遥感影像质量评价方法综述

合集下载

多时相遥感影像变化检测方法研究进展综述

确定和分析该区域地物的变化，包括地物位置、范围的变化和地物性质状态的变化。多时相变化检测则是指基于两个以
ＳＰＯＴＶＥＧＴＡＴＩＯＮ等传感器可以实现对地球表面大部分
区域的逐日观测，我国２００８年发射的环境减灾卫星Ａ、Ｂ两颗卫星，每两天获取覆盖中国国土的多光谱数据。海量、多时相遥感数据的积累，为实现区域乃至全球尺度的土地覆盖变化检测等全球变化研究提供了重要数据源。但是从多时相影像中及时提取地球环境和人类活动的动
＊通讯联系人ｅ－ｍａｉｌ：ｗａｎｇｑｉａｏ＠ｓｅｐａ．ｇｏｖ．ｃｎ
ｅ－ｍａｉｌ：ｓｈｏｕｊｉｎｇｙ＠１６３．ｃｏｎ；ｒｓｈｏｕｊｉｎｇｙ＠１２６．ｃｏｎｒ
收稿日期：２０１３ — ０３ — １５。修订日期：２０１３ — ０６－２０
基金项目：高分辨对地观测重大专项项目（０５一Ｙ３０Ｂ０２ — ９００１ — １３／１５ — ４）和国家自然科学基金项目（４１１０１３７８，４１２７１３４９）资助作者简介：殷守敬，１９８２年生，环保部卫星环境应用中心工程师
态信息仍面临很多挑战＿１］。尽管许多学者已经围绕多时相遥感影像的变化检测方法的研究开展了大量工作，但是这些研究相对分散，还没有形成完整、成熟的理论体系，对相关理

遥感图像客观质量评价方法研究

遥感图像客观质量评价方法研究何中翔;王明富;杨世洪;吴钦章【摘要】为分析图像压缩过程对遥感图像质量的影响,从遥感图像构像质量和几何质量两个方面探讨了遥感图像客观质量评价方法,并改进一种基于Harris角点检测算法的亚像素级角点检测算法.采用JPEG2000、SPIHT两种算法分别对这些评价方法进行验证.实验表明:为满足人眼视觉观察能分辨图像细节的要求,遥感图像压缩比不宜超过16倍,为使压缩后图像满足计算机视觉应用,图像压缩比不宜超过8倍.%To study the quality effect of the remote sensing image brought by the image compression process, several algorithms of objective quality assessment about the visual and geometric quality of the remote sensing image are discussed. A sub-pixel level corner detection algorithm based on the Harria corner detection algorithm is improved. Two compression algorithms of JPEG2000 and SPIHT are used to verify these assessment algorithms. The experimental results show that the image compression rate can be no larger than 16 if you want to distinguish the details by your eyes, and it can be no larger than 8 if you need satisfactory precision in computer vision applications.【期刊名称】《图学学报》【年(卷),期】2011(032)006【总页数】6页(P47-52)【关键词】图像压缩;图像质量评价;角点检测算法;压缩比【作者】何中翔;王明富;杨世洪;吴钦章【作者单位】中国科学院光电技术研究所,四川成都610209;中国科学院研究生院,北京100039;中国科学院光电技术研究所,四川成都610209;中国科学院研究生院,北京100039;中国科学院光电技术研究所,四川成都610209;中国科学院光电技术研究所,四川成都610209【正文语种】中文【中图分类】TP391航空遥感图像数据量巨大，为在有限的传输信道带宽下尽量保持遥感图像信息，必须对图像进行压缩减少数据量。

遥感影像变化检测简述

遥感影像变化检测简述摘要：遥感影像变化检测一直是国际遥感领域研究的热点和难点，随着遥感对地观测技术的快速发展和应用，变化检测技术体系也在不断地发展和演化，已广泛应用于国土资源管理、地物变化、农林业的监测等领域。

