特征消除(MLC-RFE)选择重要变量,规避最大似然的休斯现象,获取树种分类的最优光谱指数子集、纹理特征子集。充分结合影像光谱波段、光谱指数、纹理等特征类型,利用最大似然对组合数据进行分类,以支持向量机的分类结果作为参照,实验结果取得了较好的分类精度。主要研究结果如下:(1)NDVI影像中蓝色屋顶、绿色塑胶操场2类地物与植被具有相似的NDVI特性,为城市植被提取造成干扰,但三者在WorldView-2八个波段中的光谱曲线存在较大差异,通过波谱角分类可实现三者完全分离,精准获取到城市植被部分的影像。(2)采用最大似然对针叶树、阔叶树与草类进行分类,利用8月份WorldView-2影像分类的总体精度为93.9871%, Kappa系数为0.9098,利用2月份QuickBird影像分类的总体精度为96.6667%, Kappa系数为0.9500,结果表明特殊时相数据源的选择更有利于针叶树、阔叶树、草类的识别。(3)基于WorldView-2光谱波段的树种分类中,最大似然对完整8波段分类的总体精度较传统4波段高10.7231%, Kappa系数高0.1253;支持向量机对完整8波段分类的总体精度较传统4波段高9.9183%,Kappa系数高0.1158,表明WorldView-2新增的海岸蓝色、黄、红边、近红外2波段在树种分类中具有重要的作用。(4)基于27维光谱指数的树种分类中,NDVI6、FDI2、NREB是树种分类中最重要的3个光谱指数;NDVI6、FDI2、NREB、ARVI、NDVI5、NDVI2、GRVI、NYR、NDVI1, IPVI、NPCI、R/RE、NDVI3、NIRNDVI、SAVI、NDVI7、NIR/GREEN、TA578、TA678是树种分类中最优光谱指数子集的19个成员;SL57、SL67、NDVI4、SL58、RVI、EVI、OSAVI、 SL56是导致最大似然发生休斯现象的8个光谱指数。(5)本研究新建的5个光谱指数SL57、SL67、SL58、TA578、TA678在MLC-RFE变量选择中,SL58在第5轮次中被消除,SL57、SL67在第7轮次中被消除,TA578、TA678在第8轮次中才被消除,在第7轮次消除结束后获得了最优光谱指数子集,所以TA578、TA678是最优光谱指数子集的成员,表明TA578、TA678在基于光谱指数的树种分类中具有重要的作用,同时也说明树种光谱曲线的面积指数优于斜率指数。(6)基于24个纹理特征的树种分类中,MEA-PC1、MEA-PC2、 EA-PC3是树种分类中最重要的3个纹理特征;MEA-PC1、MEA-PC2、MEA-PC3、 ENT-PC2、ENT-PC1、DIS-PC2、SM-PC1、VAR-PC2、HOM-PC3、COR-PC1、 OR-PC3、CON-PC2、CON-PC1、VAR-PC3、 DIS-PC1、ENT-PC3是树种分类中最优纹理特征子集的16个成员;HOM-PC2、SM-PC2、 CON-PC3、HOM-PC1、DIS-PC3、COR-PC2、VAR-PC1、SM-PC3是导致最大似然发生休斯现象的8个纹理特征。(7)27维光谱指数分类的总体精度为72.4616%, Kappa系数为0.6787,较最优光谱指数子集分类的总体精度(75.3962%)低2.9346%, Kappa系数(0.7126)低0.0339,表明在高维光谱指数分类中,最大似然存在着轻微的休斯现象;24个纹理特征分类的总体精度为40.5151%%, Kappa系数为0.3031,较最优纹理特征子集分类的总体精度(81.1664%)低40.6513%, Kappa系数(0.7799)低0.4768,表明在高维纹理特征分类中,最大似然存在着严重的休斯现象。(8)本研究中,支持向量机分类的最高总体精度为84.6335%, Kappa系数为0.8204,从所有的分类中可以看出它对数据维数的增加不敏感,可以有效挖掘各个特征的有用信息,分类性能较稳定。最大似然分类的最高总体精度为87.5310%,Kappa系数为0.8543,它对数据维数的增加较敏感,高维数据中会发生休斯现象,不能充分挖掘各个特征的有用信息,分类性能不稳定。本研究构建的MLC-RFE消除了对最大似然分类精度的提高具有抑制作用的特征,规避了最大似然的休斯现象,使其在高维特征分类中的分类性能得到极大地提高,取得比支持向量机更高的分类精度。(9)树种分类中,基于主成分的最高总体精度为63.9752%, Kappa系数0.5789;基于光谱波段的最高总体精度为74.0713%, Kappa系数0.6974;基于光谱指数的最高总体精度为75.3962%, Kappa系数0.7126;基于纹理特征的最高总体精度为81.1664%, Kappa系数0.7799;在光谱指数结合光谱波段中,最高总体精度为73.4274%, Kappa系数0.6900;在纹理结合光谱波段与主成分中,最高总体精度为86.3918%, Kappa系数0.8410;在纹理结合光谱指数与主成分中,最高总体精度为87.4319%, Kappa系数0.8532;在纹理结合光谱指数、光谱波段、主成分的混合特征中,最高总体精度为87.5310%, Kappa系数0.8543。除光谱指数结合光谱波段不能提高分类的总体精度与Kappa系数外,其余的特征组合类型均取得比单纯基于主成分、光谱波段、光谱指数、纹理特征要高的总体精度与Kappa系数,表明树种分类中有效结合各特征类型,可以取得更好的分类结果。
