本文關(guān)鍵詞：基于Hyperion影像的高光譜數(shù)據(jù)線性解混與目標(biāo)檢測(cè)—土地覆被識(shí)別實(shí)證　出處：《中國(guó)地質(zhì)大學(xué)(北京)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 高光譜影像 線性光譜混合分析 土地覆被 目標(biāo)檢測(cè)

【摘要】：高光譜遙感數(shù)據(jù)豐富的光譜信息有助于更準(zhǔn)確的描述土地覆被的類型,但由于傳感器的空間分辨率較低,當(dāng)以城市、郊區(qū)為研究對(duì)象時(shí)高光譜影像中混合像元的存在不可避免。本文模擬高光譜數(shù)據(jù)混合光譜的解混,對(duì)端元不同所帶來(lái)的解混誤差進(jìn)行了詳細(xì)的分析;以北京市為研究區(qū),利用Hyperion高光譜數(shù)據(jù),結(jié)合V-I-S模型和線性光譜混合分析對(duì)北京市區(qū)、郊區(qū)的土地覆被進(jìn)行了研究;通過(guò)信息檢測(cè)算法,對(duì)特定地物目標(biāo)的識(shí)別進(jìn)行了實(shí)驗(yàn)驗(yàn)證,并給出了改良方法。本文對(duì)中等空間分辨率的高光譜影像在城市/郊區(qū)遙感方面的利用進(jìn)行了比較全面的分析。論文研究的主要內(nèi)容和結(jié)論如下:(1)利用光譜庫(kù)的光譜數(shù)據(jù)模擬由植被、土壤、不透水層構(gòu)成的混合光譜,使用不同的端元組合對(duì)混合光譜線性解混,提出適用于高光譜數(shù)據(jù)的復(fù)合端元解混方法。在同類地物光譜曲線幅度差異較大的情況下,使用復(fù)合端元做全約束的線性解混可以有效減少誤差,提高相關(guān)系數(shù)。(2)基于V-I-S模型,利用單端元組合、復(fù)合端元組合對(duì)Hyperion高光譜影像進(jìn)行了線性解混。結(jié)果顯示,復(fù)合端元的組合有更小的誤差。從真實(shí)的高光譜影像上證明了在對(duì)影像覆蓋面積較大的高光譜數(shù)據(jù)做全約束的線性解混時(shí),更宜采用復(fù)合端元的組合。(3)在遙感影像的處理中,利用植被指數(shù)在城市的不同區(qū)域發(fā)現(xiàn)了與植被豐度相關(guān)性更高的波段組合的特征。從整體上看,更靠近植被光譜“紅邊”區(qū)域的波段計(jì)算的NDVI與植被豐度的相關(guān)性更顯著,植被指數(shù)與植被豐度的二次多項(xiàng)式擬合相關(guān)性更顯著。(4)通過(guò)對(duì)2004年和2010年Hyperion影像的解混,揭示了北京南、北部區(qū)域土地覆被的變化特征。土地覆被的變化顯示出2004年~2010年間北京南部和北部區(qū)域均有一定程度的植被、土壤向不透水層的轉(zhuǎn)變,越靠近市區(qū)變化越明顯,在離市區(qū)較遠(yuǎn)的區(qū)域不透水層主要沿干道向兩側(cè)擴(kuò)張。(5)利用高光譜數(shù)據(jù)通過(guò)信息檢測(cè)的方法,對(duì)小的目標(biāo)進(jìn)行了識(shí)別。利用多種信息檢測(cè)方法對(duì)Hyperion數(shù)據(jù)進(jìn)行了實(shí)驗(yàn),優(yōu)化了信息檢測(cè)輸出的方法,并改良了一種多目標(biāo)識(shí)別方法的應(yīng)用,使其可以更有效的檢測(cè)Hyperion影像中的目標(biāo)信號(hào)。
[Abstract]:The rich spectral information of hyperspectral remote sensing data is helpful to describe the land cover type more accurately, but because of the low spatial resolution of the sensor, the city should be used. The existence of mixed pixels in hyperspectral images is inevitable when the suburb is the object of study. This paper simulates the demultiplexing of the mixed spectra of hyperspectral data and analyzes in detail the unmixing errors caused by different end-components. Using Hyperion hyperspectral data, V-I-S model and linear spectral mixing analysis were used to study the land cover in the urban and suburban areas of Beijing. Through the information detection algorithm, the recognition of specific objects is verified by experiments. The application of hyperspectral images with medium spatial resolution in urban / suburban remote sensing is analyzed comprehensively. The main contents and conclusions of this paper are as follows: 1). The spectral data of the spectral database are simulated by vegetation. The mixing spectrum of soil, impermeable layer, is linearly unmixed using different end-element combinations. In this paper, a new method of compound end-element demultiplexing for hyperspectral data is proposed. When the amplitude of spectral curves of similar ground objects varies greatly, the linear demultiplexing with composite endpoints as full constraints can effectively reduce the error. Based on the V-I-S model, the Hyperion hyperspectral images are linearly unmixed using single-terminal combination and compound end-element combination. From the real hyperspectral images, it is proved that in the case of fully constrained linear unmixing of hyperspectral data with larger image coverage. In the processing of remote sensing image, vegetation index is used to find the characteristics of band combination with higher correlation with vegetation abundance in different areas of the city. The NDVI calculated in the band closer to the "red edge" region of the vegetation spectrum has a more significant correlation with the vegetation abundance. The correlation between the vegetation index and the quadratic polynomial fitting of vegetation abundance is more significant. Through the unmixing of Hyperion images on 2004 and 2010, this paper reveals the south of Beijing. The change of land cover shows that there was a certain degree of vegetation in the southern and northern regions of Beijing during 2004 and 2010, and the soil changed to impermeable layer. The closer to the urban area, the more obvious the change is, in the area far away from the urban area, the impermeable layer mainly expands along the main road to both sides.) using hyperspectral data through the information detection method. The small target is recognized, and the Hyperion data is tested by many information detection methods, and the method of information detection and output is optimized, and the application of a multi-target recognition method is improved. It can detect the target signal in Hyperion image more effectively.
【學(xué)位授予單位】：中國(guó)地質(zhì)大學(xué)(北京)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳君穎;田慶久;亓雪勇;劉曉臣;管仲;;基于Hyperion影像的水稻冠層生化參量反演[J];遙感學(xué)報(bào);2009年06期