现有的遥感变化检测技术方法很多，分类方式也很多，目前的研究表明，没有任何一种变化检测方法具有绝对的优势。

在实际的应用中，要根据具体的应用目的选取合适的变化检测方法。

本文将对遥感影像变化检测的基本概念、主要检测流程以及不同分类体系下的检测方法及各方法的优缺点进行简要阐述。

关键词：遥感影像；变化检测；检测方法中图分类号：文献标志码：文章编号：遥感影像变化检测是利用不同时期覆盖在同一地表区域的多源遥感影像和相关地理空间数据，结合相应地物特性和遥感成像机理，采用图像、图形处理理论及数理模型方法，确定和分析该地域地物的变化[1]，包括地物位置、范围的变化和地物性质、状态的变化。

它的最终目标就是提取出变化信息并确定变化的类型。

近年来，随着航天技术和信息科学技术的飞速发展，遥感影像获取技术呈现出多平台、多角度多传感器和高时间分辨率、高空间分辨率、高光谱分辨率、高辐射分辨率的特点[2]，海量的遥感数据为遥感应用提供了坚实的数据基础。

怎样从海量的遥感影像数据中提取和检测出变化信息已成为当前遥感数据处理技术的主要发展方向[3]。

国内外学者从不同角度针对不同应用研究了大量的变化检测方法和理论模型，但目前还没有发现一种适合所有场景的方法[4]，还需根据具体情况，选择合适的变化检测方法。

论文简述了遥感变化检测的主要流程，简单介绍了几种目前主要使用的变化检测方法及其优缺点。

1 遥感变化检测的主要流程目前，各学者对遥感影像的变化检测过程提出了不同的划分步骤。

本文将遥感影像的变化检测过程总结为数据源选取、数据预处理、变化信息提取、变化信息后处理、检测精度评价五个部分。

数据源选取。

现在变化检测可以利用的数据源有很多，单波段、多波段、单时相、多时相等影像都有。

一种高分遥感影像物体分割质量评价方法

一种高分遥感影像物体分割质量评价方法高分辨率遥感影像物体分割是遥感图像处理和图像识别的重要研究领域之一。

为了评价物体分割算法的质量，需要选择合适的评价方法。

本文将介绍一种常用的高分遥感影像物体分割质量评价方法。

一、精确度评价指标1.准确率（accuracy）: 准确率是最常用的评价指标之一，表示分类结果中正确分类的像素数量与总像素数量之比。

其计算公式为：accuracy = (TP + TN) / (TP + FP + TN + FN)，其中TP为真阳性，TN为真阴性，FP为假阳性，FN为假阴性。

2.召回率（recall）: 召回率也称为灵敏度、命中率，表示分类结果中正确分类的像素数量与实际物体像素数量之比。

其计算公式为：recall = TP / (TP + FN)。

3.精确率（precision）: 精确率是指分类结果中正确分类的像素数量与算法预测结果中像素数量之比。

其计算公式为：precision = TP / (TP + FP)。

4.F值（F-measure）: F值是综合考虑精确率和召回率的评价指标，采用调和平均数的形式来衡量分割结果的质量。

其计算公式为：F-measure = (2 * precision * recall) / (precision + recall)。

二、区域性评价指标1.覆盖率（coverage）: 覆盖率表示分类结果中正确分类的像素数量与实际物体像素数量之比。

其计算公式为：coverage = TP/ (TP + FN)。

2.重叠度（overlap）: 重叠度表示分类结果中正确分类的像素数量与总像素数量之比。

其计算公式为：overlap = TP / (TP + FP + FN)。

三、形状性评价指标1.相对面积误差（RAE, Relative Area Error）: 相对面积误差是指分类结果与实际物体面积之间的相对误差。

其计算公式为：RAE = |A_r - A_t| / A_t，其中A_r为分类结果的面积，A_t为实际物体的面积。

遥感影像云检测和去除方法综述

遥感影像云检测和去除方法综述遥感影像在现代地理信息系统（GIS）和环境研究中扮演着重要的角色。

