本文關(guān)鍵詞：基于多端元光譜混合分解的高分辨率影像城市亞像元分類，由筆耕文化傳播整理發(fā)布。

【摘要】：遙感分析中作為基本空間單元的圖像像元,記錄的往往不止一種地物的反射光譜信號(hào)。這一信號(hào)被認(rèn)為是多種土地覆蓋類型的光譜響應(yīng)特征混合,故該類像元被稱為“混合像元”�；旌舷裨a(chǎn)生的主要原因有兩個(gè)：一,地物尺度小于給定的傳感器空間分辨率,造成異質(zhì)性地物共同出現(xiàn)在瞬時(shí)視場(chǎng)中；二,像元內(nèi)地物以緊密、交錯(cuò)的方式均勻混合。城市遙感數(shù)據(jù)包含的混合像元主要產(chǎn)生于第一種原因。中低分辨率遙感圖像中存在大量混合像元促進(jìn)了光譜混合分析方法的發(fā)展。在空間分辨率達(dá)米級(jí)乃至亞米級(jí)的對(duì)地觀測(cè)技術(shù)進(jìn)入應(yīng)用階段的今天,城市中混合像元的數(shù)量和組成會(huì)有什么變化,傳統(tǒng)像元光譜的解混方法是否仍然適用或需要做何種改進(jìn),如何最大限度地利用高分辨率優(yōu)勢(shì)量化表征城市景觀,是探索高分辨率遙感數(shù)據(jù)特性和復(fù)雜城市結(jié)構(gòu)之間關(guān)系中亟待回答的重要問(wèn)題。 圍繞上述問(wèn)題,本文以上海市田子坊Worldview-2衛(wèi)星2米多光譜影像為實(shí)驗(yàn)數(shù)據(jù)源,針對(duì)高度異質(zhì)的城市景觀,對(duì)直徑小于圖像空間分辨率的興趣地物(如建筑物和道路)所產(chǎn)生的混合像元問(wèn)題以及同物異譜現(xiàn)象進(jìn)行傳統(tǒng)的線性光譜混合分解(LSMA)和較為先進(jìn)的多端元光譜混合分解(MESMA),并結(jié)合參考數(shù)據(jù)對(duì)兩種分析方法獲得的結(jié)果精度做了視覺(jué)和量化對(duì)比。 研究設(shè)定了如下控制條件和實(shí)驗(yàn)過(guò)程：在光譜庫(kù)建立初始,從圖像中提取了9大類47小類興趣區(qū)(ROIs)含8162個(gè)像元,由此生成8162條初始光譜；然后利用計(jì)數(shù)端元選擇(CoBI)、端元均方根誤差(EAR)、最小平均光譜角(MASA)三個(gè)指標(biāo)值進(jìn)行綜合排序,建立LSMA和MESMA端元光譜庫(kù)。 兩種光譜混合分析方法的具體實(shí)現(xiàn)過(guò)程如下： (1)根據(jù)上述綜合排序結(jié)果,為L(zhǎng)SMA挑選出6條不透水面、2條植被、1條陰影光譜,組成LSMA端元光譜庫(kù)。具體的LSMA分解滿足所有組分和為1,分量最小約束為0、最大約束為1的線性約束,借助Matlab軟件的最小二乘法函數(shù)實(shí)現(xiàn)。分解結(jié)果重組為包含不透水面、植被、陰影、RMSE四個(gè)數(shù)據(jù)層的文件。 (2)依據(jù)上述綜合排序結(jié)果,挑選了57條不透水面、9條植被、10條陰影光譜構(gòu)成MESMA端元光譜庫(kù),共組合成分解模型5130個(gè)。分解過(guò)程借助ENVI插件VIPER Tools工具實(shí)現(xiàn),對(duì)約束條件進(jìn)行變換組合,選出最佳參數(shù)：最小分量約束為-0.05、最大分量約束1.05,最大陰影約束0.8,最大允許RMSE為0.025,分解中各波段殘差約束0.025。分解端元已包含陰影分量,在MESMA結(jié)果基礎(chǔ)上進(jìn)行陰影歸一化,消除VIPER Tools工具自身限制帶來(lái)的錯(cuò)誤得到陰影歸一化MESMA結(jié)果文件。最終結(jié)果由不透水面、植被、陰影、RMSE數(shù)據(jù)層組成。 對(duì)兩種不同分析方法獲得的結(jié)果采取目視定性和指標(biāo)定量結(jié)合的方式進(jìn)行精度檢驗(yàn)。目視定性發(fā)現(xiàn)MESMA較LSMA斑塊細(xì)碎,但是MESMA更貼合實(shí)際地物。定量法對(duì)100個(gè)隨機(jī)采樣點(diǎn)的LSMA、MESMA對(duì)照航拍照片進(jìn)行一一目視解譯,并采用均方根誤差RMSE、均方誤差MAE、決定系數(shù)R2對(duì)端元豐度值進(jìn)行評(píng)估。 對(duì)照樣本的指標(biāo)定量檢驗(yàn)中,植被(Vege)在LSMA和MESMA結(jié)果中都表現(xiàn)出最小的RMSE和MAE,不透水面(IS)和陰影(Shade)的RMSE在LSMA中都為0.32左右,IS的MAE為0.22,Shade的MAE為0.24；MESMA中兩者的RMSE都提高到0.23,IS的MAE提高到0.11,Shade也提高到0.12。1S的R2在LSMA中最低,僅為0.75,MESMA中為次高,0.92,改善最大,這正體現(xiàn)出MESMA較傳統(tǒng)的LSMA在城市異質(zhì)性景觀提取的優(yōu)勢(shì)性；陰影的R2也從0.84提高到0.94,但是植被的R2在LSMA到MESMA中卻呈現(xiàn)出降低趨勢(shì)�？傮w來(lái)看,MESMA較LSMA在不透水面、植被、陰影分量都有不同程度改善,展示出MESMA對(duì)于城市景觀亞像元分解較傳統(tǒng)的LSMA的適用性。 最后,總結(jié)MESMA和LSMA過(guò)程中存在的問(wèn)題并提出進(jìn)一步分解效率改進(jìn)措旌。
【關(guān)鍵詞】：Worldview-2 多端元光譜混合分解 線性光譜混合分解 高分影像
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：P237
【目錄】：

