基于遥感数据随机模型的空间结构分与蚀变信息提取

doi:10.6046/gtzyyg.2010.04.08

摘要
参考文献
相关文章
Metrics

全文: PDF(756 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

遥感图像信号属于随机信号，其波段数据直方图与二维散点图分别是随机模型一维、二维概率密度函数的基本估计。从遥感数据的随机模型出发,讨论了一维概率密度的基本类型与形态、二维高斯分布的椭圆几何参数特征等。在此基础上,系统分析了由不同类型直方图生成的二维散点图的空间几何结构特征，以及异常信息空间定位等问题。最后，通过应用实例阐述了遥感数据空间结构分析在蚀变信息提取中的重要性与实用性。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	刘亚岚
	阎守邕
	王涛

关键词 ：双边界, 动态变化判读, 遥感图像, 信息提取

Abstract：

Remote sensing image signals are random signals whose band data histograms and two-dimensional scatter plots are respectively the basic estimates of one-dimensional probability density function and two-dimensional probability density function of the random model. In this paper，the basic types and patterns of one-dimensional probability density and the geometric parameter characteristics of Gaussian distribution ellipses are discussed based on the random models of remote sensing data. Then，problems such as the spatial geometric structure characteristics of the two-dimensional scatter plots generated by different histograms and the positioning in abnormal information space are analyzed. At last，the importance and practicability of the spatial structure analysis of remote Sensing data in alteration information extraction are demonstrated by a case study.

Key words： Double edge Dynamic change interpretation Remote sensing image Information extraction

收稿日期: 2010-01-21 出版日期: 2011-08-02

:
	TP 75

基金资助:

国家高科技研究发展计划（863）资助项目（编号： 2006AA06Z112）和国家科技支撑项目（编号： 2006BABA06）共同资助。

作者简介: 张远飞（1958-），教授级高级工程师，主要从事遥感技术方法及地质应用研究。

引用本文:

张远飞, 袁继明, 朱谷昌, 吴德文, 李红. 基于遥感数据随机模型的空间结构分与蚀变信息提取[J]. 国土资源遥感, 2010, 22(4): 34-39.
ZHANG Yuan-Fei, YUAN Ji-Ming, ZHU Gu-Chang, WU De-Wen, LI Hong.
A Study of Spatial Structure Analysis and Alteration Information Extraction Based on Random Models of Remote Sensing Data. REMOTE SENSING FOR LAND & RESOURCES, 2010, 22(4): 34-39.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2010.04.08 或 https://www.gtzyyg.com/CN/Y2010/V22/I4/34

［1］张远飞，杨自安，朱谷昌，等.遥感图像蚀变信息检测中的光谱数据空间结构分析［J］.遥感信息，2009（1）：3-9.

［2］张远飞，吴德文，朱谷昌，等.遥感蚀变信息检测中背景与干扰问题研究［J］.国土资源遥感,2008（2）：22-26.

［3］李红，朱谷昌，张远飞，等. 矿化蚀变区典型地物光谱特征分析——以内蒙古突泉县—扎鲁特旗成矿带为例［J］. 国土资源遥感，2010（1）：89-95.

［4］张远飞，吴德文，张艮中，等. 高光谱数据的波段序结构分析与应用研究［J］. 国土资源遥感，2010（1）：30-38.

［5］李智勇，郁文贤，匡纲要，等. 基于高维几何特征的高光谱异常检测算法研究［J］. 遥感技术与应用，2003，18（6）：379-383.

［6］Hyvrinen A，Karhunen J，Oja E，等，著. 周宗潭，董国华，徐昕,等，译. 独立成分分析［M］. 北京：电子工业出版社，2007.

［7］马建仓，牛奕龙，陈海洋，等. 盲信号处理［M］. 北京：国防工业出版社，2006.

［8］Kenneth R C.著. 朱志刚，林学訚，石定机，等,译. 数字图像处理［M］. 北京：电子工业出版社，2002.

［9］何晓群. 现代统计分析方法与应用［M］. 北京：中国人民大学出版社，2007.

[1]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[2]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[3]	魏英娟, 刘欢. 北衙金矿床遥感矿化蚀变信息提取及找矿预测[J]. 自然资源遥感, 2021, 33(3): 156-163.
[4]	刘万军, 高健康, 曲海成, 姜文涛. 多尺度特征增强的遥感图像舰船目标检测[J]. 自然资源遥感, 2021, 33(3): 97-106.
[5]	牟晓莉, 李贺, 黄翀, 刘庆生, 刘高焕. Google Earth Engine在土地覆被遥感信息提取中的研究进展[J]. 国土资源遥感, 2021, 33(2): 1-10.
[6]	夏炎, 黄亮, 陈朋弟. 模糊超像素分割算法的无人机影像烟株精细提取[J]. 国土资源遥感, 2021, 33(1): 115-122.
[7]	王小兵. 融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪[J]. 国土资源遥感, 2020, 32(4): 46-52.
[8]	刘尚旺, 崔智勇, 李道义. 基于Unet网络多任务学习的遥感图像建筑地物语义分割[J]. 国土资源遥感, 2020, 32(4): 74-83.
[9]	王琳, 谢洪波, 文广超, 杨运航. 基于Landsat8的含蓝藻湖泊水体信息提取方法研究[J]. 国土资源遥感, 2020, 32(4): 130-136.
[10]	蔡之灵, 翁谦, 叶少珍, 简彩仁. 基于Inception-V3模型的高分遥感影像场景分类[J]. 国土资源遥感, 2020, 32(3): 80-89.
[11]	李宇, 肖春姣, 张洪群, 李湘眷, 陈俊. 深度卷积融合条件随机场的遥感图像语义分割[J]. 国土资源遥感, 2020, 32(3): 15-22.
[12]	刘畅, 杨康, 程亮, 李满春, 郭紫燕. Landsat8不透水面遥感信息提取方法对比[J]. 国土资源遥感, 2019, 31(3): 148-156.
[13]	叶发茂, 罗威, 苏燕飞, 赵旭青, 肖慧, 闵卫东. 卷积神经网络特征在遥感图像配准中的应用[J]. 国土资源遥感, 2019, 31(2): 32-37.
[14]	谢奇芳, 姚国清, 张猛. 基于Faster R-CNN的高分辨率图像目标检测技术[J]. 国土资源遥感, 2019, 31(2): 38-43.
[15]	尹展, 张利军, 段建良, 张沛. 南方植被区强迫不变植被抑制技术改进与应用[J]. 国土资源遥感, 2019, 31(2): 82-88.

Viewed

Full text

Abstract

Cited

Shared

Discussed