学位论文 > 优秀研究生学位论文题录展示

高光谱图像混合像元分类技术研究

作　者: 刘俊
导　师: 姚国清
学　校: 中国地质大学（北京）
专　业: 计算机科学与技术
关键词: 高光谱 混合像元 端元 端元提取算法 像元分解算法
分类号: P237
类　型: 硕士论文
年　份: 2010年
下　载: 244次
引　用: 1次
阅　读: 论文下载
 

内容摘要


高光谱遥感在国内外的遥感领域的发展中占有重要的地位。高光谱遥感是指具有高光谱分辨率的遥感科学与技术,其依赖的基础是测普学(spectroscopy),由于其具有很高的光谱分辨率,因此能够提供更丰富的地球表面信息,并受到了遥感应用领域的广泛关注。高光谱遥感给遥感界带来了巨大的变革,它使得原本在宽波段中不可探测的物质在高光谱中探测出来成为现实。高光谱图像分类与地物识别是遥感技术的主要应用之一。遥感图像记录信息的单位是像元,它记录的是相应的地表物质光谱特征信息。遥感影像中像元对应的地表物质很少是由单一均匀的地表覆盖类组成的,一般都是几种地物混合而成。因此影像中像元的光谱特征并不是单一地物的光谱特征,而是几种地物光谱特征的混合反映,这给遥感应用的精度带来了很大影响。混合像元无论直接归属到哪一种典型地物,都是错误的,因为它至少不完全属于这种典型地物。如果每一混合像元能够被分解成它的覆盖类型组分(通常称为端元组分) ,并求出每种组分占像元的百分含量,分类将更精确,因混合像元的归属而产生的错分、误分问题也就迎刃而解,我们把这一处理过程称之为混合像元分解。混合像元问题不仅是遥感技术向定量化深入发展的重要障碍,而且也严重影响计算机处理的效果或计算机技术在遥感领域中的应用。大多数遥感影像分类算法并不考虑这一现象,只是利用像元光谱间的统计特征进行像元分类。混合像元分解技术考虑了这一现象,不仅能给出组成像元各地表覆盖类的丰度,而且能给出分类的图像。现在比较常用的混合像元分解算法很多比如最小二乘法,单形体体积法等,本文将对几种常用的算法进行深入的分析与实现,并完成实验数据的测试与分析工作。

全文目录


摘要  5-6
Abstract  6-10
第一章 绪论  10-13
  1.1 课题依托项目介绍  10-12
  1.2 研究的目的意义  12-13
第二章 高光谱图像分类技术  13-17
  2.1 分类原理  13-14
  2.2 分类步骤  14
  2.3 分类算法  14-16
    2.3.1 光谱角度匹配法  15
    2.3.2 光谱编码匹配  15
    2.3.3 光谱波形匹配  15-16
  2.4 分类优缺点介绍  16-17
第三章 混合像元和像元分解  17-33
  3.1 混合像元  17-21
    3.1.1 概念  17-18
    3.1.2 混合像元产生的机理  18-21
  3.2 光谱混合模型  21-23
    3.2.1 线性光谱混合模型  22-23
    3.2.2 非线性光谱混合模型  23
  3.3 像元分解  23-32
    3.3.1 端元选取  23-28
    3.3.2 像元分解  28-32
  3.4 总结  32-33
第四章 基于最小二乘法的分解方法  33-42
  4.1 算法分析  33-34
  4.2 求解方法  34-36
    4.2.1 不带约束的最小二乘法  34-35
    4.2.2 带约束的最小二乘法  35-36
  4.3 算法实现  36-40
    4.3.1 流程图  36-37
    4.3.2 程序分析  37-40
  4.4 总结  40-42
第五章 基于模糊集合的分解方法  42-53
  5.1 算法分析  43-49
    5.1.1 模糊集和地理信息的模糊表示  43-44
    5.1.2 光谱空间的模糊划分  44-46
    5.1.3 图像分类的模糊参数  46-48
    5.1.4 训练和成员关系函数  48-49
  5.2 程序实现  49-52
    5.2.1 流程图  49-51
    5.2.2 程序分析  51-52
  5.3 总结  52-53
第六章 基于单形体体积的分解方法  53-57
  6.1 算法分析  53-54
  6.2 算法实现  54-56
    6.2.1 流程图  54-55
    6.2.2 程序分析  55-56
  6.3 总结  56-57
第七章 实验分析与研究  57-64
  7.1 准备数据  57-60
    7.1.1 实验图像选取  57-59
    7.1.2 待识别矿物波谱数据选取  59-60
  7.2 混合像元分解结果  60-62
    7.2.1 三个区域的端元选取结果  60
    7.2.2 三个区域的像元分解结果  60-62
  7.3 实验结果分析  62-64
第八章 总结与展望  64-66
  8.1 对本文工作的总结  64
  8.2 对下一步工作的设想  64-66
致谢  66-67
参考文献  67-69
附录  69

相似论文

  1. 高光谱图像空—谱协同超分辨处理研究,TN911.73
  2. 基于感兴趣信息的高光谱图像压缩技术研究,TP391.41
  3. 星载高光谱传感器模拟仿真系统研究,TP391.9
  4. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  5. 高光谱遥感场景模型仿真研究,TP72
  6. 基于核方法的高光谱图像异常检测算法研究,TP751
  7. 基于高光谱遥感的太湖水体藻蓝素和CDOM浓度估算模型研究,X87
  8. 褐飞虱和稻纵卷叶螟为害后水稻的光谱特征,S435.112
  9. 基于HJ卫星混合像元分解的水稻生长监测技术研究,S511
  10. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  11. 高/多光谱图像混合像元解混研究,TP751
  12. 高光谱图像处理平台的研究与设计,TP391.41
  13. 基于非负矩阵分解的高光谱遥感图像混合像元分解研究,TP751.1
  14. 基于时空序列的小麦冠层氮素营养诊断及长势参数监测研究,S512.1
  15. 高光谱数据提取森林冠层叶绿素及氮含量的研究,S718.5
  16. 基于机器视觉和高光谱图像技术的粮食水分检测及杂质与不完善粒识别方法研究,TP391.41
  17. 高光谱数据库中基于特征的分类方法研究,TP311.13
  18. 基于高光谱数据的分类技术研究,P237
  19. 基于稀有特征保持的高光谱遥感图像维数分析,TP751
  20. 毛竹专题信息高光谱特征指数反演技术研究,S795
  21. 基于ALOS的退耕还林工程监测和土地利用类型划分研究,S771.8

中图分类: > 天文学、地球科学 > 测绘学 > 摄影测量学与测绘遥感 > 测绘遥感技术
© 2012 www.xueweilunwen.com