然而，由于气候条件、传感器限制或技术问题等原因，遥感影像中常常存在云遮挡。

云遮挡会影响影像的质量，降低地物提取和分析的精度。

因此，对遥感影像进行云检测和去除是非常必要的。

本文将综述当前常用的遥感影像云检测和去除方法，并讨论它们的优缺点。

不同的方法可以分为基于光学遥感和基于雷达遥感两类。

一、基于光学遥感的云检测和去除方法1. 阈值法阈值法是最简单和常用的云检测方法之一。

它基于云的光谱特征，将云像元与非云像元分离。

通过选择适当的阈值，可以实现较好的云检测效果。

然而，由于光照条件和云的形状、纹理等因素的影响，阈值法在某些情况下存在误检和漏检的问题。

2. 纹理分析法纹理分析法利用图像中的纹理信息，通过计算纹理特征来识别云。

它可以有效地区分云与非云区域，并能够应对光照变化和云的形状变化。

但是，纹理分析法对云的覆盖程度要求较高，且计算复杂度较高。

3. 多时相法多时相法通过比较不同时间点的遥感影像，利用云的运动特征来检测云。

它可以较好地处理云的变化和遮挡问题，但需要多个时间点的影像数据，并且对云的运动速度有一定要求。

二、基于雷达遥感的云检测和去除方法1. 激光雷达法激光雷达法利用激光雷达的主动传感器特性，通过发送激光脉冲并接收反射回来的信号，来获取地物的高程信息。

由于激光雷达可以穿透云层，因此可以有效地检测云并进行去除。

然而，激光雷达数据的获取成本较高，限制了其在大规模地表覆盖的应用。

2. 合成孔径雷达（SAR）法合成孔径雷达（SAR）法是一种常用的雷达遥感云检测和去除方法。

它通过接收地面散射信号来获取地物信息。

由于雷达波长较长，可以穿透云层，因此可以实现较好的云检测和去除效果。

然而，雷达像元的分辨率相对较低，影像细节信息较少。

综上所述，遥感影像云检测和去除是遥感数据处理中的重要环节。

基于光学遥感和基于雷达遥感的方法各有优点和局限性。

多时相遥感影像变化检测方法研究进展综述

多时相遥感影像变化检测方法研究进展综述1. 本文概述随着遥感技术的飞速发展，多时相遥感影像在环境监测、资源管理、城市规划等领域发挥着越来越重要的作用。

多时相遥感影像变化检测，作为遥感影像分析的核心内容之一，旨在识别和量化不同时间点获取的遥感影像之间的变化信息。

本文旨在全面回顾和评述多时相遥感影像变化检测方法的研究进展，包括传统方法和基于深度学习的方法，以及它们在各类应用场景中的性能表现。

本文首先介绍了多时相遥感影像变化检测的基本概念、研究背景和重要性。

随后，本文详细梳理了当前主流的变化检测方法，包括基于像素、基于特征和基于决策的方法，并分析了这些方法的优缺点。

特别地，本文重点关注了近年来兴起的基于深度学习的变化检测方法，如卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN）等，并探讨了它们在提高变化检测精度和效率方面的潜力。

本文还讨论了变化检测方法在实际应用中面临的挑战，如数据异质性、变化类型多样性和计算复杂性等，并提出了可能的解决方案和未来研究方向。

通过本文的综述，我们期望为遥感科学和相关领域的研究者提供一个关于多时相遥感影像变化检测方法的全面了解，并激发新的研究思路和技术创新。

2. 多时相遥感影像基本概念多时相遥感影像，指的是在不同时间点对同一地区或目标进行多次遥感观测所获取的影像集合。

这些影像可以来自同一传感器，也可以来自不同传感器，但它们的共同点是都反映了同一地区在不同时间点的地表状况。

多时相遥感影像的获取，有助于我们深入了解地表的动态变化，如土地利用覆盖变化、城市扩张、自然灾害等。

多时相遥感影像的变化检测，就是通过对这些不同时间点的影像进行比较和分析，识别出地表发生的各种变化。

这种变化检测的方法，可以基于像素级、特征级或对象级进行。

像素级变化检测主要关注像素值的变化，通过比较不同时间点的像素值来识别变化区域特征级变化检测则提取影像中的特定特征，如纹理、形状等，通过比较这些特征的变化来识别地表变化对象级变化检测则是将影像分割为不同的对象，通过比较这些对象的变化来识别地表变化。

