【摘要】：與多光譜相比,高光譜遙感影像具有較高的光譜分辨率和豐富的光譜信息,已被廣泛用于監(jiān)測(cè)森林資源,適宜對(duì)森林進(jìn)行精細(xì)識(shí)別和分類。在實(shí)際研究與應(yīng)用中,學(xué)者需要從眾多的波段中進(jìn)行選擇,但數(shù)據(jù)量較大,運(yùn)算時(shí)間長(zhǎng),效率較低;另一方面,波段選擇完成后,缺少成像后遙感影像質(zhì)量情況及應(yīng)用效果的分析。本文以廣西壯族自治區(qū)高峰林場(chǎng)為研究區(qū),采用AISAEagleII高光譜遙感數(shù)據(jù),結(jié)合遙感圖像質(zhì)量評(píng)價(jià)指標(biāo),建立了適合森林資源監(jiān)測(cè)的高光譜數(shù)據(jù)波段選擇的圖像質(zhì)量綜合評(píng)價(jià)模型。研究分別利用綜合評(píng)價(jià)模型、自適應(yīng)波段選擇法、波段指數(shù)法對(duì)高光譜數(shù)據(jù)單波段進(jìn)行選擇,并將K-Means聚類法、最佳指數(shù)法(Optimun Index Factor,OIF)與以上三種方法結(jié)合,進(jìn)行最佳波段組合的研究,比較各個(gè)方法的優(yōu)劣。主要研究結(jié)論如下:(1)信息熵、信噪比、變異系數(shù)、基于灰度共生矩陣的對(duì)比度和模糊度對(duì)遙感圖像質(zhì)量有顯著影響。研究選取了 6個(gè)基于光譜信息的評(píng)價(jià)指標(biāo)和7個(gè)基于灰度共生矩陣(紋理)的評(píng)價(jià)指標(biāo)。通過比較兩個(gè)指標(biāo)間的相關(guān)性,信息熵、信噪比、變異系數(shù)、基于灰度共生矩陣的對(duì)比度和模糊度5個(gè)參數(shù)的相關(guān)性最小,參與構(gòu)建綜合評(píng)價(jià)模型,用于全面描述圖像清晰度、受噪聲影響程度、信息量等。(2)研究得到的適用于評(píng)價(jià)高光譜影像的綜合評(píng)價(jià)模型,模型的決定系數(shù)(R2)為0.707、均方根差(Root Mean Square Error,RMSE)為0.029、估測(cè)精度(Estimation Accuracy,EA)為99.94%和相對(duì)誤差(Relative Error,RE)為0.42%,說明模型擬合效果非常好。將綜合評(píng)價(jià)模型選出的前10個(gè)波段與波段指數(shù)法選出的前10個(gè)波段、自適應(yīng)波段選擇法選出的前10個(gè)波段進(jìn)行比較可知,綜合評(píng)價(jià)方法選出的波段數(shù)據(jù)整體分類精度高,在森林資源監(jiān)測(cè)中整體效果更好。(3)利用K-Means聚類法解決了綜合評(píng)價(jià)模型沒有考慮的波段間相關(guān)性的問題。當(dāng)波段組合中波段數(shù)量為3時(shí),基于K-Means聚類和綜合評(píng)價(jià)模型選出了該方法下的最佳波段組合為17-55-84,利用最佳指數(shù)法分別選出了基于波段指數(shù)法和自適應(yīng)波段選擇法的最佳波段組合分別為:41-62-11,58-99-110。通過波段間的平均相關(guān)系數(shù)、OIF值、分類精度3個(gè)指標(biāo)比較了三種方法選出的最佳波段組合,整體來看,K-Means聚類和綜合評(píng)價(jià)模型選出最佳波段組合最好。(4)從整體來看,當(dāng)波段組合中波段數(shù)目為3～10時(shí),隨著波段組合中波段數(shù)目的增加,K-Means+CEM、波段指數(shù)+OIF、ABS+OIF三種方法得到的最佳波段組合的分類精度提高,組合中波段間的相關(guān)性也升高。其中,K-Means+ CEM方法的分類精度最高,組合中波段間的相關(guān)性最低。
【圖文】：

