本文選題：狼毒 + HH-HSI高光譜影像�。� 參考：《西北大學(xué)》2015年碩士論文

【摘要】：瑞香狼毒是分布在青海省高寒草甸的主要毒害草之一,近年來(lái)其迅速蔓延對(duì)當(dāng)?shù)匦竽翗I(yè)危害嚴(yán)重并使草地生態(tài)系統(tǒng)日趨退化。應(yīng)用遙感技術(shù)在大范圍內(nèi)及時(shí)獲取狼毒分布、面積及變化信息,可為狼毒分布監(jiān)測(cè)及危害程度評(píng)估提供重要基礎(chǔ),對(duì)于維護(hù)該地區(qū)畜牧業(yè)的可持續(xù)發(fā)展和草地生態(tài)系統(tǒng)平衡具有重要意義。本文采用2012年HJ-HSI高光譜數(shù)據(jù),以青海省海北州為研究區(qū),開展了狼毒分布遙感提取研究。高光譜影像能夠?qū)嵌竟庾V特征進(jìn)行精細(xì)探測(cè),有效地克服傳統(tǒng)遙感因波段有限導(dǎo)致的識(shí)別誤差等問(wèn)題。本研究從光譜波形匹配的角度出發(fā),在對(duì)HJ-HSI數(shù)據(jù)降維去噪的基礎(chǔ)上,分別用光譜角制圖(SAM, Spectral Angle Mapper)和光譜信息散度(SID, Spectral Information Divergence)兩種算法進(jìn)行狼毒識(shí)別提取研究,主要取得了以下成果：1.狼毒處于盛花期時(shí),其獨(dú)特的物候特征使狼毒光譜反射率與同期牧草的光譜反射率差異極大,具體表現(xiàn)為盛花期狼毒頂花在整個(gè)波段的光譜反射率均高于同期牧草,并在900nnm處達(dá)到近70%。對(duì)狼毒群落而言,這種明顯的光譜特征差異使蓋度較高的狼毒群落光譜反射率明顯區(qū)別于牧草地,為狼毒識(shí)別的可能性提供依據(jù)。在對(duì)狼毒群落光譜特征分析的基礎(chǔ)上,檢驗(yàn)經(jīng)過(guò)大氣校正后的HJ-HSI影像狼毒光譜有效性,結(jié)果表明,經(jīng)過(guò)大氣校正后的HJ-HSI影像能夠提供可用的地物光譜信息,并且在近紅外波段,影像狼毒群落與牧草群落具有可分性。2.在分析針對(duì)高光譜遙感影像各種降維去噪方法優(yōu)劣性的基礎(chǔ)上,最終采用PCA變換(Principal components analysis)和MNF變換(Minimum Noise Fraction Rotation)兩種方法對(duì)HJ-HSI數(shù)據(jù)進(jìn)行降維,結(jié)果表明,經(jīng)過(guò)降維后的影像數(shù)據(jù)消除了相鄰波段間的相關(guān)性,很好的分離了圖像與噪聲。然后利用PCA逆變換和MNF逆變換技術(shù),使得到的圖像不僅保留光譜波形信息,而且數(shù)據(jù)量明顯壓縮,數(shù)據(jù)噪聲明顯降低,峰值信噪比高,達(dá)到了降維去噪的目的。3.基于光譜波形匹配思想,通過(guò)構(gòu)建狼毒群落與牧草群落的波譜庫(kù),以經(jīng)過(guò)降維去噪后的影像數(shù)據(jù)為輸入數(shù)據(jù),分別運(yùn)用SAM和SID兩種光譜識(shí)別方法進(jìn)行狼毒識(shí)別提取,結(jié)果表明,以經(jīng)過(guò)MNF變換后的影像數(shù)據(jù)為數(shù)據(jù)源的SAM法狼毒信息提取總體精度最高,達(dá)到78.46%,Kappa系數(shù)為0.5260,統(tǒng)計(jì)實(shí)驗(yàn)中狼毒提取面積數(shù)據(jù)發(fā)現(xiàn),該方法得到的狼毒危害面積與《2012年青海省毒雜草調(diào)查》統(tǒng)計(jì)的狼毒危害面積吻合,證明了基于MNF變換后的SAM提取技術(shù)能夠應(yīng)用于狼毒識(shí)別。本研究以HJ-HSI數(shù)據(jù)為數(shù)據(jù)源,充分研究了盛花期狼毒群落光譜與牧草光譜特征差異,運(yùn)用兩種方法識(shí)別提取研究區(qū)狼毒群落,最終證明HJ-HSI數(shù)據(jù)在狼毒識(shí)別提取領(lǐng)域的可用性及潛力,研究結(jié)果可為中國(guó)西部草原毒害草分布遙感監(jiān)測(cè)和危害程度評(píng)估提供技術(shù)參考。
[Abstract]:Daphne chamaejasme is one of the main poisonous grass distributed in alpine meadow in Qinghai Province. In recent years, its rapid spread has caused serious harm to local animal husbandry and made grassland ecosystem degenerate day by day.The application of remote sensing technology to obtain the distribution, area and change information of werewolf venom on a large scale in time can provide an important basis for monitoring the distribution of werewolf venom and evaluating its harm degree.It is of great significance to maintain the sustainable development of animal husbandry and balance of grassland ecosystem in this area.In this paper, using HJ-HSI hyperspectral data in 2012 and Haibei state in Qinghai Province as the research area, the remote sensing extraction of the distribution of werewolf venom was carried out.Hyperspectral images can detect the spectral characteristics of werewolf venom and overcome the problem of recognition error caused by the limited band of traditional remote sensing.From the point of view of spectral waveform matching, on the basis of dimension reduction and denoising of HJ-HSI data, two algorithms of spectral angle mapping (SAM, Spectral Angle Mapper) and spectral information divergence (Sid, Spectral Information divergence) are used to extract and extract werewolf venom.The main achievements are as follows: 1: 1.The spectral reflectance of werewolf venom in the flowering stage was greatly different from that of the forage in the same period due to its unique phenological characteristics, which showed that the spectral reflectivity of the top flower in the flowering period was higher than that in the same period.And the 900nnm reached nearly 70.For the community of werewolf venom, the spectral reflectance of the community with high coverage is obviously different from that of the herbage land, which provides the basis for the possibility of the identification of werewolf venom.Based on the analysis of spectral characteristics of werewolf community, the spectral validity of HJ-HSI image after atmospheric correction is tested. The results show that the HJ-HSI image after atmospheric correction can provide the available spectral information of ground objects, and it can be used in near infrared band.The image showed that the community of werewolf venom and the community of forage had separability. 2.On the basis of analyzing the merits and demerits of various dimensionality reduction methods for hyperspectral remote sensing images, PCA transform Principal components Analysis (PCA) and MNF transform minimum Noise Fraction rotation (MNF) are used to reduce the dimension of HJ-HSI data. The results show that,After dimension reduction, the correlation between adjacent bands is eliminated, and the image and noise are separated well.Then, by using PCA inverse transform and MNF inverse transform technology, not only the spectral waveform information is preserved, but also the data volume is obviously compressed, the data noise is obviously reduced, and the peak signal-to-noise ratio is high, which achieves the purpose of dimension reduction and denoising.Based on the theory of spectral waveform matching, the spectral database of werewolf venom community and forage community was constructed, and the image data after dimension reduction and denoising were used as input data, and two spectral recognition methods, SAM and SID, were used to identify and extract werewolf venom.The total precision of MNF method is the highest, and the coefficient of 78.46 kappa is 0.5260. In the statistical experiment, the area data of the extracted area of werewolf venom is found.The results obtained by this method are in agreement with the results of the investigation of poisonous weeds in Qinghai Province in 2012. It is proved that the SAM extraction technique based on MNF transform can be applied to the identification of werewolf venom.In this study, HJ-HSI data was used as the data source to study the spectral characteristics difference between the community spectrum and the forage spectrum in the flowering stage, and two methods were used to identify and extract the community in the study area.Finally, the availability and potential of HJ-HSI data in the field of werewolf venom identification and extraction are proved. The results can provide a technical reference for remote sensing monitoring and hazard assessment of grassland toxic grass distribution in western China.
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：S812.6;S818.9