遥感影像变化检测技术发展综述

ｏｍｏｅＳｎｉｇＩａｅｙｆＲｅｔｅｓｎｍｇｒ
ＣＨＥＸｉ —ｂａＮｎｉｏ
（ｃｏｌｆｏｃｅｃｓａｄＩｆＳｈｏｓｉｎｅｎｏ—Ｐｙｉ，ｅｔａＳｕｈＵｎｖｒｉ，ｈｎｓａ４０８，ｈｎ）ｏＧｅｎｈｓｓＣｎｒｌｏｔｉｅｓｙＣａｇｈ１０３Ｃｉａｃｔ
低、盖范围广、多（覆三多传感器、平台、角度）三高多多、
（高空间分辨率、光谱分辨率、时间分辨率）特点，高高等每天可以收到以ＴＢ为单位的数据。如何从这些海量的遥感数据中提取和检测变化信息，用于全球变化、并土地覆盖／土地利用、量数据更新等领域，矢已成为遥感信息
科学研究的重点。
如，于影像分割的变化检测方法；于统计学的变化检基基
测方法；及空间领域的变化检测方法等，顾不仅利用图像的光谱特征、色特征，考虑了图像的纹理特征 ” 形颜还、
状特征、构特征等，实际应用中都取得了良好的效结在
第３５卷第９期
２１年９月０２
测绘与空间地理信息
ＧＥＯＭＡＴＣＳ＆ＳＩＰＡＴＡＬＩＩＮＦｏＲＭＡｏＮＴｌＴＥｅＨＮＯＬ０ＧＹ
Ｖｏ＿５．ｌ３Ｎｏ．９Ｓｐ．，２２ｅｔ０１
遥感影像变化检测技术发展综述

