论文部分内容阅读
ASTER是美国最先进的卫星之一Terra(EOS-AM1)搭载的对地观测传感器,它不仅具有15米的高空间分辨率,而且有从可见光到远红外的14个观测波段,并且每一景图像都包含了一个立体像对,可以生成高分辨率的立体地面景观模型。相比较之下,SPOT数据具有较高的地面分辨率,但其图像的光谱分辨率较低,所以,一般不适宜处理较窄光谱地物类型,陆地卫星TM图像,从空间分辨率上比SPOT图像低,但TM图像具有较多的光谱波段,对于森林植被地物类型的识别提取也是可行的,TM系列采集数据的手段单一,依赖多波段、垂直视获取地表信息。
进行森林资源的管理需要及时准确地掌握和监测森林资源的数量变化和空间分布的信息,虽然ASTER卫星遥感图像具有很高的性能指标,但是对原始数据需要进行哪些数据处理,从中如何提取我们所需要的森林资源信息,国内尚未见报道,这些都需要在理论上和方法上加以探讨和研究,并努力将所得结果用于实践。
为此目的利用ASTER数据进行了两大方面的的研究:一个内容是判别主要树种分布信息上的应用研究;另一个内容是利用其立体像对提取研究区高程(DEM)信息上的应用研究。
本文围绕以上两个研究内容的其中之一-探讨利用ASTER数据提取树种信息的研究上,基于Visual C++开发平台,进行了以下几个方面的工作:
(1)对存储有ASTER遥感图像数据的NCSA-HDF-4.1r3文件,以二进制的方式进行了读程序设计,并以Windows位图格式进行了程序设计。参照ASTER用户手册,开发了读取ASTER卫星数据和存取Windows标准图像BMP文件格式专门图像处理程序;提取了研究区的图像数据分别是波段1、波段2、波段3N和波段3B。
(2)大气效应问题的粗校正程序设计。具体进行了灰度图像线性变换程序设计,开发了和利用灰度直方图观察图像灰度密度分布和亮度最小值计算,主要目标是消除了大气程辐射的影响,增强灰度图像的对比度。
(3)几何精校正程序设计。开发和利用了多项式拟合的数学摸型,用双线性插值的重采样算法,把生成的20m图像数据与20m研究区地形图精确配准。几何精校正的精度控制在了1个像元以内。
(4)RGB色彩模式下的彩色合成程序,8位图像和24位图像格式转化程序设计。可以对研究区尺寸相同的波段1、波段2、波段3N,以RGB的模式自由组合,合成研究区24位彩色图像。
(5)光谱变换程序设计。实现RGB色度学颜色模型到HLS视觉颜色模型变换,以及采用Matlab7设计的主成份分析(PCA)变换的程序设计。从遥感图像目视解译上看,在进行屏幕样本选取训练时,主要靠地物的明度、对比度、颜色和纹理等特征识别地类,选择HLS色彩空间更加符合人的视觉特性;它将明度(L)与反映色彩本质特征的两个参数-色调(H)、饱和度(S)分开,而L表示了光照强度或亮度,H表示了色度,反映了该颜色最接近的光谱波长,使得图像处理的时候能够针对性更强。一般当图像上有阴影或光线变化比较大的时候,都选取这种色彩空间来对图像进行处理。
(6)彩色合成图像的有监督模式分类器的程序设计和精度评价程序设计。具体采用了两个简单分类器——最短距离(Least-Distance)分类法、以及贝叶斯(Bayes)分类法。
本文围绕第二研究内容一探讨利用ASTER数据提取高程信息的研究上,基于Visual C++开发平台,进行了以下几个方面的工作:
(1)对在研究内容一中读取的立体像对3N、3B进行了核线校正处理。核线校正计算在NASA-ASTER校正模块的支持下效果较好。
(2)核线立体像对的分割及直方图均衡化程序设计。灰度图像的均衡化的程序设计,使得灰度图像数据的分布接近均匀分布,提高灰度图像信息量,达到清晰图像的目的,同时也有利于图像间的比较运算。灰度图像均衡化是立体像对匹配前的必须处理程序。
(3)立体匹配计算模型的应用。分别计算了Matthies于1989年提出来的SSD立体匹配计算数学模型,以及计算了Andrea Fusiello于1997年提出的改进型SSD立体匹配计算数学模型一SMW模型,立体匹配结果表明SMW模型效果好。
(4)视差灰度分块图像的拼接程序设计和研究区DEM的生成。
(5)应用Microsoft Direct3D SDK9模块形成的立体图像效果的程序设计。
研究的结果:
(1)本文完整实现了研究区主要树种信息和高程信息提取的全部过程,以此结果作为技术基础,为将来林业遥感应用提供基础性质的工作和必要辅助数据参考。
(2)叠加了高度图像的,一定分类精度条件下的研究区主要树种分布图像后,就可以生成主要树种沿高程分布的立体景观图像,对掌握森林资源的分布情况有一定的参考。 (3)贝叶斯(Bayes)分类方法是所选择比较的两类分类方法中综合效果最好的。而决定贝叶斯分类精度的两个判决指标:一是该林地样本的先验概率的大小;另一个是该林地的样本利用参数估计的正态分布密度函数能不能很好地拟合该类样本。在案例1中,个别树种如油杉林地的分类正确率为0%,相比较下,云南松样本符合Bayes统计特性,分类精度达到了58.4%。而最短距离法(Least-Distance)由于其本身统计方法上的局限,只考虑类中心(均值),不管其它统计特征,造成分类精度不高和误判。因此,树种分类问题上不仅要考虑光谱特征分类,而且要考虑专家知识决策分类系统的联合来提高精度。
存在的问题和展望:
(1)只用基于光谱特征的树种分类方法,总体效果并不好,因此需要深入研究不同尺度图像融合和各种变换等增强光谱的可分性外,需要引入专家知识分类决策系统等许多问题,共同提高树种的总体分类精度问题。
(2)在立体成像应用方面,需要深入研究立体成像的空间数学模型,研究高精度数字图像插值平滑的数学模型,进一步提高高程图像的质量。
(3)本研究是基本技术方法,如何应用到林业资源监测实践中,必然有一些问题有待解决,需要结合相关专题深入研究解决。