發(fā)布時間：2020-07-30 12:36

【摘要】：高光譜遙感影像利用很多窄而連續(xù)的光譜通道獲取地物信息,具有光譜分辨率高,光譜區(qū)分力強(qiáng)等特點(diǎn),使其在地物精細(xì)化分類、巖性填圖等領(lǐng)域具有廣泛的應(yīng)用。但是,由于高光譜遙感數(shù)據(jù)波段數(shù)目眾多,冗余度高、數(shù)據(jù)量大等特點(diǎn)給這些研究帶來了很大困難。因此,如何有效的降低高光譜遙感數(shù)據(jù)的維數(shù)就顯得舉足輕重。波段(特征)(Band Selection,BS)選擇是高光譜遙感影像降維處理的常用手段,即從所有波段中選取若干波段作為最優(yōu)波段子集來代替原始波段進(jìn)行研究,在不改變原始數(shù)據(jù)物理意義的前提下完整保留感興趣信息,以實(shí)現(xiàn)數(shù)據(jù)降維。高光譜遙感影像波段選擇研究屬于一種復(fù)雜的波段組合優(yōu)化問題,要求準(zhǔn)則函數(shù)具有一定的有效性,即針對后續(xù)分類處理其以選出的波段子集具有判別力強(qiáng)、類間可分性好以及相關(guān)性小為核心,同時,搜索策略具有一定是時效性。因此,本論文在悉心總結(jié)前人研究成果的基礎(chǔ)上,針對高光譜遙感影像地物分類和巖性分類與填圖問題,利用易獲取的先驗(yàn)信息構(gòu)建特征度量(Feature Metric,FM),引入吸引子傳播算法(Affinity Propagation,AP)進(jìn)行波段選擇,提出了兩種高效的波段選擇算法。以實(shí)現(xiàn)高光譜遙感影像數(shù)據(jù)的降維處理,提高后續(xù)高光譜遙感影像地物分類和巖性填圖研究的應(yīng)用效果。本論文的主要研究內(nèi)容如下:1、基于判別成分分析的高光譜遙感影像波段選擇方法。面對標(biāo)記樣本獲取困難的高光譜遙感影像,本文首先利用成對約束形成分塊信息,然后結(jié)合一種有效的距離度量方法,即判別成分分析來優(yōu)化準(zhǔn)則函數(shù),使得塊內(nèi)協(xié)方差達(dá)到最小,塊間協(xié)方差達(dá)到最大,并構(gòu)建判別特征度量。最后以吸引子傳播算法(AP)作為搜索策略,將判別特征度量引入吸引子傳播算法之中,進(jìn)行最優(yōu)波段子集的選取。該算法選取的波段子集具有目標(biāo)地物類間可分性強(qiáng)及波段之間相關(guān)性小等優(yōu)點(diǎn)。利用AVRIS和Hyperion高光譜遙感影像對提出的算法在分類精度和計算性能方面進(jìn)行驗(yàn)證,并與信息散度方法、Fisher線性判別分析、傳統(tǒng)吸引子傳播方法以及自適應(yīng)吸引子算法等7種波段選擇算法進(jìn)行比較,從算法的穩(wěn)定性、計算機(jī)耗時性以及敏感性等方面進(jìn)行分析,證明了該算法在地物分類研究中的有效性。2、基于SLIC超像素特征度量的高光譜遙感影像波段選擇方法。在分析研究區(qū)(美國內(nèi)達(dá)華Cuprite礦區(qū))復(fù)雜的地質(zhì)概況基礎(chǔ)上,本文結(jié)合光譜角距離(Spectral Angle Distance,SAD)和SLIC超像素分割,將高光譜遙感影像分割為大小不同的超像素塊,每個超像素塊內(nèi)具有很好的均質(zhì)性�；诖�,構(gòu)造了SLIC超像素塊及相應(yīng)的特征度量。同樣以吸引子傳播算法(AP)作為搜索策略選取最優(yōu)波段子集,并對研究區(qū)9大巖性類別11種巖性單元進(jìn)行分類和填圖,從光譜角分類填圖和波譜特征擬合兩個方面進(jìn)行總結(jié),即分別針對巖性單元的光譜特征差異和波譜特征差異進(jìn)行分析。通過該分析可知,該算法選取的少量最優(yōu)波段可代替原始波段清晰、準(zhǔn)確的反應(yīng)研究區(qū)巖性單元的分布情況,有效的提高研究區(qū)的巖性分類精度,對巖性分類與填圖研究具有一定的指導(dǎo)意義。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P627

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田慶久;評《高光譜遙感及其應(yīng)用》一書[J];遙感信息;2000年02期

2 杜培軍;陳云浩;;高光譜遙感信息智能處理的若干理論與技術(shù)問題[J];科技導(dǎo)報;2006年01期

3 張利;戚浩平;;高光譜遙感及其在青藏高原的應(yīng)用潛力分析[J];測繪科學(xué);2008年S3期

4 張利;戚浩平;;高光譜遙感及其在青藏高原的應(yīng)用潛力分析[J];測繪科學(xué);2008年S1期

5 岳躍民;王克林;張兵;陳正超;;高光譜遙感在生態(tài)系統(tǒng)研究中的應(yīng)用進(jìn)展[J];遙感技術(shù)與應(yīng)用;2008年04期