圖２．１研究樣區(qū)位置圖逡逑Ｆｉｇ２．１邋Ｔｈｅ邋ｌｏｃａｔｉｏｎ邋ｏｆ邋ｓａｍｐｌｅ邋ｐｌｏｔ逡逑２．２數(shù)據(jù)獲取逡逑

中南林業(yè)科技大學(xué)碩士學(xué)位論文邐基于圖像質(zhì)量評(píng)價(jià)的高光譜森林監(jiān)測(cè)波段選擇研宄逡逑２．３．４影像鑲嵌與裁剪逡逑影像鑲嵌是指對(duì)若干景影像通過幾何鑲嵌、色調(diào)調(diào)整、去重疊等處理，鑲嵌逡逑到一起生成一幅大的圖像的影像處理方法。在２０１８年１月１３日、１月３０日，研逡逑究組分別采集ＡＩＳＡ邋Ｅａｇｌｅ邋ＩＩ高光譜影像２０景、１０景，每景影像的實(shí)際覆蓋面積逡逑約為１２３３ｈｍ２。通過ＥＮＶＩ５．３軟件中的無縫鑲嵌模塊，將采集的影像鑲嵌成一景逡逑圖。逡逑根據(jù)研究目的及試驗(yàn)設(shè)計(jì)要求，在遙感影像上選取地物清晰、地類較為豐富逡逑的兩塊樣區(qū)，，分別作為實(shí)驗(yàn)樣區(qū)與驗(yàn)證樣區(qū)。通過ＡｒｃＧＩＳ軟件，新建樣區(qū)的矢逡逑量數(shù)據(jù)，再在ＥＮＶＩ５．３軟件中，通過矢量數(shù)據(jù)進(jìn)行影像的裁剪。圖２．３中，（ａ）逡逑為預(yù)處理前樣區(qū)所處位置的影像，是由３景ＡＩＳＡ邋Ｅａｇｌｅ邋ＩＩ高光譜影像組成。從圖逡逑中可以看到，影像整體色彩不統(tǒng)一，樣區(qū)東邊邊界處，道路存在明顯的偏差。（ｂ）逡逑為預(yù)處理后樣區(qū)的影像，影像色彩同意，且預(yù)處理前存在的偏差也得到了修正。逡逑ＩＩＩＮ邐ＩＩＷ邋：＞＜？．，＂？々．邐ＭＷ邋．＇0■邋？＇ｉ，，邋ｌｉｍ邋．邋ｉ．邋．邐｜ＩＷ邋｜邋Ｈｉ＂邋％，邋｜ＩＷ邐｜？ＩＮ邋’邐＾邋｜ＩＷ邋ＪＯ＊邋｜ｌｌ￣邋％邋ＨＩＭ邋」ｌ．＿邋＇，，？＊逡逑
【學(xué)位授予單位】：中南林業(yè)科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：S757.2;S771.8;TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王志明;;無參考圖像質(zhì)量評(píng)價(jià)綜述[J];自動(dòng)化學(xué)報(bào);2015年06期

2 秦方普;張愛武;王書民;孟憲剛;胡少興;孫衛(wèi)東;;基于譜聚類與類間可分性因子的高光譜波段選擇[J];光譜學(xué)與光譜分析;2015年05期

3 李俊峰;方建良;戴文戰(zhàn);;基于色彩感知的無參考圖像質(zhì)量評(píng)價(jià)[J];儀器儀表學(xué)報(bào);2015年02期

4 胡文婷;周獻(xiàn)中;欣益行;劉湞;;一種基于模糊核聚類的視覺注意分配度量方法[J];統(tǒng)計(jì)與信息論壇;2015年02期

5 楊迪威;余紹權(quán);;利用相位一致性的圖像質(zhì)量評(píng)價(jià)方法[J];計(jì)算機(jī)工程與應(yīng)用;2015年02期

6 朱曉玲;許妙忠;叢銘;;基于支持向量機(jī)的無參考遙感圖像質(zhì)量評(píng)價(jià)方法[J];航天返回與遙感;2014年06期

7 盛鴻宇;曹陽光;;一種噪聲近似圖像的質(zhì)量區(qū)分方法[J];通化師范學(xué)院學(xué)報(bào);2014年08期

8 付建紅;;相對(duì)定向的機(jī)載慣性測(cè)量裝置視準(zhǔn)軸誤差求解方法[J];測(cè)繪學(xué)報(bào);2014年07期

9 邵宇;孫富春;李洪波;;基于視覺特性的無參考型遙感圖像質(zhì)量評(píng)價(jià)方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

10 孫華;鞠洪波;張懷清;林輝;劉華;凌成星;符利勇;;Hyperion高光譜影像波段選擇方法比較研究[J];紅外;2013年02期

相關(guān)博士學(xué)位論文 前3條

1 李俊枝;森林生態(tài)功能區(qū)適應(yīng)性管理研究[D];東北林業(yè)大學(xué);2016年

2 田媛;灰度圖像無參考質(zhì)量評(píng)價(jià)方法研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2010年

3 修吉宏;基于圖像功率譜的航空?qǐng)D像質(zhì)量判別技術(shù)研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2005年

相關(guān)碩士學(xué)位論文 前9條

1 張悅;高光譜遙感圖像降維技術(shù)研究[D];東華理工大學(xué);2018年

2 夏冰;高光譜影像非監(jiān)督波段選擇技術(shù)研究[D];蘇州大學(xué);2015年

3 祝漢城;數(shù)字圖像的客觀質(zhì)量評(píng)價(jià)方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

4 王旭;無參考遙感圖像質(zhì)量綜合評(píng)價(jià)算法研究[D];西安電子科技大學(xué);2015年

5 江鑒行;基于MOS數(shù)據(jù)庫(kù)的圖像質(zhì)量評(píng)價(jià)的度量方法[D];安徽大學(xué);2014年

6 許煒敏;基于BP神經(jīng)網(wǎng)絡(luò)的杉木林蓄積量估測(cè)方法研究[D];福建師范大學(xué);2012年

7 趙洋;基于高分辨率遙感影像的城市公園綠地信息提取及景觀格局分析[D];山東農(nóng)業(yè)大學(xué);2012年

8 郭生良;γ能譜的蒙特卡羅計(jì)算方法探討與模擬軟件設(shè)計(jì)[D];成都理工大學(xué);2008年

9 楊金紅;高光譜遙感數(shù)據(jù)最佳波段選擇方法研究[D];南京信息工程大學(xué);2005年

本文編號(hào)：2593570