共查询到10条相似文献，搜索用时 15 毫秒
1.
高光谱遥感能提供数十至数百个窄波段的光谱信息,从而能够依据地物的诊断性光谱特征进行地物识别。然而,高光谱遥感在提供丰富光谱信息的同时,波段间的相关性和冗余性制约着高光谱遥感的应用。因此,特征参数选择是高光谱遥感分类中最关键的环节之一。首先讨论EO-1/Hyperion的传感器特征,并对其L1R数据进行辐射校正、去条纹、Smile效应纠正等预处理工作。其次利用从图像中提取的典型地物的光谱曲线,采用光谱重建理论获得用于逼近光谱曲线的基函数及其对应的光谱区间。然后采用逐步增加光谱区间,并调整波段中心位置和宽度的方法,得到稳定的光谱区间。最后将光谱区间内的几个原始高光谱波段合成一个宽的波段,得到几个较宽波段的仿真图像,并对其进行分类。结果表明,基于光谱重建的特征参数选择方法获得的分类,总体精度高达92%,充分说明了该方法的有效性。 相似文献
2.
高光谱吸收特征参数反演草地光合有效辐射吸收率 总被引：1，自引：0，他引：1
在植被光合有效辐射吸收率(FAPAR)遥感估算中被广泛采用的植被指数法,其估算精度往往受到"红波段吸收峰"峰值点光谱反射率易饱和特征的影响。考虑到高光谱吸收特征参数能较好地诠释地物光谱吸收特征的细节信息,基于微分法与包络线去除法研发"高光谱曲线特征吸收峰自动识别法"识别对FAPAR敏感的特征吸收峰,再结合连续统去除法以及光谱吸收指数(SAI)提取FAPAR的高光谱吸收特征参数,构建估算天然草地冠层水平FAPAR的高光谱吸收特征参数模型。结果表明:(1)天然草地冠层FAPAR与高光谱吸收特征参数具有很好的相关性,其中,"红波段吸收峰"SAI对FAPAR变化最为敏感,在植被覆盖度较高时,其饱和性相比"红波段吸收峰"峰值点反射率与归一化植被(NDVI)值有较大的提升。(2)以"红波段吸收峰"SAI为变量的对数方程为FAPAR的最佳估算模型,在植被覆盖度处于中与高时,其FAPAR预测精度比NDVI模型有不同程度的提高。研究采用的高光谱吸收特征参数一定程度上弥补了部分植被指数因饱和问题在估算FAPAR时的不足,可作为植被FAPAR反演的新参数,适用于中、高覆盖度的天然草地FAPAR监测。 相似文献
3.
4.
成像光谱技术是80年代发展起来的最新遥感方法。本文对其原理、理论基础及图像光谱信息提取的方法进行了探讨,并在红外细分光谱(FIMS)金矿蚀变带信息提取分析研究的基础上,通过对可见光细分19波段AMSS、澳大利亚的24波段GEOSCAN、MKII AMSS及美国GER64通道成像光谱数据的初步处理,发展和形成了一些针对超多波段成像光谱数据的图像处理和分析及光谱信息提取的方法。 成像光谱信息提取的方法,主要包括图像光谱反射率转换技术、图像光谱曲线显示、光谱特征参数测度(光谱吸收特征的波长位置、宽度、深度)、图像地物光谱曲线与地物光谱数据库的信息匹配以及地物光谱识别专家系统。本文以红外细分光谱图像在金矿蚀变带信息提取分析中的应用为例,讨论了成像光谱图像的一种处理分析技术及其发展前景。 相似文献
5.
为开展昆明市冬季典型作物高光谱特征对比研究,借助SOC 710vp便携式光谱仪,获取白萝 卜和云南大苦菜的高光谱数据,对比原始、一阶微分及连续统去除光谱,并构建光谱特征参数.结果表明:①两种作物的原始光谱曲线走势相似但白萝 卜的反射率较高;②500～760 nm两种作物的一阶微分值差异较为显著,红边位置、光谱幅值和面积特征参数区分效果较好;③经连续统去除后,可见光范围内作物间可分性增强,划分波段范围并结合吸收特征参数,可有效辨别.可见,利用光谱曲线和特征参数区分作物是可行的,将为云贵高原地区作物精细识别和高原特色现代农业建设提供理论依据. 相似文献
6.
