论文部分内容阅读
虽然遥感技术近年来发展迅速，但是目前地表环境监测与制图对遥感影像高空间分辨率的需求和高分辨率数据的获取能力（重复观测周期长，覆盖范围小）之间依然存在很大差距;同时高分辨率遥感影像费用昂贵也极大限制了应用的需求。混合像元分解技术虽然在一定程度上提供部分解决方案，但是混合像元分解技术只能确定像元内部各组分地物的组成比例，不能确定地物的空间分布。目前村镇环境的遥感监测是环境监测中的薄弱环节，且村镇区域的高分辨率影像获取更为困难。而超分辨率制图技术却正是一种确定混合像元内部各类地物空间分布的技术，它使得地物信息能在亚像元尺度上显示，对村镇环境监测具有重要意义。 本文以荷兰弗莱福兰某农业区域的合成多光谱图像为模拟数据、以湖南望城乔口镇部分区域为研究区，采用超分辨率制图技术研究了以下内容: 1、现有超分辨率制图方法的可行性研究 通过模拟影像实验表明，基于空间相关性、像元交换、神经网络、地统计学、景观结构的各种超分辨率制图方法获得的制图结果，尽管Hopfield神经网络（HNN）、Markov随机场模型（MRF）、两点直方图、BP神经网络(BPNN)、景观结构对边界的重建能力差，甚至出现“锯齿状”边缘，但总体精度高，视觉效果好，从合成图像上证明这些方法是可行的。 2、超分辨率制图技术在研究区的适宜性研究 实验表明，在类似于研究区空间分布结构的影像上，修正亚像元-像元空间引力模型(MSPSAM)、混合空间引力模型(MSAM)、像元交换技术(PSA)的超分辨率制图效果最佳，整合线性解混和空间引力模型(SPM_LM)制图效果最差;除了SPMLM以外，其余制图方法制图结果精度都要高于硬分类SVM，提供相比硬分类SVM更多的细节信息，提高了遥感影像分类图的空间分辨率。 3、混合像元分解技术对超分辨率制图结果的影响研究 研究表明，混合像元分解结果的好坏严重影响超分辨率制图结果，基于全约束最小二乘线性光谱混合模型(FCLS-LSMM)基于支持向量机(SVM)的混合像元分解技术对研究区的混合像元分解效果不理想，但SVM优于FCLS-LSMM。