摘要:确定图像类别数是图像分割中的重要任务,在大多数分割算法中需由用户预先指定类别数。受地物目标及其分布的多样性、复杂性和未知性等因素的限制、对彩色遥感图像而言,人为确定其类别数非常困难。为此,提出了一种基于区域和统计的可变类分割方法,融合规则划分技术和R.JMCMC算法,利用规则划分将图像域划分成若干个规则子块,并假设每个规则子块内的像素服从同一独立的多值Gaussian分布;在此基础上南贝叶斯定理构建图像分割模型;利用ReversibleJump Markov Chain Monte Carlo(RJMCMC)算法模拟该模型,实现罔像类别数的自动确定及图像粗分割;为了进一步提高图像分割精度,设计精细化操作,对Worldview-2合成及彩色遥感图像和多光谱IKONOS图像进行可变类分割,实验结果表明,提出方法不仅能自动确定图像类别数,还可以较好地实现区域分割。本文方法较好地实现彩色遥感图像的可变类分割。
摘要:精确估算森林生物量对全球碳平衡以及气候变化的研究有重要意义。以亚热带天然次生林为研究对象,借助地面实测样地数据,通过对机载LiCHy(LiDAR,CCD and Hyperspectral)传感器同时获取的高光谱和高空间分辨率数据进行信息提取和数据融合,建模反演森林生物量。首先通过面向对象分割方法进行单木冠幅提取,然后融合从高光谱数据提取的光谱特征变量和从高空间分辨率数据提取的单木冠幅统计变量,构建多元回归模型估算地上、地下生物量,最后利用地面实测生物量经交叉验证评价模型精度。结果表明,综合模型的精度(R2为0.54—0.62)高于高光谱模型(R2为0.48—0.57);在高光谱模型中地上生物量模型精度(R2为0.57)高于地下生物量模型(R2为0.48);在综合模型中地上生物量模型精度(R2为0.62)同样高于地下生物量模型(R2为0.54)。交叉验证结果表明,与仅使用高光谱数据(单一数据源)相比,通过集成高光谱和高空间分辨率数据的生物量反演效果有所提升,可以更加有效地估算亚热带森林生物量。
摘要:<正>封面图片为上海市卫星气象遥感应用中心利用中国风云二号(FY-2F)卫星红外通道(03·113μm)监测的第22号强台风"海马"的遥感图像,获取时间为201 6年10月20日14:00时(北京时间),台风的中心气压955 hPa,西北向移动,移速26 km/h。FY-2F是中国自主研制的第4颗业务静止气象卫星,除了常规观测以外,该卫星能够根据各种气象灾害监测及重大气象保障服务的要求,对特定区域提供快速区域扫描观测,观测频次为每6 min