【机器感知与模式识别】基于最大最小距离的高光谱遥感图像波段选择

第七章遥感应用 第一节地质遥感 第二节水体遥感 第三节植被遥感 第四节土壤遥感 第五节高光谱遥感的应用

高光谱、多角度和微波遥感是遥感技术的发展方向，本章内容包括高光谱遥感，多角度遥感和微波遥感

西北农林科技大学：《遥感原理与方法》课程教学资源（教案讲义）第9章 高光谱遥感与微波遥感

一、遥感影像地学分析方法 二、植被信息抽取与应用 三、地质地貌信息抽取 四、水体信息抽取 五、土壤信息抽取 六、人造地物信息抽取 七、高光谱遥感

本节主要内容 一、遥感影像地学分析方法 二、植被信息抽取与应用 三、地质地貌信息抽取 四、水体信息抽取 五、土壤信息抽取 六、人造地物信息抽取 七、高光谱遥感

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1 m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础

多年来,由于对钛矿的无序开采,使得海南岛东部出现大面积的土地荒漠化.采用遥感的手段进行跟踪监测,合理地授予采矿权,组织适当的复垦,是解决当地荒漠化的有效途径.基于不同沙地类型在地表空间结构上的差异,提出将基于地质统计学的影像纹理应用到荒漠化监测中,通过变异函数纹理来加大各种不同类别沙地间的区别,提高样本选择的分离度.结果表明,运用变异函数纹理结合光谱波段的最大似然分类方法能够很好地界定海滩沙地和内陆荒漠地的等级,最高分类精度达到92.4%,证明了基于地质统计学的影像纹理在实现该地区遥感荒漠化监测方面的有效性

【机器感知与模式识别】多特征的光学遥感图像多目标识别算法

本章主要内容 一、电磁波与电磁波谱 二、地物的光谱特性 三、大气和环境对遥感的影响