高永刚[6](2013)在《多尺度多平台遥感影像在城市遥感中的应用研究》文中进行了进一步梳理多平台、多尺度的遥感影像提供了丰富的空间分辨率、辐射分辨率和光谱分辨率,为研究不同尺度下的城市变化提供了丰富的信息源。为了克服单一遥感数据在实际应用中的局限性,充分发挥各种遥感数据的优越性,利用遥感影像融合技术实现影像间信息互补和尺度转换,探讨不同空间尺度下城市植被覆盖度的变化,确定计算最优城市植被覆盖度的空间尺度,为评价城市生态环境状况提供正确参数。在总结国内外遥感影像融合算法研究的基础上,以多尺度多平台遥感影像为数据源,深入地研究了遥感影像融合技术。本文提出了利用直方图匹配和低通滤波对SVR算法改进的SVRFM融合算法,该算法对参与融合影像的波段数没有限制,且无需选择参考波段,计算速度快,且能较好的兼顾光谱保真度和高频信息融入度。此外,提出了基于指数提取的SVRI融合算法和以IHS算法和BT算法为基础提出了IHS-BT融合算法,改进后的算法均较原始算法在光谱保真度和高频信息融入方面有所提高。为了克服不同辐射分辨率遥感影像进行融合时由于影像像元值量化区间不同对融合效果的影响,提出了辐射分辨率规范化方法。该方法在像元值量化区间统一的基础上,将其同乘以相同的比例系数转换到更高辐射变率的量化区间,以减小融合过程由于数据位数取舍而引起的影像信息丢失。同时,还对融合影像是否必需预先进行辐射校正进行了探讨。研究表明,融合前预先进行辐射校正与融合后再进行辐射校正所获得融合影像的高频信息融入度相同,且对融合影像的光谱保真度提高不明显。因此,建议先对影像进行融合后再进行辐射校正,这样即可以减少计算工作量,又可以避免由于辐射校正模型中需要引入大气校正参数而所引起的光谱失真;同时,针对FLAASH等辐射校正模型不能进行全色影像校正的问题提供了新的解决思路。在以上研究的基础上,为了进行不同空间尺度数据的比对,提出了空间尺度统一的转换算法;利用格网法从1:500比例尺地形图提取的不同空间分辨率的植被覆盖度为参考依据,对不同辐射校正水平的植被覆盖度提取精度进行比较分析,确定植被覆盖度提取的最优辐射校正模型。采用NDVI等6种不同的植被指数对多尺度遥感影像分别进行植被提取,并利用GI模型、CR模型和GC模型进行了植被覆盖度估算。通过对实验结果的比较分析确定出利用遥感影像进行城市植被覆盖度估算时,ICM模型为最佳辐射校正模型;对于高分辨遥感影像,NDVI为植被覆盖度估算的最佳植被指数;对于中低分辨率影像,植被覆盖度估算的最佳植被指数则为RVI和MSAVI:就研究区而言GI模型比CR模型估算的植被覆盖度要准确。同时,利用地形图获取的植被覆盖度数据对多尺度遥感植被覆盖度进行尺度分析,确定4m空间分辨率为研究城市植被覆盖度的最佳空间尺度;当对不同空间分辨率遥感影像估算的植被覆盖度进行空间尺度统一时,应先进行植被覆盖度估算然后进行空间尺度转换。
丁辉[7](2011)在《基于遥感技术滑坡灾害区划研究》文中研究指明20世纪90年代,高空间分辨率卫星遥感技术已经成为研究滑坡灾害有效手段之一在滑坡灾害调查、监测和评价中,基于航片和中、低分辨率卫星遥感数据,利用目视、人机交互解译和面向像素的分类,已取得许多成功的经验,但遥感技术在滑坡灾害领域的应用潜力远未被充分挖掘和采用,传统的解译技术、分类算法与海量卫星遥感数据发展现状不相适应,特别是滑坡灾害解译关键问题研究不足,成为制约遥感技术应用的瓶颈。因此,深入研究滑坡灾害遥感解译关键理论与方法,系统的利用遥感技术开展滑坡灾害区划评价,为滑坡灾害风险评估与管理提供科学的依据,对于加快减灾、防灾具有重要的研究意义。本文以西北黄土高原区为研究区,查阅国内外滑坡灾害遥感文献,利用不同分辨率卫星遥感数据,通过理论方法和实验研究取得了如下成果及创新:(1)滑坡灾害遥感解译关键问题研究。利用四种不同的卫星遥感数据源,分析研究滑坡灾害遥感解译的不确定性、尺度效应和解译、成图效果等关键问题,基于研究结果提出了西北黄土高原区滑坡灾害区划遥感数据选择原则、系统建立了西北黄土高原区滑坡灾害重要解译标志;(2)滑坡灾害面向对象计算机解译研究。针对滑坡灾害遥感解译数据分辨率要求较高、解译标志复杂的问题,对比不同空问分辨率卫星数据特点,研究分析面向像素分类和面向对象分类技术,基于分析结果,依据滑坡灾害解译标志进行滑坡灾害影像特征描述,通过集合分解和特征抽取,利用Spot5数据采用面向对象分类技术进行区域滑坡灾害识别;(3)开展基于多源、多波段卫星遥感数据大、中比例尺滑坡灾害编目研究,建立了滑坡灾害编目方法,在此基础上研究基于遥感数据滑坡灾害稳定性分析和易发区划方法,解决了基础数据和信息资料缺乏、地形地质条件复杂区域滑坡编目、区划的问题,为滑坡灾害区划研究提供重要的替代手段;(4)基于滑坡灾害解译、编目和稳定性、易发区划的研究结果,提出基于遥感技术滑坡灾害区划研究思路,为缓解海量遥感数据和滑坡灾害区划基础资料数据信息缺乏的矛盾提供依据;(5)以RS为获取和更新数据源,构建基于GIS滑坡灾害危险、风险区划预测和评价系统框架,实现RS和GIS技术集成在区划中的应用。
梁松[8](2010)在《城市规划动态监管卫星遥感关键技术研究》文中研究表明近几年来,Quickbird、Geoeye-I等亚米级高空间分辨率多光谱遥感卫星的陆续升空及其商业运营,为城市规划遥感监测提供了有效而适用的数据源和应用研究机会。本文以Quickbird、IKONOS卫星遥感数据为主要数据源,针对我国迅速城市化过程中城市规划与建设的监管任务,开展城市规划与建设的变化检测、遥感信息模型和Web GIS监管服务的研究。通过对城市规划遥感监测业务分析,确定了研究的遥感数据源和处理流程。针对高分辨率多光谱遥感影像的特点,介绍了常用的一些图像处理技术,提出了改进的小波融合算法。根据城市规划遥感监测的特点,提出了采用面向对象的变化检测、信息提取和分类方法。采用面向对象的的遥感信息模型建立方法,研究了监测目标的光谱和空间特征,并建立了相应的遥感应用模型。在监测系统设计方面,提出了基于Web服务的GIS监测分析方法。
张燕[9](2009)在《IKONOS立体影像成像几何模型研究》文中进行了进一步梳理当前,卫星遥感技术的迅猛发展,推动了商业卫星影像的发展。1米分辨率的IKONOS卫星的发射成功标志着商业高分辨率卫星时代的到来。基于高分辨率卫星遥感影像的空间数据获取技术是当前遥感领域的重要研究方向。高分辨率遥感卫星的成像几何模型是影像处理的基础和关键。本文利用IKONOS卫星立体影像对高分辨率成像几何模型进行了深入研究,着重对多种空间定位模型进行了理论分析和实验研究。本文的工作包括以下几个方面:1.分析了IKONOS立体影像的成像机理,论述了其数据的特点。2.描述和分析了卫星影像的几种常见空间定位模型的原理和技术方法。3.系统研究了有理函数模型,总结了基于有理函数模型的地面点三维定位方法;利用IDL语言编程实现该方法,结合研究区域的IKONOS影像验证该方法的适用性。实验表明,有理函数模型的主要作用在二次有理函数;在无控制点的情况下,利用有理函数模型定位的平面精度约为3米,高程精度约为3米。4.针对有理函数模型存在的系统误差,给出了系统误差补偿模型。实验表明,系统误差补偿之后,IKONOS卫星立体影像的定位精度有了显着提高。5.基于广义点摄影测量理论,探讨了直线特征在遥感影像空间定位中的应用方法;并利用IDL语言编程实现IKONOS立体影像的空间定位。本文研究的理论和方法对我国中西部地区利用高分辨率卫星影像进行高精度地理数据采集和大比例尺测图具有一定的借鉴意义。