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 韋瑋;李增元;譚炳香;徐海生;;基于多角度高光譜CHRIS影像的隆寶灘濕地遙感分類方法研究[J];林業(yè)科學(xué)研究;2011年02期

2 周利鵬;馬金輝;;基于高光譜影像的舟曲曲瓦溝樹種識(shí)別[J];安徽農(nóng)業(yè)科學(xué);2014年16期

3 雷磊;塔西甫拉提·特依拜;丁建麗;江紅南;阿爾達(dá)克·克里木;;實(shí)測(cè)高光譜和HSI影像的區(qū)域土壤鹽漬化遙感監(jiān)測(cè)研究[J];光譜學(xué)與光譜分析;2014年07期

4 張兆明;何國(guó)金;江洪;;基于EO—1Hyperion高光譜影像的福建森林葉面積指數(shù)反演[J];科學(xué)技術(shù)與工程;2013年31期

5 劉麗娟;龐勇;范文義;李增元;張登榮;李明澤;;機(jī)載LiDAR和高光譜融合實(shí)現(xiàn)溫帶天然林樹種識(shí)別[J];遙感學(xué)報(bào);2013年03期

6 張東彥;劉昒源;宋曉宇;徐新剛;黃文江;朱大洲;王紀(jì)華;;應(yīng)用近地成像高光譜估算玉米葉綠素含量[J];光譜學(xué)與光譜分析;2011年03期

