【摘要】：結(jié)合高光譜影像地物光譜特征與高空間分辨率影像分割獲得的目標(biāo)對(duì)象進(jìn)行地物分類(lèi)。首先,對(duì)Hyperion影像進(jìn)行壞線和Smile效應(yīng)去除,經(jīng)過(guò)FLAASH大氣校正后,得到研究所用的155個(gè)波段;其次,利用地物光譜曲線的特征點(diǎn)確定適合地物識(shí)別的光譜分辨率,進(jìn)行Hyperion影像降維,生成降維后所需的21個(gè)寬波段;然后,對(duì)IKONOS影像采用小波融合,利用多分辨率分割技術(shù)生成高空間分辨率影像目標(biāo)對(duì)象;最后,基于層次分析法對(duì)分割后生成的目標(biāo)對(duì)象進(jìn)行分類(lèi),采用模糊隸屬函數(shù)利用植被紅邊效應(yīng)、水體在近紅外波段吸收特征進(jìn)行第1層次分類(lèi),再取距離值最大的前10個(gè)Hyperion影像波段作為標(biāo)準(zhǔn)最鄰近分類(lèi)的特征波段,完成第2層次分類(lèi)。分類(lèi)結(jié)果表明,研究區(qū)共分出9種地物類(lèi)型,分類(lèi)效果明顯優(yōu)于最大似然法分類(lèi)與光譜角填圖法。
[Abstract]:Combined with the spectral features of hyperspectral images and the segmentation of high spatial resolution images, the objects are classified. Firstly, the bad line and Smile effect are removed from Hyperion image, and 155 bands are obtained after FLAASH atmospheric correction. Secondly, the spectral resolution suitable for ground object recognition is determined by using the characteristic points of the spectral curve of the ground object, and the dimension reduction of Hyperion image is carried out, and the 21 wide bands required after dimension reduction are generated. Then, the IKONOS image is fused by wavelet, and the object of high spatial resolution image is generated by multi-resolution segmentation technology. Finally, based on the analytic hierarchy process (AHP), the target objects generated after segmentation are classified by fuzzy membership function using the red edge effect of vegetation, and the water body is classified at the first level in the near infrared band absorption characteristics. The first 10 bands of Hyperion images with the largest range are taken as the feature bands of the standard nearest neighbor classification, and the second level classification is completed. The results show that there are 9 types of ground objects in the study area, and the classification effect is obviously superior to that of maximum likelihood method and spectral angle mapping method.
【作者單位】： 閩江學(xué)院地理科學(xué)系;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目“基于MODIS BRDF產(chǎn)品的葉片聚集度系數(shù)遙感反演與驗(yàn)證”(編號(hào):41271354) 福建省科技廳資助項(xiàng)目“基于高光譜特征與目標(biāo)分割的城市地物識(shí)別研究”(編號(hào):2015J01627) 閩江學(xué)院資助項(xiàng)目“攝影測(cè)量學(xué)實(shí)踐教學(xué)改革”(編號(hào):MJU2014BD19)共同資助
【分類(lèi)號(hào)】：TP79

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳君穎;田慶久;亓雪勇;劉曉臣;管仲;;基于Hyperion影像的水稻冠層生化參量反演[J];遙感學(xué)報(bào);2009年06期

2 于穎;范文義;楊曦光;;EO-1 Hyperion高光譜數(shù)據(jù)壞線修復(fù)方法的對(duì)比分析[J];東北林業(yè)大學(xué)學(xué)報(bào);2009年11期

3 楊曦光;范文義;于穎;;基于Hyperion數(shù)據(jù)的森林葉綠素含量反演[J];東北林業(yè)大學(xué)學(xué)報(bào);2010年06期

4 申晉利;丁樹(shù)柏;齊小平;邢學(xué)文;;利用Hyperion數(shù)據(jù)提取海洋烴滲漏信息研究初探[J];遙感信息;2010年04期

5 沈淵婷;倪國(guó)強(qiáng);徐大琦;蔣麗麗;賀金平;;利用多項(xiàng)式擬合方法去除Hyperion數(shù)據(jù)條帶噪聲[J];光學(xué)技術(shù);2007年S1期

6 傅錦;韓曉青;張杰林;裴承凱;;基于Hyperion數(shù)據(jù)的巖礦蝕變信息的特征峰提取法[J];世界核地質(zhì)科學(xué);2008年01期

7 梁繼;王建;;Hyperion高光譜影像的分析與處理[J];冰川凍土;2009年02期

8 張輝;;Hyperion高光譜數(shù)據(jù)條帶噪聲消除方法研究[J];廈門(mén)理工學(xué)院學(xué)報(bào);2010年03期

9 唐菲;徐涵秋;;高光譜與多光譜遙感影像反演地表不透水面的對(duì)比——以Hyperion和TM/ETM+為例[J];光譜學(xué)與光譜分析;2014年04期

10 沈淵婷;倪國(guó)強(qiáng);徐大琦;蔣麗麗;賀金平;;利用Hyperion短波紅外高光譜數(shù)據(jù)勘探天然氣的研究[J];紅外與毫米波學(xué)報(bào);2008年03期

相關(guān)會(huì)議論文 前2條

1 林志壘;;Hyperion高光譜影像的特征提取研究[A];中國(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

2 詹遠(yuǎn)增;王迪峰;毛志華;;基于Hyperion衛(wèi)星高光譜影像的溢油信息提取研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

相關(guān)碩士學(xué)位論文 前4條

1 周燕;基于Hyperion數(shù)據(jù)的淺海地形和海洋光學(xué)參數(shù)反演方法研究[D];中國(guó)海洋大學(xué);2010年

2 劉津懌;基于Hyperion數(shù)據(jù)的農(nóng)田土壤有機(jī)質(zhì)含量提取方法[D];吉林大學(xué);2012年

3 周利鵬;基于Hyperion高光譜影像的松散堆積物礦物識(shí)別[D];蘭州大學(xué);2014年

4 周清;撫州地區(qū)Hyperion高光譜數(shù)據(jù)混合像元的分解方法研究[D];東華理工大學(xué);2012年

，

本文編號(hào)：2382769