吴卿[10](2007)在《基于高分辨率遥感影像的水土保持生态建设监测方法研究》文中研究指明水土保持是解决黄河泥沙、改善流域生态环境、维持黄河健康生命的关键措施之一。近年来在黄土高原地区开展的水土保持生态建设实践证明,治理成效十分明显。对治理区监测是进行水土保持生态建设决策、管理、评价各个环节的重要依据,但目前黄河水土保持生态建设监测工作仍依赖于人工调查、统计上报等常规方法,受监测方法和人为因素影响严重,耗时长、费用高,误差大。本文以伊洛河下游黄土丘陵区巩义项目区为研究样区,开展基于高分辨率遥感影像水土保持生态建设的监测方法研究。在对研究样区水土保持生态建设情况和监测尺度及监测指标分析的基础上,选择1m分辨率的IKONOS影像和2.5m分辨率的SPOT5影像为监测遥感数据源;采用“RPC模型+GCP优化”方法进行高分辨率遥感影像正射纠正;用主成分分析法进行遥感影像全色波段与多光谱图像融合;用虚拟现实技术进行高分辨率遥感影像监督分类模板定义研究,用不同大不的聚类处理参数并在研究水土保持生态建设措施的空间特征和影像特征的基础上,确定提取水土保持生态建设信息的最小图斑参数值;最后用全数字人机交互解译和监督分类提取研究样区水土保持生态建设信息,并结合GPS现场验证和工程监理成果对监测结果进行分析评价。研究结果表明:在利用RPC模型基础上,利用控制点对纠正的残余误差进行优化,然后进行IKONOS遥感影像纠正,效果明显高于其他纠正方法的精度。用主成分分析法进行高分辨率IKONOS遥感影像全色波段与多光谱图像融合是各种常用的图像融合方法中更适合于黄土丘陵区地形的图像融合方法。2.5m分辨率的SPOT5影像在基于二维环境下的监督分类模板定义整体精度最高只达到88.19%,而基于虚拟现实环境的分类模板定义整体精度可达95.48%。黄土丘陵地区,2.5m分辨率的SPOT5影像进行水土保持生态建设各项措施信息遥感分类时,后处理参数宜选用最小图斑为6×6个像元。监测结果表明,研究样区水土保持生态建设实施进展良好,2002年底和2003年底分别实际完成年度计划的94%和95%。通过研究,在黄土丘陵区水土保持生态建设生产实践中,运用2.5m分辨率SPOT5卫星遥感影像监督分类结合1m分辨率IKONOS卫星遥感影像人机交互目视解译法进行水土保持生态建设监测是一种快速、经济、实用的方法,具有很好的应用前景。
二、IKONOS图像纠正的实验研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、IKONOS图像纠正的实验研究(论文提纲范文)
(1)基于超分辨重建的遥感图像融合方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文的主要工作和结构安排 |
第二章 图像融合的理论基础 |
2.1 引言 |
2.2 融合层次 |
2.3 常见的融合方法 |
2.3.1 IHS变换融合方法 |
2.3.2 PCA变换融合方法 |
2.3.3 GS变换融合方法 |
2.3.4 Brovey变换融合方法 |
2.4 融合效果评价 |
2.5 基于超分辨重建的方法 |
2.5.1 传统插值方法 |
2.5.2 SRCNN模型重建方法 |
2.5.3 FSRCNN模型重建 |
2.5.4 超分辨处理对比实验 |
2.6 本章小结 |
第三章 基于超分辨重建的多光谱及拉普拉斯金字塔融合方法 |
3.1 引言 |
3.2 CNN特征提取 |
3.2.1 CNN的一般特性 |
3.2.2 CNN特征提取模型 |
3.3 拉普拉斯金字塔分解与重建 |
3.3.1 高斯金字塔分解 |
3.3.2 拉普拉斯金字塔分解 |
3.3.3 拉普拉斯金字塔重建 |
3.4 融合步骤 |
3.5 本章小结 |
第四章 基于超分辨重建的多光谱及导向滤波融合方法 |
4.1 引言 |
4.2 导向滤波器的基础与应用 |
4.3 导向滤波器的性质 |
4.3.1 保边平滑性 |
4.3.2 核函数分析 |
4.4 快速导向滤波与滚动导向滤波 |
4.5 融合步骤 |
4.6 三种导向滤波器的对比实验 |
4.7 本章小结 |
第五章 实验结果与融合质量评价 |
5.1 引言 |
5.2 Geo Eye-1 图像融合结果与评价 |
5.2.1 Geo Eye-1 遥感图像介绍 |
5.2.2 主观评价 |
5.2.3 客观评价 |
5.3 IKONOS图像融合结果与评价 |
5.3.1 IKONOS遥感图像介绍 |
5.3.2 主观评价 |
5.3.3 客观评价 |
5.4 World View-2 图像融合结果与评价 |
5.4.1 World View-2 遥感图像介绍 |
5.4.2 主观评价 |
5.4.3 客观评价 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 论文展望 |
参考文献 |
致谢 |
作者简介 |
(2)遥感影像几何校正及畸变误差分布规律研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 主要研究内容 |
1.4 论文组织结构 |
2 遥感影像几何校正理论和方法 |
2.1 遥感影像数据特点 |
2.2 遥感影像几何校正基本原理 |
2.3 几何校正基本环节 |
2.3.1 影像几何变换 |
2.3.2 重采样方案 |
2.4 目前常见的几何校正模型 |
2.4.1 基于共线方程模型(严格物理模型)的影像几何校正原理 |
2.4.2 基于多项式模型的遥感影像几何校正原理 |
2.4.3 基于仿射变换的遥感影像几何校正原理 |
2.4.4 基于直接线性变换的遥感影像几何校正原理 |
2.4.5 基于有理函数模型的遥感影像几何校正原理 |
2.5 多种校正方案分析总结 |
2.6 本章小结 |
3 遥感影像几何校正实验 |
3.1 实验目的 |
3.2 几何校正步骤 |
3.3 实验区选择 |