深度学习在高光谱图像处理领域的研究应用不断深入发展,基于深度学习的高光谱图像分类达到了较高的分类精度。目前的分类模型多利用高光谱的图谱特征,但对光谱的诊断性特征及先验信息利用不足,对空谱特征提取过程难以实现有效协同,因而导致分类类别即类内分类不够精细。为了解决以上问题,本文提出一种以多标签数据为输入的共生神经网络模型,在高光谱图谱特征提取的基础上融合光谱诊断特征,实现相对含水量反演及精细分类。首先,通过构建一种新的红边斜率光谱指数实现高光谱图像相对含水量的表征,利用本文提出的自适应分级算法完成相对含水量反演并建立对应的等级标签,与地物种类标签共同构成多标签高光谱数据集。然后,构建共生神经网络架构及内部变维特征提取模块,利用多标签数据提取高光谱图像中空间、光谱和相对含水量的融合特征,提高深度模型对不同含水量地物的区分能力和对所提取特征的协同表达能力,降低模型的复杂度与计算量,完成基于多标签数据集的相对含水量反演引导分类的过程,在扩大传统类间距离的基础上进一步扩大类内距离,从而实现高光谱图像的精细分类。最后,使用实验室采集数据和4个公开的高光谱数据集Lopex、Indian Pines、Pavia University和Salinas进行实验验证。结果表明,本文提出的红边斜率光谱指数可以有效表征地物的相对含水量信息;相对含水量反演引导的分类模型对类内分类精度有较明显的提升,对总体分类结果有一定的改善;与其他机器学习和深度学习分类算法相比,本文算法取得了较好的分类结果,提高了深度分类模型的分类性能和精细程度,实现了精细分类。 相似文献
7.
8.
基于光谱曲线整体相似性测度的匹配分类 总被引：3，自引：0，他引：3
高光谱影像具有丰富的空间、辐射和光谱信息,每一个像元都可以提取出连续的光谱曲线.因此,可以通过高光谱数据与已知的参考光谱曲线波形或特征相似性对比分析的方法识别地物类型.在整体相似性测度约束下,综合考虑数值指数和形状指数,利用光谱特征向量间的差异和曲线信息熵提出了一种新的匹配分类的方法.实验结果表明,该方法具有分类精度高、适应性强的特点. 相似文献
9.
高光谱影像纹理特征编码分形特征研究 总被引：3，自引：1，他引：2
提出了一种基于分形测度分析高光谱影像纹理的技术.根据高光谱影像纹理单元中相邻光谱矢量的相关关系构造方向性纹理特征,得到了一组纹理特征编码值,从纹理特征编码值本身、相同地物纹理特征编码自相似性和使用不同尺度测量纹理特征编码值构成的曲线所表现出来的幂指数关系三个方面,说明高光谱影像纹理特征编码曲线具有分形特征.设计了纹理特征编码曲线构建模型,采用纹理编码曲线的分形维值表征不同的纹理特征,达到区分和判别不同纹理的目的.试验表明,该方法对提取地物纹理特性具有可行性. 相似文献
10.
资源一号02D卫星(ZY-1 02D)于2019年成功发射，2020年10月正式投入使用，是中国自主建造并成功运行的首颗民用高光谱业务卫星，具有广泛的应用前景。本研究以黄河三角洲湿地为研究区，以ZY-1 02D高光谱(AHSI)影像为数据源，结合无人机和地面调查数据，开展湿地景观分类研究。首先通过ZY-1 02D AHSI获取地物反射率波谱曲线，分析不同地物波谱曲线的差异，作为地物识别和分类的依据；充分考虑研究区植被覆盖度的差异，结合无人机影像制定研究区7类基本地物和9类精细地物两种湿地景观分类体系；利用随机森林算法进行分类，并引入Tree SHAP方法进行波段重要性排序和选择；探究影响ZY-1 02D AHSI分类的重要波段，选取与Landsat 8 OLI多光谱波段相重叠的波段进行分类，并与Landsat 8 OLI分类结果进行比较。结果表明：(1) ZY-1 02D AHSI数据能够较好地反映不同地物类型光谱曲线的差异；(2)对于两种分类体系，仅用前40个重要波段的总体分类精度达到最高，7类基本地物分类和9类精细地物分类的分类精度分别为92.18%和90.76%，这40个波段大多... 相似文献