• 摘要6-8
• Abstract8-14
• 圖目錄14-15
• 表目錄15-16
• 第一章 緒論16-27
• 1.1 研究背景與意義16-18
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀18-22
• 1.3 研究?jī)?nèi)容與技術(shù)路線22-26
• 1.3.1 研究?jī)?nèi)容22-23
• 1.3.2 技術(shù)路線23-26
• 1.4 論文結(jié)構(gòu)26-27
• 第二章 模型和方法理論介紹27-35
• 2.1 光譜混合分析27
• 2.2 線性光譜混合分析27-29
• 2.3 非線性光譜混合分析29-30
• 2.4 多端元光譜混合分析30-31
• 2.5 VIPER_Tools工具介紹31-32
• 2.6 端元獲取32-35
• 第三章 實(shí)驗(yàn)數(shù)據(jù)和研究區(qū)域介紹及數(shù)據(jù)預(yù)處理35-47
• 3.1 Worldview-2數(shù)據(jù)源介紹35-36
• 3.2 Worldview-2影像及實(shí)驗(yàn)區(qū)介紹36-39
• 3.2.1 影像信息介紹36-37
• 3.2.2 試驗(yàn)區(qū)域介紹37-39
• 3.3 輻射校正39-43
• 3.3.1 輻射定標(biāo)39-41
• 3.3.2 大氣校正41-43
• 3.4 航拍照片的介紹及投影坐標(biāo)統(tǒng)一43-46
• 3.5 精度檢驗(yàn)指標(biāo)46-47
• 第四章 線性光譜混合分解和多端元光譜混合分解47-63
• 4.1 創(chuàng)建方陣(Square Array)47-49
• 4.2 方陣輸出波段(Square Array output Bands)的說(shuō)明49-51
• 4.3 方陣(Square Array)結(jié)果分析51-54
• 4.4 EAR/MASA/CoB(EMC)介紹54-56
• 4.5 VIPER Tools中EAR、MASA和CoB的計(jì)算56-57
• 4.6 最優(yōu)端元光譜的選取57-59
• 4.7 LSMA獲得亞像元豐度結(jié)果59
• 4.8 MESMA獲得亞像元豐度結(jié)果59-61
• 4.9 MESMA的陰影歸一化結(jié)果61-63
• 第五章 LSMA和MESMA結(jié)果分析及精度檢驗(yàn)63-71
• 5.1 RMSE結(jié)果分析63-66
• 5.1.1 LSMA的RMSE波段分析63-64
• 5.1.2 陰影歸一化后MESMA的RMSE波段分析64-66
• 5.2 LSMA和MESMA目視對(duì)比66-67
• 5.3 與航拍數(shù)據(jù)的精度檢驗(yàn)67-70
• 5.4 分解效率及改進(jìn)70-71
• 5.4.1 分解效率70
• 5.4.2 改進(jìn)建議70-71
• 第六章 總結(jié)與展望71-73
• 6.1 主要結(jié)論71-72
• 6.2 特色與創(chuàng)新72
• 6.3 研究展望72-73
• 參考文獻(xiàn)73-78
• 后記78-79

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 吳志杰;趙書河;;基于TM圖像的“增強(qiáng)的指數(shù)型建筑用地指數(shù)”研究[J];國(guó)土資源遙感;2012年02期

2 羅永明;鐘仕全;莫偉華;何立;曾行吉;;基于TM數(shù)據(jù)的南寧市水體和建筑用地變化研究[J];氣象研究與應(yīng)用;2008年01期

3 戴建光;蔡海良;;基于TM影像的城市建筑用地信息提取方法研究[J];現(xiàn)代測(cè)繪;2008年06期

4 馬孟莉;朱艷;李文龍;姚霞;曹衛(wèi)星;田永超;;基于分層多端元混合像元分解的水稻面積信息提取[J];農(nóng)業(yè)工程學(xué)報(bào);2012年02期

5 韓麗君;;土地利用分類中TM影像最佳波段組合選擇研究[J];太原師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年01期

6 張洪恩;施建成;劉素紅;;湖泊亞像元填圖算法研究[J];水科學(xué)進(jìn)展;2006年03期

7 曹雪;柯長(zhǎng)青;;基于TM影像的南京市土地利用遙感動(dòng)態(tài)監(jiān)測(cè)[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年11期

8 楊存建,周成虎;TM影像的居民地信息提取方法研究[J];遙感學(xué)報(bào);2000年02期

9 Amirreza SHAHTAHMASSEBI;Nathan MOORE;;Monitoring rapid urban expansion using a multi-temporal RGB-impervious surface model[J];Journal of Zhejiang University-Science A(Applied Physics & Engineering);2012年02期

  本文關(guān)鍵詞：基于多端元光譜混合分解的高分辨率影像城市亞像元分類，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：354549