3.4 实验数据的获取 |
3.4.1 影像数据的获取 |
3.4.2 控制点的选取 |
3.5 不同控制点分布方案下几何校正的精度分析 |
3.6 本章小结 |
4 遥感影像几何校正结果分析 |
4.1 均匀布设条件下控制点数量对纠正精度的影响 |
4.2 多项式模型不同阶数校正结果分析 |
4.3 针对不同精度要求的纠正方案选择 |
4.4 误差显示方法 |
4.5 影像校正误差变化结论 |
4.6 本章小结 |
5 总结和展望 |
5.1 结论 |
5.2 展望 |
致谢 |
参考文献 |
附录 |
攻读学位期间取得的学术成果 |
(3)面向FPGA硬件的卫星影像GA-RLS-RFM正射纠正优化算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 卫星影像几何纠正模型研究现状 |
1.2.2 星上遥感影像实时处理现状 |
1.3 本文的研究内容和创新点 |
1.4 组织结构 |
第2章 卫星影像的VGM无控定位模型 |
2.1 引言 |
2.2 单线阵推扫式卫星的成像几何 |
2.3 卫星星历数据和姿态数据插值 |
2.3.1 星历数据插值 |
2.3.2 姿态数据插值 |
2.4 单线阵推扫式卫星影像的VGM无控定位模型 |
2.4.1 像元在本体坐标系中的视线向量 |
2.4.2 像元在轨道坐标系中的视线向量 |
2.4.3 像元在地心坐标系中的视线向量 |
2.4.4 VGM模型的建立 |
2.4.5 地面点大地坐标的解算 |
2.5 VGM模型改正 |
2.5.1 改正由相对速度引起的像差 |
2.5.2 改正由光传输延迟引起的定位误差 |
2.5.3 改正卫星参数中的系统误差 |
2.6 利用VGM模型进行卫星影像定位实验 |
2.6.1 无控制点的定位实验 |
2.6.2 有控制点的定位实验 |
2.6.3 实验结果分析 |
2.7 本章小结 |
第3章 卫星遥感影像的RLS-RFM模型 |
3.1 引言 |
3.2 RLS-RFM模型的建立 |
3.2.1 RLS-RFM模型参数求解算法 |
3.2.2 RLS-RFM模型参数求解流程 |
3.2.3 RLS-RFM模型参数求解实验 |
3.3 利用RLS-RFM模型对卫星影像进行正射纠正 |
3.3.1 RLS-RFM模型像方坐标补偿 |
3.3.2 SPOT-6 影像正射纠正实验 |
3.3.3 IKONOS-2 影像正射纠正实验 |
3.4 本章小结 |
第4章 RLS-RFM模型的遗传算法优化及卫星影像正射纠正算法 |
4.1 引言 |
4.2 RLS-RFM模型的遗传算法优化原理 |
4.2.1 个体编码 |
4.2.2 适应度函数的建立 |
4.2.3 种群繁殖 |
4.3 卫星影像的正射纠正算法 |
4.3.1 传统的基于RFM模型的卫星影像正射纠正算法 |
4.3.2 卫星影像的GA-RLS-RFM正射纠正算法 |
4.4 卫星影像的GA-RLS-RFM正射纠正实验 |
4.4.1 GA算法参数设计 |
4.4.2 SPOT-6 影像正射纠正实验 |
4.4.3 IKONOS-2 影像正射纠正实验 |
4.5 本章小结 |
第5章 卫星影像的 VGM无控定位算法的 FPGA硬件架构 |
5.1 引言 |
5.2 FPGA硬件架构 |
5.3 子模块 |
5.3.1 CTRL_VGM模块 |
5.3.2 VVCM模块 |
5.3.3 RAM_VV模块 |
5.3.4 ITERATION模块 |
5.4 仿真实验 |
5.4.1 参数设置 |
5.4.2 仿真波形 |
5.4.3 性能分析 |
5.5 本章小结 |
第6章 RLS-RFM模型参数求解算法的FPGA硬件架构 |
6.1 引言 |
6.2 FPGA硬件架构 |
6.3 .子模块 |
6.3.1 NORMALIZE模块 |
6.3.2 快速的矩阵乘法并行结构 |
6.4 仿真实验 |
6.4.1 参数设置 |
6.4.2 仿真波形 |
6.4.3 性能分析 |
6.5 本章小结 |
第7章 GA-RLS-RFM正射纠正算法的FPGA硬件架构 |
7.1 引言 |
7.2 FPGA硬件架构 |
7.3 子模块 |
7.3.1 GARFM模块 |
7.3.2 GETCORD模块 |
7.3.3 ORTHOM模块 |
7.4 仿真实验 |
7.4.1 参数设置 |
7.4.2 仿真波形 |
7.4.3 性能分析 |
7.5 本章小结 |
第8章 总结与展望 |
8.1 总结 |
8.2 研究展望 |
参考文献 |
附录:英文缩写词 |
发表论文和参加科研情况说明 |
致谢 |
(4)高分辨率光学卫星影像几何精准处理方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究目的和意义 |
1.2 国内外相关研究现状 |
1.2.1 成像系统高精度在轨几何定标 |
1.2.2 卫星平台高频颤振检测与补偿 |
1.2.3 高分辨率影像高精度几何纠正 |
1.3 主要研究内容 |
1.4 论文组织结构 |
第2章 品字形机械交错成像高精度在轨几何定标 |
2.1 引言 |
2.2 含约束的多景多TDICCD几何定标模型 |
2.2.1 品字形机械交错式成像传感器设计 |
2.2.2 线阵推扫光学成像系统误差源分析 |
2.2.3 严密成像几何模型和定标参数优化 |
2.2.4 含权值估计的多项式逐点姿轨拟合 |
2.2.5 多景多TDICCD定标模型优化设计 |
2.3 松弛法几何定标区域网平差迭代解算 |
2.3.1 内外定标松弛法平差解算流程 |
2.3.2 含约束的内定标误差方程构建 |
2.3.3 含约束的外定标误差方程构建 |
2.4 高精度在轨几何定标实验与结果分析 |
2.4.1 影像内部和外部几何质检方法 |
2.4.2 在轨几何定标数据源与匹配实验 |
2.4.3 几何定标前后影像质量检查实验 |
2.4.4 分片定标与奇偶片定标比较实验 |
2.5 本章小结 |
第3章 基于改进预处理的共轭梯度法区域网平差 |
3.1 引言 |
3.2 基于变分法的共轭梯度法区域网平差模型 |
3.2.1 共轭梯度法区域网平差的原理 |
3.2.2 基于变分法的CGBA模型优化 |
3.2.3 CGBA模型整体平差迭代解算 |
