一种突出目标的多光谱遥感信息提取方法

为了突出目标在多光谱遥感图像中的信息,克服由阈值法所带来的人为误差,提出了一种突出遥感目标信息的方法。利用光谱能级匹配法提取目标在图像中的相似度,并将其作为目标信息波段加入到原始数据中去,进行波段归一化处理,以减少不同波段数据的量纲或数量级的影响,进行MNF变换并合成RGB假彩色图像。以新疆哈图地区的重点成矿岩性——凝灰质粉砂岩为例,进行重点目标突出的结果表明,信息增强后的图像颜色更加丰富,与原始假彩色合成图像相比,可以识别出更多的岩石类型,比原始图像的MNF变换划分出更多地物类型。     

一种突出构造信息的多光谱遥感变换方法

为突出多光谱遥感图像中的构造信息,提出了用主成分分析、最大噪声变换和原始数据联合进行信息增强的方法。首先对原始数据进行主成分分析和最大噪声变换,然后对变换结果与原始数据进行归一化处理的基础上进行波段选择,最后进行假彩色合成并输出结果。利用新疆哈图地区的ETM数据进行构造增强的效果表明,该方法不仅丰富了遥感图像的颜色、拉大了不同类地物间的色彩差异,为提取不同类地物信息提供了一条有效的途径,而且还有力增强了宏观构造、凸现了小构造和肠状构造,为展现研究区构造格局、建立遥感找矿模式提供了一套行之有效的方法。     

两种光谱混合分析模型的比较

为了分析与对比线性光谱混合分析模型(LSMA)和约束线性光谱混合分析模型(CLSMA)在光谱混合分解中的优势与劣势,我们设计了混合光谱分解实验。反演结果表明,当利用所有光谱数据进行端元百分含量反演时,LSMA的总误差比CLSMA小0.075。当利用波段选择后的数据进行端元百分含量反演时,前者的总误差比后者小0.017。这样,不论是利用所有光谱波段数据还是利用波段选择后的数据,LSMA在混合光谱分解的效果上都优于CLSMA;此外,LSMA利用波段选择数据反演端元百分含量的总误差比它利用所有波段数据的总误差小0.02,CLSMA利用波段选择数据反演端元百分含量的总误差比它用所有波段数据的总误差小0.077。这主要是因为波段选择大大减少了端元光谱间的相关性,所以,利用波段选择数据进行混合光谱分解优于不加选择的光谱混合分解。