如何进行遥感影像质量评价

如何进行遥感影像质量评价遥感影像质量评价，是指对通过遥感技术获取的影像数据进行质量检验和评估，以保证数据的准确性和可靠性。

随着遥感技术的快速发展和广泛应用，遥感影像质量评价在各个领域都显得尤为重要。

本文将从不同维度，探讨如何进行遥感影像质量评价。

一、解译精度评价在进行遥感影像质量评价时，最重要的因素之一便是解译精度。

解译精度评价可以从多个角度进行，如地物检测的正确率和误报率、地物分类的准确率等。

为确保评价结果的客观性和准确性，可以采用地面实地调查、高清地图数据、其他遥感数据及辅助信息进行对比分析，从而进行遥感影像的解译精度评价。

二、图像质量评价图像质量是指遥感影像在成像过程中所表达的细节和色彩信息与真实世界一致程度的度量。

图像质量评价可以从图像的清晰度、色彩还原度、空间分辨率等多个方面进行。

常用的图像质量评价指标包括均方根误差、偏差、信噪比等，这些指标可以帮助我们评估图像的质量和成像效果。

三、几何精度评价几何精度是指遥感影像的位置和形状与实际地物的位置和形状之间的差异。

几何精度评价对很多应用来说是至关重要的，特别是在地图制图和地物定位方面。

通过对图像的空间分布进行统计分析，可以评估遥感影像的几何精度，并与地面控制点进行比对，以提高几何精度。

四、辐射精度评价辐射精度评价是对遥感影像在辐射测量过程中的准确性进行评估。

辐射精度评价的主要目的是检测遥感影像在辐射校正和辐射匹配过程中的误差，并通过与辐射参考标准进行比对，以提高遥感影像的辐射精度。

五、时间精度评价时间精度评价是对遥感影像获取的时间精度进行评估。

时间精度对于监测与观测变化的研究非常关键。

常用的时间精度评价方法包括重复观测、对比分析和时间序列分析等，这些方法可以帮助我们评估遥感影像获取过程中的时间偏差，并验证数据的时效性。

综上所述，遥感影像质量评价是一项复杂而又重要的工作。

通过对解译精度、图像质量、几何精度、辐射精度和时间精度等的评估，可以全面提升遥感影像质量，为遥感应用提供可靠的数据支撑。

遥感影像质量评价指标与方法研究

遥感影像质量评价指标与方法研究遥感影像是获取地球表面信息的重要手段，而遥感影像的质量评价对于保证影像的准确性和可靠性具有重要意义。

本文将深入探讨遥感影像质量评价的指标与方法，从影像的分辨率、几何精度、光谱精度和辐射精度等多个方面进行分析。

一、分辨率指标与方法分辨率是指遥感影像中能够区分不同物体的最小像元大小，通常用空间分辨率来衡量。

常见的分辨率包括空间分辨率和谱分辨率。

空间分辨率是指遥感影像中像元的实际大小，可以通过计算器像元大小与实际长度的比例来得到。

而谱分辨率则体现了遥感影像对不同波长的敏感程度，可以通过光谱响应曲线来衡量。

在分辨率的评价方法中，可以采用对比法和量化法。

对比法主要是通过对同一区域内不同分辨率的影像进行对比，观察影像中细节的可分辨性。

而量化法则是通过数学统计方法对影像的梯度、方差和灰度等进行测算，以评估影像的分辨率。

常用的量化法包括三点法和灰度共生矩阵法。

二、几何精度指标与方法几何精度是指遥感影像中地物位置的准确性，主要包括水平精度和垂直精度两个方面。

水平精度是指地物在平面上的位置误差，可以通过对比遥感影像和地面实地数据进行对比来评价。

而垂直精度则是指地物在垂直方向上的高程误差，可以通过对比遥感影像和数字高程模型（DEM）数据进行对比来评价。

在几何精度的评价方法中，可以采用配准法和精度评定法。

配准法是指将遥感影像与地面实地数据进行比对，并进行配准校正，从而得到几何精度。

精度评定法则是通过计算器影像中地物的位置误差，并与实地数据进行对比，以评价几何精度。

三、光谱精度指标与方法光谱精度是指遥感影像中不同光谱波段的灰度值和实际的物理量之间的误差，是评价遥感影像反射率的准确性。

光谱精度主要受到辐射定标、大气校正和影像数字化等因素的影响。

在光谱精度的评价方法中，可以采用光谱匹配法和光谱角度法。

光谱匹配法是指通过对比遥感影像和地面实地数据的光谱曲线，评定遥感影像的光谱精度。

而光谱角度法则是通过计算器遥感影像和实地光谱数据之间的角度值，以评估光谱精度。

遥感影像融合的质量评价探讨

ｌ学术研究０

测绘技术装备
季刊
第１０卷
２００８年第４期
量做出主观定性评价，可以确定融合图像的可用方向上的一阶差分。性。实际做法是提交融合后的图像给经验丰富、长２２３融合图像光谱信息的继承程度：偏差指数．．
期从事摄影测量的一线作业人员来评价。由于长期
变换、ＤＴ余弦变换）ａｅｅｒｎｆｒ（Ｃ（、ＷｖｌｔＴａｓｏｍ小波变２２１融合图像信息量增加的程度：信息熵．．换）Ｈ＋￣、ＩＳｄ波变换、ＤＴｔ波变换、加权融合以及Ｃ＋］￣信息量增加是图像融合最基本的要求。图像的ＰＡ（Ｃ主成份分析）变换等七种融合方法所进行的试信息熵是衡量信息量增加大小的重要参数，值越大，验，取得了融合图像。本文就融合影像的质量评价则该图像中所含信息越丰富。可以通过融合前后图展开讨论，以确保融合后图像能达到摄影测量生产像信息熵的变化来反映，图像信息熵的含义为图像中采集数据的精度要求。的平均信息量，其表达式为：
利用偏差指数可以反映融合图像与原始图像在
以来他们以全色光学影像作为作业对象，因此，对光谱信息上的匹配程度。例如，高空间分辨率影像Ａ，融合后影像所同时具有的高分辨率和多光谱特征能与多光谱影像Ｂ进行融合生成影像Ｃ偏差指数定义