3.3 基于不完全Cholesky分解的预处理方法 |
3.3.1 改进的不完全Cholesky分解方法 |
3.3.2 改进的CGBA模型预处理矩阵设计 |
3.3.3 含预处理的改进CGBA模型解算方法 |
3.4 共轭梯度法区域网平差效率计算与实验 |
3.4.1 模型空间复杂度和时间复杂度比较 |
3.4.2 改进的CGBA方法在轨几何定标实验 |
3.5 本章小结 |
第4章 分时成像和角位移数据高频颤振检测与补偿 |
4.1 引言 |
4.2 多谱合一的多光谱数据高频颤振检测 |
4.2.1 多光谱传感器设计和颤振检测原理 |
4.2.2 基于配准误差曲线的颤振检测方法 |
4.2.3 常规成像模式多光谱颤振检测实验 |
4.2.4 机动成像模式多光谱颤振检测实验 |
4.3 品字形机械交错式成像高频颤振检测 |
4.3.1 基于拼接错位曲线的颤振检测方法 |
4.3.2 多TDICCD拼接错位颤振检测实验 |
4.3.3 分时成像数据颤振补偿方法与实验 |
4.4 高频角位移数据高频颤振检测与补偿 |
4.4.1 角位移设备姿态颤振测量原理 |
4.4.2 角位移数据预处理与频谱实验 |
4.4.3 高频角位移数据颤振补偿方法与实验 |
4.5 本章小结 |
第5章 大倾角成像模式定位补偿的影像几何纠正 |
5.1 引言 |
5.2 大倾角成像影像直接定位几何关系 |
5.2.1 大倾角成像模式几何特点分析 |
5.2.2 姿态误差对定位精度影响规律 |
5.2.3 大倾角成像地面分辨率变形规律 |
5.2.4 大倾角成像高程投影差变形规律 |
5.3 适合大倾角成像的严密几何纠正方法 |
5.3.1 基于严格成像几何模型的反解法 |
5.3.2 含像点误差补偿的影像几何纠正 |
5.4 大倾角成像定位补偿的几何纠正实验 |
5.4.1 严密几何纠正数据源与实验设计 |
5.4.2 几何纠正影像几何质量检查实验 |
5.5 本章小结 |
第6章 基于线特征和广义点策略的影像几何纠正 |
6.1 引言 |
6.2 基于广义点策略的线特征严格模型设计 |
6.2.1 基于仿射模型的严格几何模型构建 |
6.2.2 广义点策略的严格LBTM模型构建 |
6.3 线特征严格模型的影像几何纠正算法设计 |
6.3.1 六参数LBTM模型参数预处理方法 |
6.3.2 严格LBTM模型整体平差解算方法 |
6.3.3 严格LBTM模型影像几何纠正流程 |
6.4 线特征严格模型影像几何纠正实验与分析 |
6.4.1 几何纠正影像数据源实验方案设计 |
6.4.2 严格LBTM模型精度和稳定性实验 |
6.4.3 实际控制严格LBTM模型精度实验 |
6.4.4 控制线数量对模型精度影响的实验 |
6.4.5 控制线分布对模型精度影响的实验 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 整体研究思路总结 |
7.2 理论研究工作总结 |
7.3 实验验证工作总结 |
7.4 贡献与创新 |
7.5 作展望 |
参考文献 |
攻读博士学位期间的论文与专利 |
1. 发表的论文 |
2 申请的专利 |
致谢 |
(5)基于WorldView-2数据的城市典型绿化树种分类(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 国内外研究进展 |
1.3.1 影像分类进展 |
1.3.2 WorldView-2在植被信息提取中的应用 |
1.3.3 树种识别研究进展 |
1.3.4 问题诊断与分类设想 |
1.4 实验流程及研究内容与方法 |
1.4.1 实验流程 |
1.4.2 研究内容与方法 |
1.4.3 技术路线 |
1.5 小结 |
2 研究区概况及数据源 |
2.1 研究区概况 |
2.1.1 地理概况 |
2.1.2 气候特征 |
2.1.3 土壤条件 |
2.1.4 植物资源及绿化现状 |
2.2 数据源 |
2.3 小结 |
3 数据预处理 |
3.1 辐射定标 |
3.2 影像融合 |
3.2.1 融合方法 |
3.2.2 影像融合质量评价 |
3.3 大气校正 |
3.4 几何精校正 |
3.4.1 校正模型 |
3.4.2 灰度值重采样方法 |
3.5 黑边去除 |
3.6 小结 |
4 树种样本采集与光谱曲线分析 |
4.1 影像最佳波段选择 |
4.1.1 影像光谱特征值统计 |
4.1.2 波段相关性分析 |
4.1.3 OIF指数分析 |
4.2 树种调查与样本获取 |
4.3 树种光谱曲线分析 |
4.4 小结 |
5 针阔树种分类 |
5.1 影像植被部分提取 |
5.2 基于最大似然的针阔叶树种分类 |
5.2.1 基于WorldView-2的针阔叶树种分类 |
5.2.2 基于QuickBird的针阔叶树种分类 |
5.2.3 分类结果比较 |
5.3 小结 |
6 基于光谱特征的绿化树种分类 |
6.1 试验区影像范围确定 |
6.2 基于最大似然的绿化树种分类 |
6.3 基于支持向量机的绿化树种分类 |
6.4 小结 |
7 基于光谱指数的树种分类 |
7.1 光谱指数集合构建 |
7.1.1 植被指数选取 |
7.1.2 新光谱指数构建 |
7.2 光谱指数提取 |
7.3 基于递归光谱指数消除的树种分类 |
7.4 基于光谱指数与光谱波段组合的树种分类 |
7.4.1 最大似然分类结果 |
7.4.2 支持向量机分类结果 |
7.4.3 树种分类结果分析 |
7.5 小结 |
8 基于纹理及综合特征的树种分类 |
8.1 主成分分析 |
8.1.1 主成分提取 |
8.1.2 基于主成分的分类 |
8.2 基于纹理特征的分类 |
8.2.1 纹理的定义 |
8.2.2 纹理特征提取 |
8.2.3 基于递归纹理特征消除的树种分类 |
8.3 基于纹理、光谱波段、主成分组合的树种分类 |
8.4 基于纹理、光谱指数、主成分组合的树种分类 |
8.5 基于纹理、光谱指数、主成分、光谱波段组合的树种分类 |
8.6 树种分类结果分析 |
8.7 小结 |
9 结论与讨论 |
9.1 结论 |
9.2 讨论 |
9.3 创新点 |
致谢 |
参考文献 |
作者简介 |
