【摘要】：地表物分類(lèi)識(shí)別具有重要的變化特征,是反映目標(biāo)區(qū)域生態(tài)環(huán)境變化的重要標(biāo)志。隨著遙感技術(shù)的興起與發(fā)展,高光譜遙感技術(shù)已經(jīng)在社會(huì)的各個(gè)領(lǐng)域體現(xiàn)了它的重要作用。高光譜遙感光譜通道數(shù)量較多,光譜分辨率高達(dá)納米級(jí),蘊(yùn)含著近似連續(xù)并且豐富的光譜信息。使用高光譜遙感圖像處理技術(shù)能夠?qū)崿F(xiàn)對(duì)地表物的類(lèi)型進(jìn)行分類(lèi)研究,實(shí)現(xiàn)高光譜遙感圖像數(shù)據(jù)處理在現(xiàn)實(shí)生活中的應(yīng)用。在2000年11月發(fā)射的地球觀測(cè)衛(wèi)星-1(EO-1)是美國(guó)航空航天局(NASA)在新千年計(jì)劃(NMP)計(jì)劃中第一顆對(duì)地面進(jìn)行觀測(cè)的地球衛(wèi)星,在這顆地球觀測(cè)衛(wèi)星上擁有三種對(duì)地球成像的傳感器,分別為高級(jí)陸地成像儀(ALI),高光譜成像儀(Hyperion)以及大氣校正儀(AC)。本論文選用Hyperion高光譜遙感圖像作為研究對(duì)象,對(duì)當(dāng)?shù)氐匚镞M(jìn)行特征提取,采用高光譜遙感圖像數(shù)據(jù)處理技術(shù)對(duì)該地區(qū)的地表物分類(lèi)研究具有十分重要的意義。本論文在對(duì)當(dāng)前基于高光譜遙感圖像地表物分類(lèi)研究的基礎(chǔ)之上,選用Hyperion在特定時(shí)間段的高光譜遙感圖像數(shù)據(jù)信息,運(yùn)用監(jiān)督分類(lèi)與非監(jiān)督分類(lèi)的方法對(duì)圖像進(jìn)行識(shí)別。整個(gè)過(guò)程包括三個(gè)基本步驟:首先對(duì)高光譜遙感圖像進(jìn)行預(yù)處理,主要包括圖像壞道信息以及水汽波段去除、壞線修復(fù)、高光譜遙感圖像中大氣的校正以及Smile效應(yīng)的去除;再對(duì)預(yù)處理的結(jié)果進(jìn)行基于最小噪音變換與純凈像元指數(shù)的特征像元提取,最后對(duì)經(jīng)過(guò)處理后的圖像應(yīng)用不同方法進(jìn)行地表物的分類(lèi)與精確度的分析評(píng)價(jià)。通過(guò)對(duì)K均值聚類(lèi)算法(K-means),迭代自組織分析算法(Isodata),神經(jīng)網(wǎng)絡(luò)與光譜角填圖四種分類(lèi)算法的精度比較,確定基于光譜角的分類(lèi)方法具有最高的分類(lèi)精度,分類(lèi)精度能夠達(dá)到80%,能夠較好的滿足高光譜影像的分類(lèi)要求。
【圖文】：

圖１高光譜遙感信息圖像示意圖逡逑Ｆｉｇ．邋１邋Ｉｍａｇｅ邋ｓｃｈｅｍａｔｉｃ邋ｍａｐ邋0ｒｈｙｐｅｒｓｐｅｃｔｒａｌ邋ｒｅｍｏｌｃ邋ｓｅｎｓｉｎｇ邋ｉｎｆｏｒｍａｔｉｏｎ逡逑

圖２高光譜遙感圖像數(shù)據(jù)結(jié)構(gòu)示意圖逡逑Ｆｉｇ．２邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ｈｙｐｏｒｓｐｃｃｔｒａｌ邋ｒｅｍｏｔｅ邋ｓｅｎｓｉｎｇ邋ｉｍａｇｅ邋ｄａｔａ邋ｓｔｒｕｃｔｕｒｅ逡逑
【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹亞楠;魏合理;戴聰明;張學(xué)海;;AIRS紅外高光譜衛(wèi)星數(shù)據(jù)反演卷云光學(xué)厚度和云頂高度[J];光譜學(xué)與光譜分析;2015年05期

2 翟雪含;朱衛(wèi)平;康彬;;結(jié)合KSVD和分類(lèi)稀疏表示的圖像壓縮感知[J];計(jì)算機(jī)工程與應(yīng)用;2015年06期

3 王東霞;周觀民;;遺傳算法優(yōu)化特征權(quán)值的支持向量機(jī)圖像分類(lèi)[J];電視技術(shù);2015年02期

4 王蕊;李恒超;尹忠科;;考慮端元差異性的協(xié)同稀疏高光譜解混算法[J];電子科技大學(xué)學(xué)報(bào);2014年06期

5 樊利恒;呂俊偉;于振濤;畢波;;基于改進(jìn)最大似然方法的多光譜遙感圖像分類(lèi)方法[J];電光與控制;2014年10期

6 李莎;倪維平;嚴(yán)衛(wèi)東;吳俊政;張晗;;基于選權(quán)迭代估計(jì)與非監(jiān)督分類(lèi)的多光譜圖像變化檢測(cè)[J];國(guó)土資源遙感;2014年04期

7 陳洪萍;賈根鎖;馮錦明;董燕生;張安治;;準(zhǔn)全球陸表干旱嚴(yán)重程度的多傳感器遙感監(jiān)測(cè)方法研究[J];大氣科學(xué);2014年05期

8 曹揚(yáng);趙慧潔;黃四牛;李娜;張佩;;基于高效置信傳播的改進(jìn)馬爾可夫隨機(jī)場(chǎng)高光譜數(shù)據(jù)分類(lèi)算法[J];模式識(shí)別與人工智能;2014年03期

9 陳宏達(dá);普晗曄;王斌;張立明;;基于圖像歐氏距離的高光譜圖像流形降維算法[J];紅外與毫米波學(xué)報(bào);2013年05期

10 崔建濤;王晶;厲小潤(rùn);趙遼英;;基于空間像素純度指數(shù)的端元提取算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2013年09期

相關(guān)博士學(xué)位論文 前2條

1 葉珍;高光譜圖像特征提取與分類(lèi)算法研究[D];西北工業(yè)大學(xué);2015年

2 李二森;高光譜遙感圖像混合像元分解的理論與算法研究[D];解放軍信息工程大學(xué);2011年

相關(guān)碩士學(xué)位論文 前1條

1 陳嘉勇;一種基于K-MEANS及LDA的分類(lèi)字典精簡(jiǎn)算法[D];華南理工大學(xué);2015年

，

本文編號(hào)：2598329