像元交换在村镇地表超分辨率制图中的应用

doi:10.13474/j.cnki.11-2246.2016.0249

测绘通报 ›› 2016, Vol. 0 ›› Issue (8): 25-29.doi: 10.13474/j.cnki.11-2246.2016.0249

像元交换在村镇地表超分辨率制图中的应用

刘细梅¹, 牛振国²

1. 华南理工大学土木与交通学院, 广东广州 510641;
2. 中国科学院遥感与数字地球研究所, 北京 100101

收稿日期:2015-08-13 出版日期:2016-08-25 发布日期:2016-08-26
作者简介:刘细梅(1988-),女,硕士,助理实验师,主要从事遥感影像超分辨率制图、移动GIS研究。E-mail:ctxmliu@scut.edu.cn
基金资助:
“十二五”科技支撑项目（2012BAJ24B01）

Application of Pixel Swapping Algorithm in the Study of Rural Surface Super-resolution Mapping

LIU Ximei¹, NIU Zhenguo²

Received:2015-08-13 Online:2016-08-25 Published:2016-08-26

摘要/Abstract

摘要： 村镇区域进行遥感制图受到数据条件的明显制约，主要表现为不易获取适宜的高分辨率影像，而可获取性强的低分辨率影像由于混合像元现象严重难以直接应用于较精细的制图解析中。对此，本文尝试将一种改进的软信息规整方法结合基于像元交换的超分辨率制图方法用于低分辨率影像制图中，以弥补高分辨率遥感数据的不足。从研究区真实遥感影像开展方法的可行性验证，并分析该方法在村镇地表制图中的适宜性，探讨混合像元分解技术对村镇地表超分辨率制图结果的影响。结果显示：制图结果的优劣依赖于混合像元分解技术，混合像元分解结果的误差直接传递至制图结果中，但是村镇地表超分辨率制图结果明显优于传统的硬分类结果，说明本文方法能有效将低分辨率数据用于村镇制图中。

关键词: 像元交换, 超分辨率制图, 混合像元分解, 村镇

中图分类号:

P237

刘细梅, 牛振国. 像元交换在村镇地表超分辨率制图中的应用[J]. 测绘通报, 2016, 0(8): 25-29.

LIU Ximei, NIU Zhenguo. Application of Pixel Swapping Algorithm in the Study of Rural Surface Super-resolution Mapping[J]. 测绘通报, 2016, 0(8): 25-29.