(6)多尺度多平台遥感影像在城市遥感中的应用研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景和研究意义 |
1.2 国内外研究现状 |
1.2.1 影像融合方面的国内外文献综述 |
1.2.2 植被覆盖度方面国内外文献综述 |
1.2.3 多尺度多源影像应用方面的国内外文献综述 |
1.3 现有方法的不足 |
1.4 本文概述 |
1.4.1 研究内容 |
1.4.2 论文框架 |
第二章 遥感影像融合算法改进与评价方法 |
2.1 融合算法 |
2.1.1 IHS融合算法 |
2.1.2 Brovey变换 |
2.1.3 SFIM融合算法 |
2.1.4 SVR融合算法 |
2.1.5 PCA融合方法 |
2.1.6 小波变换融合方法 |
2.1.7 商业遥感软件集成的融合算法 |
2.1.8 本文改进的融合算法 |
2.2 融合效果评价方法 |
2.2.1 定性评价 |
2.2.2 定量评价 |
2.3 小结 |
第三章 遥感影像融合实验与评价 |
3.1 数据源 |
3.1.1 Landsat-7 ETM+ |
3.1.2 IKONOS |
3.1.3 EO-1 ALI |
3.1.4 SPOT-5 |
3.2 融合实验 |
3.2.1 同源影像融合 |
3.2.2 异源影像融合 |
3.3 小结 |
第四章 遥感影像融合与辐射校正关系探讨 |
4.1 辐射校正 |
4.1.1 辐射亮度 |
4.1.2 反射率 |
4.1.3 物理校正模型 |
4.2. 影像融合 |
4.2.1 辐射分辨率规范化 |
4.2.2 异常值处理 |
4.3 实验与分析 |
4.3.1 辐射分辨率规范化融合实验 |
4.3.2 辐射校正与融合关系实验 |
4.3.3 实验结论 |
4.4 小结 |
第五章 多尺度遥感影像植被覆盖度提取 |
5.1 植被覆盖度 |
5.1.1 植被指数 |
5.1.2 植被覆盖度 |
5.2 空间尺度的统一 |
5.2.1 最大公约数 |
5.2.2 重采样 |
5.2.3 空间尺度转换算法举例 |
5.3 植被覆盖度验证数据获取 |
5.3.1 验证数据的获取方法 |
5.3.2 格网法植被覆盖度计算 |
5.4 实验与分析 |
5.4.1 评价指标 |
5.4.2 多源多尺度植被覆盖度分析 |
5.4.3 多源同尺度植被覆盖度分析 |
5.5 小结 |
第六章 结论与展望 |
6.1 主要结论 |
6.2 创新点 |
6.3 研究展望 |
参考文献 |
攻读博士学位期间取得成果 |
致谢 |
个人简历 |
(7)基于遥感技术滑坡灾害区划研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 存在问题与不足 |
1.3 研究思路与主要内容 |
1.4 主要工作与创新成果 |
1.4.1 博士期间主要工作 |
1.4.2 主要创新成果 |
1.5 论文章节安排 |
第二章 滑坡灾害目视解译 |
2.1 遥感地质目视解译 |
2.1.1 目视解译 |
2.1.2 人机交互解译 |
2.1.3 地质解译标志 |
2.2 滑坡灾害遥感解译不确定性 |
2.2.1 滑坡灾害遥感解译 |
2.2.2 不确定性分析 |
2.3 滑坡灾害遥感尺度效应 |
2.4 四种卫星遥感数据滑坡解译效果对比研究 |
2.4.1 遥感数据及数据处理 |
2.4.2 解译效果对比分析 |
2.4.3 数据性能分析比较 |
2.4.4 卫星遥感数据对比结果 |
2.5 西北黄土高原区滑坡解译标志 |
2.5.1 地貌解译标志 |
2.5.2 滑坡灾害解译标志 |
2.5.3 承灾体解译标志 |
2.6 本章小结 |
第三章 滑坡灾害计算机解译 |
3.1 计算机遥感解译 |
3.1.1 高空间分辨率卫星遥感数据 |
3.1.2 面向像素遥感数据分类 |
3.1.3 面向对象遥感数据分类 |
3.1.4 滑坡灾害影像特征描述 |
3.2 面向对象分类技术 |
3.2.1 图像预处理 |
3.2.2 图像分割 |
3.2.3 特征选择 |
3.2.4 图像分类 |
3.3 分类与尺度效应 |
3.4 基于多特征面向对象滑坡识别 |
3.4.1 原始图像预处理 |
3.4.2 图像分割 |
3.4.3 特征选择和提取 |
3.4.4 图像分类 |
3.5 滑坡灾害影像地学分析与智能图解 |
3.5.1 滑坡灾害遥感地学分析 |
3.5.2 滑坡灾害图像理解 |
3.5.3 基于地面特征遥感信息模型 |
3.5.4 进一步研究的构想 |
3.6 本章小结 |
第四章 多源、多波段卫星遥感数据滑坡编目 |
4.1 滑坡编目 |
4.2 卫星遥感数据预处理 |
4.2.1 正射校正 |
4.2.2 多源数据波段选择 |
4.2.3 遥感数据辐射增强 |
4.2.4 数据融合 |
4.3 多源数据编目制图 |
4.4 基于IKONOS数据大比例尺滑坡编目 |
4.4.1 研究区概况 |
4.4.2 立体像对提取DEM研究 |
4.4.3 波段组合及分辨率融合 |
4.4.4 影像特征及解译结果 |
4.5 基于Spot 5数据中比例尺滑坡编目 |
4.5.1 研究区概况 |
4.5.2 数据源校正与精度分析 |
4.5.3 数据波段选择与融合对比 |
4.5.4 子长县滑坡灾害发育特点 |
4.6 本章小结 |
第五章 基于遥感数据稳定性和易发区划研究 |
5.1 滑坡易发区划 |
5.1.1 滑坡灾害易发概述 |
5.1.2 坡体稳定性影响因素 |
5.1.3 区域易发区划评价 |
5.2 基于遥感技术坡体稳定性分析 |
5.2.1 黄上坡坡型及提取 |
5.2.2 稳定性分析方法 |
5.2.3 模型建立与简化 |
5.2.4 稳定性计算 |
5.3 基于遥感数据易发区划 |
5.3.1 评价单元划分 |
5.3.2 评价指标提取 |
5.3.3 易发区划方法 |
5.4 子长玉家湾易发区划 |
5.4.1 研究区斜坡单元划分 |
5.4.2 评价指标分析及提取 |
5.4.3 基于GIS信息量法评价 |
5.5 本章小结 |
第六章 基于GIS滑坡灾害区划管理与分析预测系统构建 |
6.1 GIS概述 |
6.1.1 GIS特征及功能 |
6.1.2 RS和GIS一体化 |
6.2 滑坡灾害危险性和风险区划 |
6.2.1 滑坡灾害危险区划 |