7 王冉;劉志剛;馮海寬;楊沛琦;王慶山;倪卓婭;;基于近地面高光譜影像的冬小麥日光誘導(dǎo)葉綠素?zé)晒馓崛∨c分析[J];光譜學(xué)與光譜分析;2013年09期

8 劉磊;沈潤(rùn)平;丁國(guó)香;;基于高光譜的土壤有機(jī)質(zhì)含量估算研究[J];光譜學(xué)與光譜分析;2011年03期

9 ;[J];;年期

相關(guān)會(huì)議論文 前10條

1 舒寧;胡穎;;基于地物光譜特征的高光譜影像邊緣提取方法[A];地理空間信息技術(shù)與應(yīng)用——中國(guó)科協(xié)2002年學(xué)術(shù)年會(huì)測(cè)繪論文集[C];2002年

2 舒寧;;多光譜和高光譜影像紋理分析的幾種方法[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

3 于美嬌;董廣軍;張永生;紀(jì)松;楊靖宇;;一種基于極大后驗(yàn)估計(jì)的高光譜影像分辨率增強(qiáng)方法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

4 董廣軍;紀(jì)松;朱朝杰;;基于局部線性嵌入流形學(xué)習(xí)的高光譜影像分類技術(shù)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

5 汪瑋;周可法;王金林;周曙光;劉慧;;環(huán)境減災(zāi)衛(wèi)星高光譜數(shù)據(jù)預(yù)處理[A];第十二屆全國(guó)數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會(huì)論文集[C];2013年

6 黃遠(yuǎn)程;張良培;李平湘;;基于最小單形體體積約束的高光譜影像端元光譜提取[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

7 劉慶杰;藺啟忠;王黎明;王欽軍;李慶亭;苗峰顯;;基于CFFT最優(yōu)信噪比的星載高光譜影像噪聲抑制研究[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

8 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術(shù)研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

9 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標(biāo)提取[A];中國(guó)地震學(xué)會(huì)空間對(duì)地觀測(cè)專業(yè)委員會(huì)2013年學(xué)術(shù)研討會(huì)論文摘要集[C];2013年

10 李飛;周成虎;陳榮國(guó);;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國(guó)科學(xué)院博士后學(xué)術(shù)年會(huì)暨高新技術(shù)前沿與發(fā)展學(xué)術(shù)會(huì)議程序冊(cè)[C];2010年

相關(guān)博士學(xué)位論文 前7條

1 楊國(guó)鵬;基于機(jī)器學(xué)習(xí)方法的高光譜影像分類研究[D];解放軍信息工程大學(xué);2010年

2 路威;面向目標(biāo)探測(cè)的高光譜影像特征提取與分類技術(shù)研究[D];中國(guó)人民解放軍信息工程大學(xué);2005年

3 楊哲海;高光譜影像分類若干關(guān)鍵技術(shù)的研究[D];解放軍信息工程大學(xué);2006年

4 王凱;基于多特征融合的高光譜影像地物精細(xì)分析方法研究[D];武漢大學(xué);2013年

5 杜輝強(qiáng);高光譜遙感影像濾波和邊緣提取方法研究[D];武漢大學(xué);2004年

6 韋瑋;基于多角度高光譜CHRIS數(shù)據(jù)的濕地信息提取技術(shù)研究[D];中國(guó)林業(yè)科學(xué)研究院;2011年

7 龔鑓;基于HDA和MRF的高光譜影像同質(zhì)區(qū)分析[D];武漢大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 董連鳳;高光譜影像預(yù)處理技術(shù)研究[D];長(zhǎng)安大學(xué);2007年

2 祝鵬飛;面向?qū)ο蟮母吖庾V影像地物分類技術(shù)研究[D];解放軍信息工程大學(xué);2011年

3 楊國(guó)鵬;基于核方法的高光譜影像分類與特征提取[D];解放軍信息工程大學(xué);2007年

4 楊明;面向分類的高光譜影像特征提取技術(shù)研究[D];解放軍信息工程大學(xué);2012年

5 潘競(jìng)文;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[D];重慶大學(xué);2014年

6 張麗;基于投影尋蹤的高光譜影像特征提取與自動(dòng)識(shí)別技術(shù)研究[D];長(zhǎng)安大學(xué);2006年

7 李翔;高光譜影像的聚類分析及應(yīng)用[D];北京交通大學(xué);2015年

8 徐衛(wèi)霄;高光譜影像集成學(xué)習(xí)分類及后處理技術(shù)研究[D];解放軍信息工程大學(xué);2011年

9 郭學(xué)蘭;基于LS-SVM模型的高光譜影像分類的研究[D];中南大學(xué);2013年

10 何文勇;基于光譜與紋理的高光譜影像半監(jiān)督降維與融合研究[D];上海大學(xué);2013年

，

本文編號(hào)：1748359