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＹＩＮＬｉｎｇ—ｚｈｉ，ＺＨＵＪｕｎ，ＣＡＩＧｕｏ—ｌｉｎ，ＷＡＮＧＪｉｎ—ｈｏｎｇ
（Ｄｅｐｔ．ｏｆＲＳａｎｄＧＩＳ，ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００３１，Ｃｈｉｎａ，）
Ｋｅｙｗｏｒｄｓ：ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ；ｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔ；ｓｕｂｊｅｃｔｉｖｅａｓｓｅｓｓｍｅｎｔ；ｏｂｊｅｃｔｉｖｅａｓｓｅｓｓｍｅｎｔ
０引言
随着遥感技术的发展，人类获取遥感影像的种类和数量越来越多，但如何从众多影像中选取符合研究需要
为了获得更有效的遥感影像质量评价方法，许多学
者尝试研究基于人类视觉系统（ＨｕｍａｎＶｉｓｕａｌＳｙｓｔｅｍ，
ｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ．Ｆｉｒｓｔｌｙ，ａｓｕｂｊｅｃｔｉｖｅｅｖｌｕａａｔｉｎｇｍｅｔｈｏｄｉｓｉｎｔｒｏｄｕｃｅｄｗｈｉｃｈｏｆｆｅｓｒａｓｃｉｅｎｔｉｉｆｃａｎｄｓｔａｂｌｅａｐｐｒａｉｓｅｖａｌｕｅ；ｓｅｃｏｎｄ —
ＨＶＳ）的影像质量评价，并提出了一些算法，如Ｄａｌｙ提出
了视觉差异预测（ＶｉｓｉｂｌｅＤｉｆｆｅｒｅｎｃｅＰｒｅｄｉｃｔｏｒ，ＶＤＰ），
的高质量影像是目前所遇到的一个难题。因为影像质量的好坏会直接影响到影像中感兴趣目标的正确识别，包括几何信息与非语义信息。因此，如何有效地评价遥感影像的质量已成为遥感数据获取与处理中的一个非常关
ｌｙ，ｏｂｊｅｃｔｉｖｅｉｍａｇｅｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔａｌｇｏｒｉｔｈｍｓａｒｅｃｌａｓｓｉｉｆｅｄａｎｄｉｎｔｒｏｄｕｃｅｄ；ｉｆｎａｌｌｙ，ｔｈｅｓｈｏｒｔａｇｅｏｆｔｈｅｃｕｒｒｅｎｔｉｍａｇｅｑｕｌａｉｔｙｅｖａｌ —
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏａｓｓｅｓｓｔｈｅｑｕｌｉａｔｙｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｂｅｔｔｅｒ，ｔｈｉｓｐａｐｅｒｇｉｖｅｓａｒｅｖｉｅｗｏｆｑｕａｌｉｔｙｅｖｌｕａａｔｉｏｎｍｅｔｈｏｄｓｏｆｒｅ —
尹灵芝，朱军，蔡国林，王金宏
（西南交通大学遥感信息工程系，四川成部６１００３１）的质量，本文对常用的遥感影像质量评价方法进行了综述。首先描述影像的
主观评价方法，给出科学、稳定的主观评价值；然后对客观评价方法分类介绍；最后总结了当前影像质量评价方法存在的不足，可为遥感影像质量的评价与处理提供参考。
ｕａｔｉｏｎｍｅｔｈｏｄｓａｒｅｓｕｍｍａｒｉｚｅｄ，ａｎｄｇｉｖｅａｒｅｆｅｒｅｎｃｅｆｏｒｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｅｖａｌｕａｔｉｏｎａｎｄｐｒｏｃｅｓｓｉｎｇ．
第３７卷第ｌ２期
２０１４年ｌ２月
测绘与空间地理信息
ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬｉＮＦｏＲＭＡＴＩＯＮＴＥＣＨＮｏｂｏＧＹ
ＶｏＩ＿３７．Ｎｏ．１２
Ｄｅｃ．。２０１４
遥感影像质量评价方法综述
关键词：遥感影像；质量评价；主观评价；客观评价中图分类号：Ｐ２３；ＴＵ２０１．２文献标识码：Ａ文章编号：１６７２— ５８６７Ｉ２０１４）１２— ００３２— ０４
ＲｅｖｉｅｗｏｎＱｕａｌｉｔｙＥｖａｌｕａｔｉｏｎＭｅｔｈｏｄｓｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