亚历山大·鲍彻 利用训练图像的随机模拟对粗卫星遥感图像进行亚像素映射。 （英语） Zbl 1162.94305号 数学。地质科学。 41，第3期，265-290（2009）. 摘要：超分辨率或亚像素制图是从粗比例尺卫星传感器信息提供精细比例尺土地覆盖图的过程。这样的程序需要一个描述土地覆盖类型空间结构的先前模型。如果可用，可将底层场景的模拟（训练图像）用于此类模型。单正规方程模拟算法（SNESIM）允许从训练图像中提取相关的模式信息，并使用该信息将粗分数数据缩小为模拟的精细土地覆盖场景。两种非决定性的方法被认为是使用训练图像进行超分辨率映射。第一种方法将粗分数降尺度为精细尺度的前后概率，然后将其与从训练图像中提取的概率合并。第二种方法基于训练图像的精细尺度模式的粗略分数将其预分类为几个划分类。分区类中的所有模式都由搜索树记录；每个分区类有一棵树。在模拟路径上的每个小尺度像素处，首先检索粗分数数据，并用其选择合适的搜索树。该搜索树包含与该粗分数数据相关的模式。为了确保精确再现粗分数，伺服系统会跟踪每个粗分数内模拟类的数量。作为一个欠定随机逆问题，可以生成多个超分辨率地图，并探索精细尺度土地覆盖的不确定性空间。所提出的SNESIM亚像素分辨率映射算法允许：（i）精确再现粗分数，（ii）注入训练图像携带的结构模型，以及（iii）对任何可用的精细尺度地面观测的条件。利用中国东南部的陆地卫星TM数据进行了两个案例研究，以说明所提出的方法。 引用于三文件 MSC公司： 94A08型 信息与通信理论中的图像处理（压缩、重建等） 68单位10 图像处理的计算方法 关键词：缩小规模;超分辨率;土地覆盖;指示变异函数;群集 PDF格式BibTeX公司 XML格式引用 \textit{A.Boucher}，数学。地质科学。41，第3号，265--290（2009；Zbl 1162.94305） 全文： 内政部 参考文献： [1] Atkinson PM（2004）使用两点直方图进行超分辨率土地覆盖分类。收录于：Sánchez-Vila X、Carrera J、Gómez-Hernández J（编辑）GeoENV IV：环境应用的地质统计学。多德雷赫特·克鲁沃，第15-28页 [2] Atkinson PM（2008）使用两点直方图和多源图像的超分辨率土地覆盖分类。收录：Soares A、Pereira MJ、Dimitrakopoulos R（编辑）GeoENV VI：环境应用的地质统计学。纽约州施普林格，第307–321页 [3] Atkinson PM、Cutler MEJ、Lewis H（1997）使用AVHRR图像绘制亚像素比例土地覆盖图。国际遥感杂志18:917–935·doi:10.1080/014311697218836 [4] Atkinson PM，Pardo-Igüzquisa E，Chica-Olmo M（2008）遥感图像中连续统的映射。IEEE Trans Geosci远程传感器46（2）：573–580·doi:10.1109/TGRS.2007.909952 [5] Boucher A（2009）考虑使用搜索树划分的复杂训练图像。计算地质科学。doi:10.1016/j.cageo.2008.03.011 [6] Boucher A，Kyriakidis PC（2006），超分辨率制图与指示地质统计学。遥感环境104:264–282·doi:10.1016/j.rse.2006.04.020 [7] Boucher A，Kyriakidis PC（2007）在超分辨率土地覆盖制图中整合精细尺度信息。照片遥感器73（8）：913–921 [8] Boucher A、Kyriakidis PC、Cronkite-Ratcliff C（2008）超分辨率土地覆盖制图的地质统计学解决方案。IEEE Trans Geosci遥感器46（1）：272–283·doi:10.1109/TGRS.2007.907102 [9] Fraggias M，Seto KC（2007）《数据解析环境中的城市增长建模：一种新方法》。环境计划B 34（5）：858–883·数字对象标识代码：10.1068/b32132 [10] Goovaerts P（1997）《自然资源评估的地质统计学》。牛津大学出版社，伦敦 [11] Hastie T、Tibshirani R、Friedman J（2001）《统计学习的要素》。纽约州施普林格·Zbl 0973.62007号 [12] Journel AG（2002）《结合不同来源的知识：传统数据独立性假设的替代方法》。数学地理34（5）：573–596·Zbl 1032.86005号 ·doi:10.1023/A:1016047012594 [13] Journel AG，Alabert F（1989）地球科学中的非高斯数据扩展。新Terra Nova 1:123–134·doi:10.1111/j.1365-3121.1989.tb00344.x [14] Journel AG、Huijbregts CJ（1978）《采矿地质统计学》。圣地亚哥学术出版社 [15] Mertens KC、Verbeke LPC、Ducheyne EI、Wulf RRD（2003）《在亚像素映射中使用遗传算法》。国际J遥感24:4241–4247·doi:10.1080/01431160310001595073 [16] Pardo-Igüzquisa DE，Chica-Olmo M，Atkinson PM（2006）图像锐化的降尺度协克里金。远程传感器环境102（1/2）：86–98·doi:10.1016/j.rse.2006.02.014 [17] Richards JA，Jia X（1999）遥感数字图像分析，第3版。柏林施普林格 [18] Seto K，Woodcock C，Song C，Huang X，Lu J，Kaufmann R（2002）使用陆地卫星TM监测珠江三角洲的土地利用变化。国际遥感杂志23（10）：1985–2004·doi:10.1080/01431160110075532 [19] Strebelle S（2002）使用多点统计对复杂地质结构进行条件模拟。数学地理学34（1）：1–21·Zbl 1036.86013号 ·doi:10.1023/A:1014009426274 [20] Tatem AJ、Lewis HG、Atkinson PM、Nixon MS（2001）使用Hopfield神经网络从遥感图像中识别超分辨率目标。IEEE Trans-Geosci遥感39:781–796·doi:10.1109/36.917895 [21] Tatem AJ、Lewis HG、Atkinson PM、Nixon MS（2002）《使用Hopfield神经网络进行超分辨率土地覆盖模式预测》。遥感环境79:1–14·doi:10.1016/S0034-4257（01）00229-2 [22] Thornton MW，Atkinson PM，Holland DA（2007）一种线性化像素交换方法，用于从精细空间分辨率遥感图像绘制农村线性土地覆盖特征。计算地质学33:1261–1272·doi:10.1016/j.cageo.2007.05.010 [23] Tso B，Mather P（2001）遥感数据的分类方法。泰勒和弗朗西斯，伦敦·Zbl 1184.68429号 [24] Verhoeye J，De Wulf R（2001）使用线性优化技术绘制亚像素尺度的土地覆盖图。遥感环境79:96–104·doi:10.1016/S0034-4257（01）00242-5 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。