2 申晉利;丁樹(shù)柏;齊小平;邢學(xué)文;;利用Hyperion數(shù)據(jù)提取海洋烴滲漏信息研究初探[J];遙感信息;2010年04期

3 豐明博;牛錚;;基于經(jīng)驗(yàn)?zāi)Ｐ偷腍yperion數(shù)據(jù)植被葉綠素含量反演[J];國(guó)土資源遙感;2014年01期

4 沈淵婷;倪國(guó)強(qiáng);徐大琦;蔣麗麗;賀金平;;利用多項(xiàng)式擬合方法去除Hyperion數(shù)據(jù)條帶噪聲[J];光學(xué)技術(shù);2007年S1期

5 傅錦;韓曉青;張杰林;裴承凱;;基于Hyperion數(shù)據(jù)的巖礦蝕變信息的特征峰提取法[J];世界核地質(zhì)科學(xué);2008年01期

6 梁繼;王建;;Hyperion高光譜影像的分析與處理[J];冰川凍土;2009年02期

7 張苗;蔣志榮;;Hyperion影像的輻射處理方法[J];地理空間信息;2013年05期

8 唐菲;徐涵秋;;高光譜與多光譜遙感影像反演地表不透水面的對(duì)比——以Hyperion和TM/ETM+為例[J];光譜學(xué)與光譜分析;2014年04期

