学位论文 > 优秀研究生学位论文题录展示

基于光谱特征分析的匹配与分类技术研究

作　者: 刘伟
导　师: 冯伍法
学　校: 解放军信息工程大学
专　业: 摄影测量与遥感
关键词: 高光谱遥感光谱特征光谱匹配光谱相似性测度尺度空间决策树
分类号: P237
类　型: 硕士论文
年　份: 2008年
下　载: 281次
引　用: 9次
阅　读: 论文下载

内容摘要

与全色、多光谱遥感相比,高光谱遥感最大的优势在于能够对地表覆盖类型进行精细探测。成像光谱仪获取的影像光谱分辨率高,可达10nm:波段众多,能为每个像元提供一条完整且连续的光谱曲线。借助从高光谱影像上反演的光谱曲线,通过与标准的参考光谱进行匹配比较,可以直接识别地物目标属性。论文在总结分析高光谱遥感数据预处理技术和光谱特征增强与定量分析方法的基础上,从相似性测度改进和匹配策略优化两个方面对光谱匹配算法进行了深入的研究,主要取得了以下成果:1.以地物光谱特征的匹配识别为目标,总结了光谱数据定标、辐射校正和反射率转换等预处理方法,结合地形要素分类体系分析了典型地物的光谱特征;从基于光谱曲线属性探测的角度出发,研究了光谱曲线特征增强和定量参数提取的主要方法。2.在对高光谱影像模式识别分类方法和光谱匹配技术进行归纳总结的基础上,通过对现有光谱相似性测度的分析和试验比较,提出了一种基于曲线信息熵的光谱相似性测度改进方案。试验表明,与传统的单一测度和简单的综合距离相比,该方法用于光谱匹配能够取得更高的精度和更好的适应性。3.将尺度空间理论引入高光谱影像分类过程,通过对地物光谱信息进行多尺度观察,提取特定尺度下的光谱曲线特征,结合光谱曲线的整体相关性进行匹配分类。试验结果表明:该算法能减少传统匹配方法由于噪声、成像环境等因素引起的错分,有助于分类识别精度的提高。4.结合决策树分层匹配的思想,在对地物反射光谱特征进行具体分析的基础上,根据成像区域地物类型的具体特点,构造了层次分析光谱匹配模型。试验结果表明,该方法通过在不同节点处灵活采用不同的特征参量和匹配策略,能够明显提高目标提取的精度和可靠性。

全文目录

摘要  8-9
Abstract  9-10
第一章绪论  10-17
  1.1 研究背景  10
  1.2 高光谱遥感技术  10-15
    1.2.1 高光谱成像原理  11
    1.2.2 成像光谱仪技术  11-12
    1.2.3 高光谱数据特点  12-13
    1.2.4 光谱数据库技术  13-14
    1.2.5 高光谱数据分析  14-15
  1.3 研究内容  15-16
  1.4 论文组织结构  16-17
第二章面向光谱匹配的高光谱数据预处理技术  17-23
  2.1 数据定标与校正  17-18
    2.1.1 数据定标  17
    2.1.2 影像噪声  17-18
    2.1.3 辐射校正  18
  2.2 光谱匹配与反射率转换  18-19
    2.2.1 反射率转换的重要性  18
    2.2.2 反射率转换与光谱匹配的关系  18-19
  2.3 反射率转换方法分析  19-22
    2.3.1 基于大气传输方程的方法  19-20
    2.3.2 基于图像数据的反演方法  20-21
    2.3.3 基于地面实测数据的转换方法  21-22
  2.4 本章小结  22-23
第三章光谱特征增强与定量分析  23-32
  3.1 典型地物光谱特征  23-27
    3.1.1 植被光谱特征  24
    3.1.2 岩石光谱特征  24-25
    3.1.3 土壤光谱特征  25-26
    3.1.4 水体光谱特性  26
    3.1.5 人工地物光谱特征  26-27
  3.2 光谱特征参量化  27-29
    3.2.1 光谱斜率和坡向  27
    3.2.2 单峰吸收特征量化  27-28
    3.2.3 光谱吸收指数  28-29
    3.2.4 光谱吸收特征拟合  29
    3.2.5 连续插值小组段算法  29
  3.3 光谱特征增强方法  29-31
    3.3.1 光谱微分  29-30
    3.3.2 包络线消除算法  30-31
  3.4 基于参考光谱的特征分析方法  31
  3.5 本章小结  31-32
第四章基于光谱曲线整体相关性的匹配分类  32-53
  4.1 高光谱影像分类技术分析  33-40
    4.1.1 模式识别分类方法  33-35
    4.1.2 光谱匹配技术  35-39
    4.1.3 分类结果精度评价方法  39-40
  4.2 光谱相似性测度  40-47
    4.2.1 几何空间测度  40-42
    4.2.2 概率空间测度  42-43
    4.2.3 变换空间测度  43-45
    4.2.4 试验分析  45-47
  4.3 改进相似性测度的分类提取  47-52
    4.3.1 综合光谱相似性测度  47
    4.3.2 基于曲线信息熵的相似性测度改进  47-49
    4.3.3 试验分析  49-52
  4.4 本章小结  52-53
第五章基于尺度空间理论的光谱特征匹配  53-60
  5.1 尺度空间理论  53-54
    5.1.1 尺度空间的定义  53
    5.1.2 尺度空间的建立  53-54
  5.2 定性光谱特征提取  54-55
    5.2.1 波峰位置自动检测  54-55
    5.2.2 波峰数组线结构特征提取  55
  5.3 尺度空间匹配分类算法  55-59
    5.3.1 定性特征约束的光谱匹配  55
    5.3.2 算法实现过程  55-56
    5.3.3 分类试验  56-59
  5.4 本章小结  59-60
第六章基于光谱特征分析的决策树匹配分类技术  60-71
  6.1 决策树分类方法  60-61
    6.1.1 决策树分类原理  60-61
    6.1.2 方法优势  61
  6.2 光谱匹配的层次分析模型  61-64
    6.2.1 单层匹配模型的缺陷  61-62
    6.2.2 基于光谱特征分析的分级匹配思想  62-63
    6.2.3 基于光谱特征分析的决策树构建  63-64
  6.3 分类算法实现  64-70
    6.3.1 分类决策树构造  64
    6.3.2 计算过程  64-65
    6.3.3 分类试验  65-70
  6.4 本章小结  70-71
第七章总结与展望  71-72
  7.1 总结  71
  7.2 展望  71-72
参考文献  72-75
作者简历攻读硕士学位期间完成的主要工作  75-76
致谢  76

基于光谱特征分析的匹配与分类技术研究

内容摘要

全文目录

相似论文