6.2.2 滑坡灾害风险区划 |
6.3 遥感在滑坡灾害区划中应用 |
6.3.1 基础数据资料 |
6.3.2 滑坡灾害的变形监测 |
6.3.3 滑坡灾害的空间和时间预测 |
6.3.4 承灾体价值估计 |
6.3.5 基于遥感数据滑坡灾害区划 |
6.4 滑坡灾害数据管理与区划系统构建 |
6.4.1 滑坡灾害数据管理 |
6.4.2 滑坡灾害区划分析预测 |
6.4.3 风险管理决策支持 |
6.5 本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
攻读博士期间概况 |
致谢 |
(8)城市规划动态监管卫星遥感关键技术研究(论文提纲范文)
摘要 Abstract 1 绪论 |
1.1 研究背景和意义 |
1.2 相关研究发展现状 |
1.2.1 国内方面 |
1.2.2 国外方面 |
1.3 主要研究内容 |
1.3.1 相关的研究课题 |
1.3.2 特色和重点研究问题 |
1.3.3 研究目标和主要研究内容 |
1.3.4 技术路线 |
1.3.5 研究方法 |
1.4 论文的组织 2 城市规划遥感监测业务与技术流程 |
2.1 概述 |
2.1.1 城市规划相关概念 |
2.1.2 城市规划遥感监测业务流程 |
2.1.3 城市规划遥感监测技术流程 |
2.2 数据获取 |
2.2.1. 城市规划监管数据需求 |
2.2.2. 城市规划监管数据源分析 |
2.3 面向城市规划监管的遥感数据处理 |
2.4 变化信息提取与识别 |
2.5 核查与成果发布 |
2.5.1 核查 |
2.5.2 成果发布 |
2.6 小结 3 遥感图像处理核心技术 |
3.1 图像纠正与配准 |
3.2 遥感影像的数字镶嵌 |
3.3 图像变换 |
3.4 图像增强 |
3.5 多源遥感图像数据融合 |
3.5.1 融合的概念 |
3.5.2 融合的基本理论 |
3.5.3 主要融合方法 |
3.5.4 融合方法的应用比较 |
3.6 改进型小波融合算法 |
3.6.1 小波理论的发展 |
3.6.2 基于小波变换的融合算法 |
3.6.3 基于PCA变换、小波变换与高通滤波的遥感影像融合方法 |
3.7 实例分析 |
3.8 小结 4 变化信息检测(提取)分类的理论和方法 |
4.1 概述 |
4.2 变化检测的地物及其遥感图像特征分析 |
4.2.1 变化检测中地物的地学特征 |
4.2.2 遥感图像的分辨率 |
4.2.3 地物与遥感图像间的对应关系 |
4.2.4 地物遥感信息空间 |
4.3 变化检测的主要方法及其特点 |
4.3.1 分类后比较法 |
4.3.2 代数运算方法 |
4.3.3 可视化分析法 |
4.3.4 光谱特征变异法 |
4.3.5 主成分分析法 |
4.3.6 变换向量分析法 |
4.3.7 小波变换法 |
4.3.8 面向对象法 |
4.3.9 变化检测方法分析 |
4.4 面向对象的变化检测分类方法 |
4.4.1 高分辨率遥感图像特点 |
4.4.2 面向对象分类的概念 |
4.4.3 面向对象分类的优点 |
4.4.4 面向对象分类的难点 |
4.4.5 面向对象分类的流程 |
4.4.6 城市规划遥感监测专题对象分析 |
4.5 实例分析及评价 |
4.5.1 Definiens分类软件 |
4.5.2 实例分析 |
4.6 小结 5 城市规划遥感专题监测模型研究 |
5.1 概述 |
5.2 遥感信息模型 |
5.2.1 遥感信息模型的概念 |
5.2.2 遥感信息模型的建立 |
5.3 城市规划遥感监测专题目标的光谱、空间和纹理等特征 |
5.3.1 建设工程监测目标的特征 |
5.3.2 城市道路监测目标的特征 |
5.3.3 城市水系监测目标的特征 |
5.3.4 城市绿地监测目标的特征 |
5.3.5 建设用地监测目标的特征 |
5.3.6 历史文化名城保护监测目标的特征 |
5.4 城市规划遥感监测专题应用模型 |
5.4.1 面向对象的遥感模型建立方法 |
5.4.2 城市规划遥感监测专题模型 |
5.5 遥感信息模型的数学表达 |
5.6 实例分析 |
5.7 小结 6 基于WEB服务的GIS监测分析研究 |
6.1 概述 |
6.1.1 Web Services简介 |
6.1.2 Web Services的工作原理 |
6.2 基于WEB服务的监测系统设计 |
6.2.1 监测系统技术框架 |
6.2.2 基于Web服务的监测系统功能设计 |
6.2.3 系统的运行环境 |
6.3 基于GIS技术的监测分析 |
6.3.1 监测数据管理 |
6.3.2 基于GIS技术的监测分析 |
6.4 实例分析 |
6.4.1 变化提取 |
6.4.2 GIS辅助监测分析 |
6.5 小结 7 结论与展望 |
7.1 主要研究成果和创新点 |
7.1.1 主要研究成果 |
7.1.2 主要创新点 |
7.2 城市规划遥感监测发展展望 参考文献 致谢 作者简介 在学期间发表论文及参加科研工作情况 |
(9)IKONOS立体影像成像几何模型研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 卫星遥感系统发展 |
1.2.1 国外卫星遥感系统发展状况 |
1.2.2 国内卫星遥感系统发展状况 |
1.2.3 高分辨率卫星遥感影像的优势 |
1.3 国内外研究现状 |
1.4 本文的主要内容和安排 |
第2章 IKONOS卫星立体成像机理及特点 |
2.1 IKONOS立体成像原理 |
2.2 IKONOS图像空间几何 |
2.2.1 IKONOS图像的内方位 |
2.2.2 IKONOS图像的外方位 |
2.3 常用的坐标系统 |
2.3.1 像方空间坐标系 |
2.3.2 物方空间坐标系 |
2.4 IKONOS数据产品特点 |
2.4.1 影像分类 |
2.4.2 元数据文件 |
2.4.3 有理函数系数文件 |
2.5 本章小结 |
第3章 遥感影像成像几何模型概述 |
3.1 严密成像几何模型 |
3.1.1 基于共线方程的严密成像模型 |
3.1.2 基于仿射变换的严密成像模型 |
3.2 通用成像几何模型 |
3.2.1 多项式变换模型 |
3.2.2 直接线性变换模型 |