6 方紅亮,田慶久;高光譜遙感在植被監(jiān)測中的研究綜述[J];遙感技術(shù)與應(yīng)用;1998年01期

7 王建宇;高光譜遙感──給人類配上一副神眼[J];世界科學(xué);1999年12期

8 譚昌偉,王紀(jì)華,黃文江,劉良云,黃義德,嚴(yán)偉才;高光譜遙感在植被理化信息提取中的應(yīng)用動態(tài)[J];西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版);2005年05期

9 陶秋香;;植被高光譜遙感分類方法研究[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2007年05期

10 龔紹琦;黃家柱;李云梅;陸皖寧;王海君;王國祥;;水體氮磷高光譜遙感實(shí)驗(yàn)研究初探[J];光譜學(xué)與光譜分析;2008年04期

相關(guān)會議論文 前10條

1 張霞;劉良云;趙春江;張兵;;利用高光譜遙感圖像估算小麥氮含量研究[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2002年

2 杜培軍;陳云浩;;高光譜遙感信息智能處理的基礎(chǔ)研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

3 徐元進(jìn);胡光道;;取締閥值的高光譜遙感光譜匹配分類信息制圖[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

4 張永強(qiáng);文麗萍;王振營;;高光譜遙感在監(jiān)測作物受病蟲肥脅迫中的應(yīng)用[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

5 王藝婷;黃世奇;王紅霞;;從信息的角度看高光譜遙感技術(shù)[A];國家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國家安全[C];2013年

6 李京;蔣衛(wèi)國;;高光譜遙感在濕地監(jiān)測與分類中的應(yīng)用[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會論文集[C];2012年

7 房華樂;任潤東;蘇飛;梁勇;;高光譜遙感在農(nóng)業(yè)中的應(yīng)用[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

8 黃娟;郭明克;張永梅;閆濤;王寧;;利用高光譜遙感資料提取赤潮信息方法研究[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2002年

9 杜培軍;方濤;林卉;;高光譜遙感影像降維方法研究[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

10 王新鴻;唐伶俐;馬靈玲;;高光譜遙感在內(nèi)陸水質(zhì)監(jiān)測中的應(yīng)用[A];現(xiàn)代測量技術(shù)與地理信息系統(tǒng)科技創(chuàng)新及產(chǎn)業(yè)發(fā)展研討會論文集[C];2009年

相關(guān)重要報紙文章 前4條

1 張學(xué)君;高光譜遙感技術(shù)助力覆蓋區(qū)找礦[N];中國國土資源報;2011年

2 記者 金小平;中國地調(diào)局舉辦高光譜遙感找礦培訓(xùn)班[N];中國礦業(yè)報;2007年

3 中國科學(xué)院院士、國際歐亞科學(xué)院院士 童慶禧;我國高光譜遙感的發(fā)展[N];中國測繪報;2008年

4 文龍 胡軍;張立福：用光譜觀測大地的人[N];科技日報;2012年

相關(guān)博士學(xué)位論文 前10條

1 張海濤;基于興趣體保護(hù)的高光譜遙感圖像壓縮技術(shù)研究[D];遼寧工程技術(shù)大學(xué);2014年

2 王霄鵬;黃河三角洲濕地典型植被高光譜遙感研究[D];大連海事大學(xué);2014年

3 孫蕾;小波構(gòu)造理論及其在高光譜遙感圖像去噪與壓縮中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2010年

4 譚炳香;高光譜遙感森林類型識別及其郁閉度定量估測研究[D];中國林業(yè)科學(xué)研究院;2006年

5 田豐;全波段（0.35～25μm）高光譜遙感礦物識別和定量化反演技術(shù)研究[D];中國地質(zhì)大學(xué)（北京）;2010年

6 劉康;基于主動學(xué)習(xí)的高光譜圖像分類技術(shù)研究[D];中國礦業(yè)大學(xué)（北京）;2014年

7 劉偉東;高光譜遙感土壤信息提取與挖掘研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年

8 沈照慶;基于支持向量機(jī)（SVM）的高光譜影像智能化分析關(guān)鍵問題研究[D];武漢大學(xué);2010年

9 馮燕;高光譜圖像壓縮技術(shù)研究[D];西北工業(yè)大學(xué);2006年

10 葉成名;基于高光譜遙感的青藏高原巖礦信息提取方法與應(yīng)用研究[D];成都理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 柳家福;基于GPU的礦產(chǎn)資源高光譜遙感探測數(shù)據(jù)快速處理[D];南京理工大學(xué);2015年

2 張小東;基于光譜解混的高光譜遙感烴弱信息提取[D];成都理工大學(xué);2015年

3 劉淼;不同營養(yǎng)水平冬小麥長勢高光譜遙感監(jiān)測[D];西北農(nóng)林科技大學(xué);2016年

4 牛璐璐;航空高光譜遙感影像自動拼接技術(shù)研究[D];吉林大學(xué);2016年

5 丁小輝;基于蟻群算法的高光譜遙感影像地物分類研究[D];中國科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所);2016年

6 顏丙囤;基于“星—地”遙感數(shù)據(jù)的植被參數(shù)反演模型研究與應(yīng)用[D];中國礦業(yè)大學(xué);2016年

7 湯媛媛;面向桌面系統(tǒng)的高光譜遙感影像線性降維異構(gòu)并行算法研究與實(shí)現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2015年

8 谷金平;基于云計算的高光譜遙感圖像檢索研究[D];南京理工大學(xué);2017年

9 胡杰;高光譜遙感影像三維空譜特征提取與小樣本分類技術(shù)研究[D];深圳大學(xué);2017年

10 譚雨蕾;基于特征度量的高光譜遙感影像波段選擇方法研究[D];吉林大學(xué);2017年

本文編號：2775552