本文選題：光譜數(shù)據(jù)降維 + 數(shù)據(jù)壓縮��； 參考：《遙感信息》2017年02期

【摘要】：針對(duì)從波段數(shù)目較多的海量高光譜遙感影像數(shù)據(jù)中高效地檢索出所需信息這一迫切需要解決的問題,將空間數(shù)據(jù)壓縮算法引入到光譜數(shù)據(jù)降維中,以規(guī)則樹分組和曲線數(shù)據(jù)綜合技術(shù)為基礎(chǔ),設(shè)計(jì)了十六叉樹狀變換、垂距光譜檢索、偏角光譜檢索、道格拉斯-普克光譜檢索算子。采用相對(duì)光譜識(shí)別概率、相對(duì)光譜識(shí)別熵、相對(duì)光譜識(shí)別力3種統(tǒng)計(jì)學(xué)方法,從不同角度通過與常規(guī)的光譜角度制圖和光譜信息熵進(jìn)行比較分析發(fā)現(xiàn):利用新的檢索算子提取光譜曲線特征向量,進(jìn)行相似性測度,降低了光譜檢索的時(shí)間頻率。在保證相近識(shí)別能力的條件下,能夠大大提供高程序的檢索效率,是幾種快速有效的高光譜特征匹配和檢索算子。
[Abstract]:In view of the urgent problem of efficiently retrieving the required information from the massive hyperspectral remote sensing image data with a large number of bands, the spatial data compression algorithm is introduced to reduce the dimension of spectral data. Based on the rule tree grouping and curve data synthesis techniques, the hexadecimal tree transform, vertical spectral retrieval, offset spectral retrieval and Dow Glass-Glask-spectral retrieval operator are designed. Using three statistical methods: relative spectral recognition probability, relative spectral recognition entropy and relative spectral recognition power. By comparing with the conventional spectral angle mapping and spectral information entropy, it is found that the new retrieval operator is used to extract the characteristic vector of the spectral curve and measure the similarity, thus reducing the time frequency of the spectral retrieval. Under the condition that the similar recognition ability is guaranteed, the retrieval efficiency of high program can be greatly provided, and it is a kind of fast and effective hyperspectral feature matching and retrieval operator.
【作者單位】： 成都理工大學(xué)地學(xué)空間信息技術(shù)國土資源部重點(diǎn)實(shí)驗(yàn)室;成都理工大學(xué)地球科學(xué)學(xué)院;武漢大學(xué)學(xué)報(bào)信息科學(xué)版編輯部;
【基金】：國家自然科學(xué)基金(41071265、41102225、41201440) 高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(201351221200092013) 成都理工大學(xué)骨干教師培養(yǎng)計(jì)劃(DG0002)
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 張浚哲;朱文泉;鄭周濤;潘耀忠;王伶俐;;高光譜數(shù)據(jù)的相似性測度對(duì)比研究[J];測繪科學(xué);2013年06期

2 施蓓琦;劉春;陳能;林文鵬;;典型地物實(shí)測光譜的相似性測度與實(shí)驗(yàn)分析[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

3 彭認(rèn)燦;董箭;鄭義東;李改肖;;垂距法與道格拉斯-普克法刪除冗余頂點(diǎn)效率的比較[J];測繪通報(bào);2010年03期

4 聞兵工;馮伍法;劉偉;馬一薇;;基于光譜曲線整體相似性測度的匹配分類[J];測繪科學(xué)技術(shù)學(xué)報(bào);2009年02期

5 李飛;周成虎;陳榮國;;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[J];光譜學(xué)與光譜分析;2008年11期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李世寶;陳通;劉建航;陳海華;;基于交叉點(diǎn)的道路曲線化簡算法研究[J];測繪工程;2017年07期

2 張淼;于文博;沈飛;謝長生;沈毅;;基于改進(jìn)Hough算法的高光譜數(shù)據(jù)直線檢測方法研究[J];上海航天;2017年03期

3 楊可明;張文文;程龍;王曉峰;趙駿武;;玉米葉片重金屬銅污染的ED-T-DSGA光譜分析模型[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2017年04期

4 朱院院;慕巍;李廣良;王虎;劉彤;高澤東;;海面弱小目標(biāo)高光譜融合技術(shù)研究[J];應(yīng)用光學(xué);2017年01期

5 穆瑞欣;;基于等高線的地形特征線提取研究[J];測繪與空間地理信息;2016年12期

6 彭強(qiáng)吉;薦世春;宋和平;位國建;付乾坤;馬繼春;;3MDZJ-1型電力驅(qū)動(dòng)式棉花智能精準(zhǔn)打頂機(jī)的研制[J];農(nóng)機(jī)化研究;2016年12期

7 戴曉愛;賈虎軍;吳芬芳;楊曉霞;;空間數(shù)據(jù)壓縮的高光譜降維技術(shù)比較[J];遙感信息;2017年02期

8 王晶;李澄;劉朗;鄭順麗;項(xiàng)騰飛;楊玲;;綠色植被近紅外光譜模擬材料的設(shè)計(jì)及應(yīng)用[J];光學(xué)學(xué)報(bào);2017年02期

9 楊可明;汪國平;尤笛;劉聰;夏天;;重金屬鉛離子脅迫下玉米葉片光譜弱差信息的DSAT甄別模型[J];光譜學(xué)與光譜分析;2016年08期

10 顏遠(yuǎn)青;劉華;;規(guī)則建筑物重建多邊形分解方法研究[J];測繪科學(xué);2016年07期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張浚哲;朱文泉;董燕生;姜乃文;潘耀忠;;一種基于變權(quán)重組合的光譜相似性測度[J];測繪學(xué)報(bào);2013年03期

2 孫林;鮑金河;劉一超;;高光譜圖像目標(biāo)檢測算法分析[J];測繪科學(xué);2012年01期

3 孔祥兵;舒寧;陶建斌;龔;;一種基于多特征融合的新型光譜相似性測度[J];光譜學(xué)與光譜分析;2011年08期

4 聞兵工;馮伍法;劉偉;馬一薇;;基于光譜曲線整體相似性測度的匹配分類[J];測繪科學(xué)技術(shù)學(xué)報(bào);2009年02期

5 楊燕;靳蕃;KAMEL Mohamed;;聚類有效性評(píng)價(jià)綜述[J];計(jì)算機(jī)應(yīng)用研究;2008年06期

6 虞欣;鄭肇葆;;基于對(duì)應(yīng)分析的訓(xùn)練樣本的選擇[J];測繪學(xué)報(bào);2008年02期

7 鄧敏;鈕沭聯(lián);李志林;;GIS空間目標(biāo)的廣義Hausdorff距離模型[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2007年07期

8 徐遵義;晏磊;寧書年;劉光軍;;基于Hausdorff距離的海底地形匹配算法仿真研究[J];計(jì)算機(jī)工程;2007年09期

9 董廣軍;張永生;戴晨光;鄧雪清;;基于信息散度特征的高光譜影像識(shí)別技術(shù)[J];儀器儀表學(xué)報(bào);2006年S3期

10 劉寶生;閆莉萍;周東華;;幾種經(jīng)典相似性度量的比較研究[J];計(jì)算機(jī)應(yīng)用研究;2006年11期

【相似文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 王超俊;基于全光譜k分布模型的輻射換熱計(jì)算方法[D];北京交通大學(xué);2016年

，

本文編號(hào)：2103878