简介:本文以2006年1月24日发射成功的日本地球观测卫星ALOS卫星(AVNIR-2)数据为数据源,选取盐城丹顶鹤保护区核心区湿地作为研究区,尝试寻找一种有效的针对ALOS数据凸显湿地植被信息的图像变换方法,实现对遥感数据的数据降维,提高假彩色合成的图像效果的目的。同时也为其他的新的遥感数据源的数据处理提供一些思路。本文对传统的主成分分析作了改进,在对影像作主成分变换前,首先依据4,5,2假彩色合成的图像的上的细微色调差别,精选细分湿地植被,选择8类训练区,保证每类的训练区的像元数相同。根据训练区的统计数据再对整幅影像做主成分分析。通过这种有训练区辅助的主成分变换,其变换后的主成分第一分量包含了数据中的绝大部分的湿地植被信息,其中第一、二、三分量内含有的湿地植被信息量逐级减少,第四分量几乎不含湿地植被信息。在对ALOS数据进行训练区辅助主成分变换的同时也对ALOS数据进行传统的主成分变换。利用传统主成分变换后的分量数据与训练区辅助主成分变换的分量间的相互关系。经统计运算和反复实验,制定了三个假彩色合成方案:方案一,RGB:PC训练区1,PC训练区2,PC训练区3;方案二,RGB:PC传统1,PC传统2,PC传统5;方案三,RGB:C训练AQ1,PC传统2,PC传统5。在目视效果上,方案三有效凸现了湿地植被信息,扩大了细微差别,边界更明显,视觉效果更好。计算方案二和方案三的最佳波段组合指数,方案三也明显优于方案二。
简介:Curvelet变换用于影像融合能有效保持影像的光谱信息,利于提取影像不同尺度、不同方向的细节特征。为检测Curvelet变换对影像分类的影响,文章首先采用PCA方法、Curvelet变换方法对IKONOS影像进行融合;然后对原多光谱影像和融合影像进行监督分类,分类时采用相同的训练样本;最后运用多种参数对结果进行目视、定量评价。总体结果显示:基于Curvelet变换的融合影像各波段的信息熵以及与原影像的平均结构相似性程度均高于基于PCA的融合影像,原多光谱影像、基于PCA的融合影像和基于Curvelet变换的融合影像的总体分类精度分别为:77.27%、70.00%和80.09%,其中基于Curvelet变换的分类影像的地物边缘光滑度最高。