参考文献

[1] 王群明. 遥感图像亚像元定位及相关技术研究[D]. 哈尔滨:哈尔滨工程大学, 2012.
[2] 任武, 葛咏. 遥感影像亚像元制图方法研究进展综述[J]. 遥感技术与应用, 2011, 26(1):33-44.
[3] ATKINSON P M. Mapping Sub-pixel Boundaries from Remotely Sensed Images[J]. Innovations in GIS, 1997, 4:166-180.
[4] KASETKASEM T, ARORA M K, VARSHNEY P K. Super-resolution Land Cover Mapping Using a Markov Random Field Based Approach[J]. Remote Sensing of Environment, 2005, 96(3):302-314.
[5] KASETKASEM T, ARORA M K, VARSHNEY P K.Sub-pixelland Cover Mapping Based on Markov Random Field Models[C]//Geoscience and Remote Sensing Symposium, 2003. IGARSS'03. Proceedings.[S.l.]:IEEE, 2003.
[6] MERTENS K C, DE BAETS B, VERBEKE L P C, et al. A Sub-pixel Mapping Algorithm Based on Sub-pixel/pixel Spatial Attraction Models[J]. International Journal of Remote Sensing, 2006, 27(15):3293-3310.
[7] TATEM A J, LEWIS H G, ATKINSON P M, et al. Super-resolution Target Identification from Remotely Sensed Images Using a Hopfield Neural Network[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(4):781-796.
[8] TATEM A J, LEWIS H G, ATKINSON P, et al. Land Cover Mapping at the Sub-pixel Scale Using a Hopfield Neural Network[C]//Proceedings of the 28th International Symposium on Remote Sensing of the Environment.Tuscon:[s.n.],2000.
[9] ATKINSON P M. Sub-pixel Target Mapping from Soft-classified, Remotely Sensed Imagery[J]. Photogrammetric Engineering and Remote Sensing, 2005, 71(7):839.
[10] 凌峰, 张秋文, 王乘, 等. 基于元胞自动机模型的遥感图像亚像元定位[J]. 中国图象图形学报, 2005, 10(7):916-921.
[11] LING F, DU Y, XIAO F, et al. Subpixel Land Cover Mapping by Integrating Spectral and Spatial Information of Remotely Sensed Imagery[J]. Geoscience and Remote Sensing Letters,2012, 9(3):408-412.
[12] MERTENS K C, VERBEKE L P C, WULF R R D. Sub-pixel Mapping with Neural Networks:Real-world Spatial Configurations Learned from Artificial Shapes[C]//Proceedings of 4th International Symposium on Remote Sensing of Urban Areas.Regensburg:[s.n.],2003.
[13] ATKINSON P M. Super-resolution Land Cover Classification Using the Two-point Histogram[M].[S.l.]:Springer, 2004:15-28.
[14] BOUCHER A, KYRIAKIDIS P C. Super-resolution Land Cover Mapping with Indicator Geostatistics[J]. Remote Sensing of Environment, 2006, 104(3):264-282.
[15] 林皓波, 柏延臣, 王锦地, 等. 基于景观结构的遥感影像超分辨率制图[J]. 自然科学进展, 2009(10):12.
[16] STEINWENDNER J, SCHNEIDER W, SUPPAN F. Vector Segmentation Using Multiband Spatial Subpixel Analysis for Object Extraction[J]. International Archives of Photogrammetry and Remote Sensing, 1998, 32:265-271.
[17] WANG Q, WANG L, LIU D, et al. Sub-pixel Mapping for Land Class with Linear Features Using Least Square Support Vector Machine[J]. Infrared and Laser Engineering, 2012, 41(6):32-35.
[18] MERTENS K C, DE BAETS B, VERBEKE L P C, et al. A Sub-pixel Mapping Algorithm Based on Sub-pixel/pixel Spatial Attraction Models[J]. International Journal of Remote Sensing, 2006, 27(15):3293-3310.
[19] 张翔, 肖小玲. 基于最大熵估计的支持向量机概率建模[J]. 控制与决策, 2006, 21(7):767-770.
[20] THORNTON M W, ATKINSON P M, HOLLAND D A. Sub-pixel Mapping of Rural Land Cover Objects from Fine Spatial Resolution Satellite Sensor Imagery Using Super-resolution Pixel-swapping[J]. International Journal of Remote Sensing, 2006, 27(3):473-491.
[21] TOLPEKIN V A, STEIN A. Quantification of the Effects of Land-cover-class Spectral Separability on the Accuracy of Markov-random-field-based Super Resolution Mapping[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(9):3283-3297.
[22] 黄艳妮. 基于LSMM的遥感估算方法在城市不透水面提取中的研究与应用[D]. 芜湖:安徽师范大学, 2012.

像元交换在村镇地表超分辨率制图中的应用

Application of Pixel Swapping Algorithm in the Study of Rural Surface Super-resolution Mapping

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

编辑推荐

Metrics

本文评价

[1]	郭云开, 刘海洋, 蒋明, 朱佳明. 南方典型植被遥感丰度信息提取[J]. 测绘通报, 2019, 0(6): 16-18,28.
[2]	周炜, 关洪军, 童俊. 一种利用高光谱像元分解技术提取水体边界的方法[J]. 测绘通报, 2019, 0(3): 120-123,140.
[3]	肖祥红, 刘海洋, 郭云开. 基于混合像元分解理论的路域植被等量水厚度遥感反演[J]. 测绘通报, 2019, 0(12): 83-86,95.
[4]	朱爽, 张锦水, 李长青, 郑阔. 土地覆盖遥感制图方法研究现状与展望[J]. 测绘通报, 2019, 0(11): 8-11,43.
[5]	徐玉雯, 张浩, 陈正超, 景海涛. Sentinel-2A与Landsat 8 OLI逐像元辐射归一化方法研究[J]. 测绘通报, 2019, 0(10): 61-66.
[6]	杨鹏飞, 廖秀英, 徐启恒, 程辉. 纯净像元指数改进的N-FINDR高光谱端元提取算法[J]. 测绘通报, 2018, 0(2): 89-93.
[7]	李武龙, 张志强, 张新长. GIS支持下的村镇建设用地再开发适宜性评价[J]. 测绘通报, 2016, 0(8): 99-103.
[8]	杨苏新林卉侯飞张连蓬胡召玲. 利用混合像元分解估测喀斯特地区植被覆盖度[J]. 测绘通报, 2014, 0(5): 23-27.