3.2.3 仿射变换模型 |
3.2.4 有理函数模型 |
3.3 本章小结 |
第4章 有理函数模型 |
4.1 有理函数 |
4.2 有理函数的特性 |
4.3 IKONOS影像的有理函数模型 |
4.4 基于有理函数模型的空间定位 |
4.5 X、Y、Z初值的确定 |
4.6 坐标系统转换 |
4.7 系统误差补偿 |
4.8 实验分析 |
4.8.1 实验数据 |
4.8.2 实验结果及分析 |
4.9 本章小结 |
第5章 直线特征在成像几何模型中的应用 |
5.1 直线的应用特征 |
5.2 直线的数学表达 |
5.3 基于直线特征的共线方程 |
5.4 基于直线特征的非严密成像模型 |
5.5 实验分析 |
5.6 本章小结 |
总结与展望 |
致谢 |
参考文献 |
攻读学位期间发表的学术论文 |
(10)基于高分辨率遥感影像的水土保持生态建设监测方法研究(论文提纲范文)
摘要 |
Abstract |
引言 |
1 遥感监测综述 |
1.1 基本概念 |
1.1.1 水土流失 |
1.1.2 水土保持和水土保持监测 |
1.1.3 遥感和遥感动态变化监测 |
1.1.4 监测尺度 |
1.1.5 地图学相关概念 |
1.2 遥感技术应用和发展 |
1.2.1 遥感监测研究现状 |
1.2.2 遥感技术的发展趋势 |
1.2.3 高分辨率卫星遥感影像的应用特点 |
1.2.4 常用高分辨率遥感影像 |
1.3 GIS技术应用发展 |
2 空间数据处理 |
2.1 空间数据处理原则 |
2.2 遥感数据处理 |
2.2.1 辐射定标 |
2.2.2 几何纠正 |
2.2.3 图像融合 |
2.3 非遥感数据处理 |
2.3.1 基本地形图处理 |
2.3.2 数字栅格地图(DRG) |
2.3.3 数字线划图(DLG) |
2.3.4 数字高程模型(DEM) |
2.3.5 数字正射影像图(DOM) |
2.4 小结 |
3 遥感影像信息提取 |
3.1 遥感影像分类 |
3.1.1 分类系统 |
3.1.2 分类方法 |
3.1.3 分类模板 |
3.1.4 遥感影像分类后处理 |
3.2 影像目视解译 |
3.2.1 目视解译影像要素 |
3.2.2 目视解译原则 |
3.2.3 目视解译方法 |
3.3 植被覆盖度提取 |
3.3.1 植被指数 |
3.3.2 植被覆盖度提取 |
3.4 地形因子提取 |
3.5 工程信息提取 |
3.6 GPS野外验证 |
3.6.1 GPS卫星全球定位系统 |
3.6.2 GPS信号接收 |
3.6.3 GPS验证 |
3.7 小结 |
4 空间数据信息管理 |
4.1 ArcGIS数据存储模型 |
4.1.1 Coverage和Shapefile数据模型 |
4.1.2 Geodatabase数据模型 |
4.2 Geodatabase空间数据库 |
4.2.1 基本组织框架 |
4.2.3 数据格式转换 |
4.3 专题图输出 |
4.4 三维动态显示 |
4.5 监测地理信息系统 |
4.5.1 系统基本构架 |
4.5.2 系统特性 |
4.5.3 系统需求 |
4.5.4 系统的实现与使用 |
4.6 小结 |
5 研究样区监测方法 |
5.1 研究样区概况 |
5.1.1 位置和自然状况 |
5.1.2 社会经济概况 |
5.1.3 水土保持状况 |
5.2 监测技术流程 |
5.3 监测尺度与监测目标 |
5.3.1 监测尺度 |
5.3.2 监测目标 |
5.4 监测工作平台 |
5.5 研究样区监测数据源 |
5.5.1 遥感数据源 |
5.5.2 非遥感数据源 |
5.6 遥感影像分类 |
5.6.1 二维视窗环境下分类模板定义 |
5.6.2 虚拟现实环境下分类模板定义 |
5.6.3 分类模板评价 |
5.6.4 分类后处理方法 |
5.6.5 不同最小图斑去除处理对各类面积的影响 |
5.6.6 水土保持措施及其影像特征 |
5.6.7 分类精度评估与最优参数选择 |
5.6.8 分类后处理结论 |
5.7 目视解译 |
5.7.1 技术流程 |
5.7.2 目视解译信息 |
5.7.3 解译标志 |
5.7.4 面向遥感影像解译的数码照片库 |
5.8 植被覆盖度提取 |
5.9 地形因子提取 |
5.10 监测信息管理 |
5.11 小结 |
6 研究样区监测结果 |
6.1 水土保持生态建设概况 |
6.2 监测方案 |
6.3 赵沟小流域监测 |
6.3.1 SPOT5监测结果 |
6.3.2 IKONOS监测结果 |
6.3.3 赵沟小流域监测结果 |
6.4 研究样区监测 |
6.4.1 SPOT5监测结果 |
6.4.2 IKONOS监测结果 |
6.4.3 研究样区监测结果 |
6.5 监测结果评价 |
6.6 小结 |
7 结论与讨论 |
7.1 结论 |
7.2 讨论 |
7.3 创新点 |
参考文献 |
个人简历 |
导师简历 |
副导师简历 |
博士学位在读期间获得成果目录清单 |
致谢 |
四、IKONOS图像纠正的实验研究(论文参考文献)
- [1]基于超分辨重建的遥感图像融合方法研究[D]. 施宇. 西安电子科技大学, 2020(05)
- [2]遥感影像几何校正及畸变误差分布规律研究[D]. 王磊. 西安科技大学, 2020(01)
- [3]面向FPGA硬件的卫星影像GA-RLS-RFM正射纠正优化算法研究[D]. 张荣庭. 天津大学, 2019(01)
- [4]高分辨率光学卫星影像几何精准处理方法研究[D]. 胡堃. 武汉大学, 2016(01)
- [5]基于WorldView-2数据的城市典型绿化树种分类[D]. 刘怀鹏. 内蒙古农业大学, 2016(01)
- [6]多尺度多平台遥感影像在城市遥感中的应用研究[D]. 高永刚. 福州大学, 2013(12)
- [7]基于遥感技术滑坡灾害区划研究[D]. 丁辉. 长安大学, 2011(05)
- [8]城市规划动态监管卫星遥感关键技术研究[D]. 梁松. 中国矿业大学(北京), 2010(10)
- [9]IKONOS立体影像成像几何模型研究[D]. 张燕. 西南交通大学, 2009(03)
- [10]基于高分辨率遥感影像的水土保持生态建设监测方法研究[D]. 吴卿. 北京林业大学, 2007(03)