基于亚像元分解重构的MODIS水体提取模型及方法研究

论文摘要

水遥感技术广泛用于水旱灾害动态监测、洪灾损失评估、水资源监测、水环境监测等研究领域。现有大量MODIS数据资源（MODerate-resolution ImagingSpectroradiometer,中分辨率成像光谱仪）,它是一种可免费获取、具有高时间分辨率、高光谱分辨率和低空间分辨率的遥感影像数据,对大范围的、监测频次要求较高的水遥感应用,是一种较好的数据源。但混合像元的存在限制了这些数据的应用效果,使水体提取精度难以满足实际应用需求。所以研究水体亚像元分解重构问题,提取水体混合像元中的水体亚像元并对其进行空间定位,能有效提高水体遥感提取的精度和效费比。本文以水体为特定研究对象,以水体光谱特征和水体混合像元成像机理为基础,以遥感图像处理方法和动态规划法为手段,以MODIS为数据载体,用典型研究区域的遥感数据进行实验验证,在遥感影像预处理、水体混合像元端元选取及线性分解、水体亚像元定位等领域开展研究,建立了水体亚像元分解重构模型,设计实现了一系列相关算法,有效提高了水体提取的精度。本文的水体亚像元分解重构模型适用于所有多（高）光谱遥感影像。论文主要研究工作和创新点如下:1)设计并实现了MODIS 1B级原始影像的几何校正批处理算法,批处理软件包可在20分钟内处理完一幅36波段的影像数据,大幅提高了MODIS几何校正数据处理效率;2)提出了基于四（六）元组和面积比的特征点集匹配算法,充分利用相邻三角形面积比这一仿射不变量来加快同名特征点的搜索速度,匹配过程不需人工干预,具有计算量小,匹配速度快的特点;3)提出了移位重采样模板匹配算法,对主辅图像中的高分辨率影像进行移位重采样,使其与低分辨率影像分辨率一致,再对两者进行模板匹配,取相似性测度最高的位置作为最终匹配值,实现了不同分辨率遥感影像之间的精匹配,配准误差不大于0.1个像素;4)对MODIS影像中水体样本的高光谱特征进行统计研究,并根据统计结果建立MODIS水体提取决策树模型。5)实现了水体混合像元的端元自动选取算法,解决了水体混合像元的端元数量远大于参与解算的MODIS波段数的矛盾,实现了水体混合像元线性分解算法;6)提出了基于空间映射表的水体亚像元定位模型,并设计实现了一套完整的算法,其中包括:水体边界线走向追踪算法,建立端元坐标系及坐标转换算法,建立空间映射表的算法,路径光滑性准则及像元内最小聚类距离等评价指标体系,相邻像元水体边界线匹配算法,水体边界线动态规划搜索算法及其求解算法,像元内路径编号与水体亚像元位置的换算方法。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 论文研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文主要工作
• 1.5 论文的结构
• 2 遥感影像预处理
• 2.1 遥感影像预处理的必要性
• 2.2 MODIS数据技术参数
• 2.3 MODIS原始数据几何校正处理
• 2.4 多源影像的几何配准
• 2.5 本章小结
• 3 水体提取模型研究
• 3.1 水体光谱特征
• 3.2 水体样本光谱特征统计
• 3.3 水体提取模型研究
• 3.4 水体混合像元光谱特征
• 3.5 沙湖水体遥感提取实验
• 3.6 本章小结
• 4 水体混合像元分解模型
• 4.1 混合像元成像机理
• 4.2 端元的选取算法
• 4.3 现有的混合像元分解模型
• 4.4 水体混合像元中端元自动选取及分解算法
• 4.5 实验及结论
• 4.6 本章小结
• 5 基于空间映射表的水体亚像元定位
• 5.1 国内外亚像元定位研究进展
• 5.2 本文亚像元定位基本思路
• 5.3 端元坐标定义及坐标转换
• 5.4 评价指标体系
• 5.5 空间映射表
• 5.6 水体亚像元定位算法
• 5.7 实验与结论
• 5.8 本章小结
• 6 总结与展望
• 致谢
• 参考文献
• 附录1 攻读博士期间发表的论文