發(fā)布時間：2017-10-15 03:06

  本文關(guān)鍵詞：基于熱紅外高光譜主要造巖礦物豐度反演研究

  更多相關(guān)文章： 熱紅外 高光譜 端元可變 混合分解 造巖礦物

【摘要】：論文以“熱紅外高光譜礦化蝕變礦物提取方法研究與應(yīng)用示范(地大北京)”項目為依托,開展了基于熱紅外高光譜(TASI)數(shù)據(jù)的混合像元分解方法研究,分別采用非限制性最小二乘(UCLS)和全限制性最小二乘法(FCLS),以及通過編程實現(xiàn)的端元可變的線性混合模型:基于最優(yōu)端元選擇的FCLS算法(OES-FCLS)和基于最小二乘誤差的端元可變FCLS算法(LES-FCLS),以上四種算法對甘肅柳園研究區(qū)內(nèi)的熱紅外高光譜(TASI)數(shù)據(jù)進(jìn)行混合像元分解實驗,并對其結(jié)果進(jìn)行了對比評價。主要研究內(nèi)容與成果如下:(1)通過利用模擬數(shù)據(jù)對常見端元光譜提取方法進(jìn)行對比實驗,得出PPI方法是其中提取精度最高的算法,但需較多的人工干預(yù)�；赩CA的端元提取算法較PPI算法精度稍低,可自動提取端元,運行效率最快,適用于大區(qū)域高光譜數(shù)據(jù)端元提取。其中PPI更適合于TASI數(shù)據(jù)的端元提取。(2)在常見的基于最小二乘的四種混合像元分解算法中UCLS算法抗噪性較弱,由于無和為一、非零限制,不能真實表現(xiàn)礦物豐度。FCLS算法相對于UCLS在抗噪性上要好一些,豐度圖噪聲點有所減少,且豐度值受和為一、非零限制,豐度圖基本可反映真實礦物豐度。(3)在端元可變理論的基礎(chǔ)上提出了基于最優(yōu)端元選擇的FCLS算法(OES-FCLS)、基于最小二乘誤差的端元可變FCLS算法(LES-FCLS)。OESFCLS、LES-FCLS這兩種端元可變算法具有較強(qiáng)的抗噪性,獲得的豐度圖最接近真實豐度圖且噪聲少,較為純凈�；诙嗽勺兝碚摰木�性光譜分解算法的混合像元分解的精度高于基于最小二乘的光譜解混算法(UCLS,FCLS),但運算量的增加導(dǎo)致其算法效率明顯降低。(4)通過在分解效果、運行效率、抗噪性三方面對上述四類方法進(jìn)行了綜合對比評價,選取基于最優(yōu)端元選擇的FCLS算法(OES-FCLS)作為熱紅外高光譜(TASI)數(shù)據(jù)混合像元分解方法,同時也獲得了甘肅柳園花黑灘研究區(qū)的常見造巖礦物的豐度圖。
【關(guān)鍵詞】：熱紅外 高光譜 端元可變 混合分解 造巖礦物
【學(xué)位授予單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：P627
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-14
• 1.1 選題依據(jù)與意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-12
• 1.2.1 高光譜端元光譜提取技術(shù)研究現(xiàn)狀9-10
• 1.2.2 混合像元分解研究現(xiàn)狀10-12
• 1.3 研究內(nèi)容12
• 1.4 技術(shù)路線與方法12-14
• 第2章 研究區(qū)地質(zhì)構(gòu)造背景14-19
• 2.1 研究區(qū)概況14-15
• 2.2 區(qū)域地質(zhì)構(gòu)造背景15-18
• 2.3 地質(zhì)礦產(chǎn)概況18-19
• 第3章 TASI光譜數(shù)據(jù)預(yù)處理19-26
• 3.1 高光譜遙感影像來源19
• 3.2 TASI數(shù)據(jù)預(yù)處理19-26
• 3.2.1 去除噪聲19-21
• 3.2.2 大氣校正21-22
• 3.2.3 溫度與發(fā)射率分離22-26
• 第4章 巖石礦物端元提取26-36
• 4.1 巖石礦物發(fā)射光譜理論26
• 4.2 常見端元提取方法簡介26-30
• 4.2.1 基于PPI的端元提取26-28
• 4.2.2 基于SMACC的端元提取28
• 4.2.3 基于ATGP的端元提取28-29
• 4.2.4 基于VCA的端元提取29-30
• 4.3 基于模擬數(shù)據(jù)的方法對比實驗30-36
• 4.3.1 對比實驗30-34
• 4.3.2 結(jié)論34-36
• 第5章 混合像元分解及實驗分析36-61
• 5.1 混合像元分解簡介36-37
• 5.2 基于最小二乘法的線性混合光譜模型分解方法37-40
• 5.2.1 非限制性最小二乘法（UCLS）38
• 5.2.2 和為一限制最小二乘法（SCLS）38-39
• 5.2.3 非負(fù)限制性最小二乘法（NCLS）39
• 5.2.4 全限制性最小二乘法（FCLS）39-40
• 5.3 基于端元可變的線性混合光譜模型分解方法40-46
• 5.3.1 端元可變理論及誤差分析40-42
• 5.3.2 基于最優(yōu)端元選擇的FCLS算法42-44
• 5.3.3 基于最小二乘誤差的端元搜尋FCLS算法44-46
• 5.4 實驗與分析46-61
• 5.4.1 模擬數(shù)據(jù)實驗對比47-52
• 5.4.2 研究區(qū)高光譜數(shù)據(jù)實驗對比52-61
• 第6章 結(jié)論61-62
• 致謝62-63
• 參考文獻(xiàn)63-67
• 附錄67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王立國;孫杰;肖倩;;結(jié)合空-譜信息的高光譜圖像分類方法[J];黑龍江大學(xué)自然科學(xué)學(xué)報;2010年06期

2 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學(xué)報;2004年04期

3 谷延鋒;劉穎;賈友華;張曄;;基于光譜解譯的高光譜圖像奇異檢測算法[J];紅外與毫米波學(xué)報;2006年06期

4 李杰;趙春暉;梅鋒;;利用背景殘差數(shù)據(jù)檢測高光譜圖像異常[J];紅外與毫米波學(xué)報;2010年02期

5 陳雷;張曉林;劉榮科;雷志東;;光譜去相關(guān)技術(shù)在高光譜圖像小波壓縮中的應(yīng)用[J];光譜學(xué)與光譜分析;2010年06期

6 孫林;鮑金河;;基于主成分抑制的高光譜圖像異常目標(biāo)檢測方法[J];測繪科學(xué);2012年01期

7 趙春暉;齊濱;張q，

本文編號：1034710