高光譜遙感影像光譜降維與空譜聯(lián)合分類方法研究
【圖文】:
更有利于地物的識別與分類。圖1-1[7]給出了高光譜影像示意圖。從圖 1-1 中的例子可以看出土壤、水和植被的光譜形成了一條精細(xì)連續(xù)的光譜特征曲線。因此,高光譜影像與多光譜影像相比,可以解決更多問題[8]。高光譜時代始于 20 世紀(jì) 80 年代,經(jīng)過三十多年的發(fā)展,高光譜遙感日臻成熟,得到了廣泛的應(yīng)用,占據(jù)了對地觀測的重要位置。高光譜成像光譜儀采集每個樣本點的同時,也采集其空間幾何分布信息,具有“圖譜合一”的特點。高光譜遙感實現(xiàn)了對目標(biāo)地物的光譜成像,形成二維空間信息與光譜信息相互融合的三維數(shù)據(jù)立方體(Data Cube)[9]。圖 1-2 是 AVIRIS 92AV3C 高光譜數(shù)據(jù)立方體,三維空間分別是空間維 x、空間維 y 和縱向軸光譜維 z,圖中 x 軸和 y 軸構(gòu)成立方體的前部截面的二維空間影像,z 軸為光譜維。不同地物對各個頻率的光具有不同的反射率,它們所對應(yīng)的光譜曲線就有差異,因此可以通過高光譜遙感數(shù)據(jù)為地物目標(biāo)進(jìn)行更加精細(xì)的識別和分類。為了適應(yīng)不同的研究目的,高光譜數(shù)據(jù)采用了三種不同的表達(dá)方式,圖像空間、光譜空間和特征空間[10],對高光譜數(shù)據(jù)的地物屬性信息從不同的角度進(jìn)行表達(dá),如圖 1-3 所示。(1)圖像空間圖像空間是高光譜數(shù)據(jù)最簡單、最直接的表達(dá)方式
4圖 1-2 高光譜影像立方體結(jié)構(gòu)示意圖(2)光譜空間圖 1-3(b)描述的是光譜空間,光譜空間的每個像素對應(yīng)一條波譜響應(yīng)曲線,波線反映的是目標(biāo)地物的光譜反射率隨光譜波長的變化情況[11]。在使用光譜空間對地物分析時,所依據(jù)的是不同地物表現(xiàn)出的輻射響應(yīng)曲線不同。但由于受到如太陽光入射風(fēng)速等因素的影響,實際中容易出現(xiàn)“同物異譜”和“同譜異物”現(xiàn)象,這一現(xiàn)象對
【學(xué)位授予單位】:中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】:博士
【學(xué)位授予年份】:2018
【分類號】:P237
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 高春能;張彪;紀(jì)志成;;基于自適應(yīng)動態(tài)搜索粒子群的SVM參數(shù)優(yōu)化研究[J];系統(tǒng)仿真學(xué)報;2015年12期
2 仇建斌;李士進(jìn);朱躍龍;萬定生;;基于曲線形狀特征的快速高光譜圖像波段選擇[J];小型微型計算機(jī)系統(tǒng);2014年08期
3 李娜;李詠潔;趙慧潔;曹揚(yáng);;基于光譜與空間特征結(jié)合的改進(jìn)高光譜數(shù)據(jù)分類算法[J];光譜學(xué)與光譜分析;2014年02期
4 駱仁波;皮佑國;廖文志;;超光譜遙感圖像有監(jiān)督LPP特征提取研究[J];遙感技術(shù)與應(yīng)用;2012年06期
5 萬曙靜;張承明;劉俊華;;基于自適應(yīng)最小距離調(diào)整的多光譜遙感圖像分類方法[J];測繪通報;2012年S1期
6 姚旭;王曉丹;張玉璽;權(quán)文;;特征選擇方法綜述[J];控制與決策;2012年02期
7 董超;田聯(lián)房;趙慧潔;;遺傳關(guān)聯(lián)向量機(jī)高光譜影像分類[J];上海交通大學(xué)學(xué)報;2011年10期
8 計智偉;胡珉;尹建新;;特征選擇算法綜述[J];電子設(shè)計工程;2011年09期
9 高恒振;萬建偉;粘永健;徐湛;許可;;一種基于譜域-空域組合特征支持向量機(jī)的高光譜圖像分類算法[J];宇航學(xué)報;2011年04期
10 劉建南;冷亮;楊國東;;遙感影像平行六面體法則監(jiān)督分類與目視識別的對比分析[J];才智;2009年19期
相關(guān)博士學(xué)位論文 前1條
1 何同弟;高光譜圖像的分類技術(shù)研究[D];重慶大學(xué);2014年
,本文編號:2591973
本文鏈接:http://sikaile.net/kejilunwen/dizhicehuilunwen/2591973.html