9 沈淵婷;倪國(guó)強(qiáng);徐大琦;蔣麗麗;賀金平;;利用Hyperion短波紅外高光譜數(shù)據(jù)勘探天然氣的研究[J];紅外與毫米波學(xué)報(bào);2008年03期

10 潘潔;張鷹;;基于Hyperion影像的射陽(yáng)河口無(wú)機(jī)氮磷濃度反演研究[J];遙感信息;2011年03期

相關(guān)會(huì)議論文 前2條

1 林志壘;;Hyperion高光譜影像的特征提取研究[A];中國(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

2 詹遠(yuǎn)增;王迪峰;毛志華;;基于Hyperion衛(wèi)星高光譜影像的溢油信息提取研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 小白;Hyperion財(cái)務(wù)合并推新平臺(tái)[N];計(jì)算機(jī)世界;2005年

2 本報(bào)記者 吳萍;布道BPM[N];計(jì)算機(jī)世界;2004年

3 于翔;BPM步入整合時(shí)代[N];網(wǎng)絡(luò)世界;2006年

4 張承東;Oracle“多吃”才能“多占”[N];網(wǎng)絡(luò)世界;2007年

5 本報(bào)記者 周蓉蓉;BPM：走過(guò)理念到實(shí)際應(yīng)用[N];計(jì)算機(jī)世界;2005年

6 ;強(qiáng)化BI能力 Oracle 33億美元收購(gòu)海波龍[N];網(wǎng)絡(luò)世界;2007年

7 ;Hyperion Essbase分析型應(yīng)用軟件平臺(tái)[N];中國(guó)計(jì)算機(jī)報(bào);2002年

8 振;甲骨文Oracle Hyperion透視企業(yè)成本[N];電腦商報(bào);2008年

9 吳曉偉;Hyperion深挖BPM的中國(guó)價(jià)值[N];計(jì)算機(jī)世界;2003年

10 本報(bào)記者 吳曉偉;完整BPM應(yīng)用要兼具五個(gè)特征[N];計(jì)算機(jī)世界;2004年

相關(guān)博士學(xué)位論文 前2條

1 唐菲;基于多源遙感影像數(shù)據(jù)的不透水面信息提取[D];福州大學(xué);2014年

2 王曦;基于Hyperion影像的高光譜數(shù)據(jù)線性解混與目標(biāo)檢測(cè)—土地覆被識(shí)別實(shí)證[D];中國(guó)地質(zhì)大學(xué)(北京);2017年

相關(guān)碩士學(xué)位論文 前10條

1 柳萍萍;基于Hyperion數(shù)據(jù)的森林類型識(shí)別[D];中南林業(yè)科技大學(xué);2012年

2 董連英;Hyperion影像森林植被分類方法與應(yīng)用研究[D];吉林大學(xué);2013年

3 黃楠;基于Hyperion數(shù)據(jù)的地物分類方法研究[D];東北林業(yè)大學(xué);2006年

4 張倩倩;基于Hyperion高光譜影像土地利用分類[D];浙江農(nóng)林大學(xué);2013年

5 郭嘯川;基于降維的Hyperion高光譜數(shù)據(jù)的樹(shù)種識(shí)別研究[D];福建師范大學(xué);2013年

6 劉衍宏;基于高光譜Hyperion數(shù)據(jù)的粘土礦信息提取應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2010年

7 周燕;基于Hyperion數(shù)據(jù)的淺海地形和海洋光學(xué)參數(shù)反演方法研究[D];中國(guó)海洋大學(xué);2010年

8 劉津懌;基于Hyperion數(shù)據(jù)的農(nóng)田土壤有機(jī)質(zhì)含量提取方法[D];吉林大學(xué);2012年

9 翟羽娟;基于Hyperion影像的玉米葉面積指數(shù)反演[D];吉林大學(xué);2013年

10 周利鵬;基于Hyperion高光譜影像的松散堆積物礦物識(shí)別[D];蘭州大學(xué);2014年

，

本文編號(hào)：1401598