共查询到10条相似文献，搜索用时 187 毫秒
1.
光谱特征匹配分类是常用的高光谱影像分类、识别地物的方法,针对高光谱影像提取植被盖度存在的问题,文章根据高光谱遥感影像处理的方法,采用EO-1卫星在广州市过境的Hyperion高光谱影像,以＂广州南肺＂万亩果园作为试验区,经过大气纠正——最小噪声分离变换（MNF）——最纯净像元指数计算（PPI）——提取植被的端元,以此作为研究区识别植被的参考样本,进行光谱特征匹配提取植被盖度。其中提出利用连续小波变换对参考端元的波谱曲线降噪的方法,旨在优化光谱特征匹配,以提高识别植被的精度。实验结果表明,这种辅助匹配的方法能有效提高识别植被的精度。 相似文献
2.
基于微分变换的高光谱马尾松和杉木识别 总被引：1，自引：0，他引：1
《国土资源遥感》2018,(4)
高光谱遥感能分辨出地物间微小反射光谱差异信息,可用于解决林种遥感分类光谱识别的难题。利用Hyperion高光谱遥感影像,结合地面实测林种样地,对安徽省黄山市五城镇林区的马尾松和杉木进行识别。通过对Hyperion影像进行一阶、二阶微分变换,优化组合487～559 nm和681～742 nm光谱范围中反射差异明显的波段,再结合支持向量机(support vector machine,SVM)模型进行林种间分类识别。基于Hyperion影像像元反射率及其一阶和二阶微分光谱的分类识别总体精度分别达到76. 50%,81. 42%和88. 52%,对应Kappa系数分别为0. 528 4,0. 625 7和0. 769 1。结果表明,基于二阶微分变换的高光谱数据,通过SVM模型,可有效提高马尾松和杉木的识别精度,为高光谱遥感针叶林种分类识别提供了一种技术途径。 相似文献
3.
由于受到大气的影响,传感器接收到的辐射信息不能真实地反映地表反射光谱信息,因此,从遥感影像中去除大气的影响,即进行大气校正,是高光谱遥感数据处理中极为重要的环节。文章介绍了EO-1hyperion高光谱数据的特点,以及用FLAASH（Fast Line of Sight Atmospheric Analysis of ... 相似文献
4.
融合光谱-空间信息的高光谱遥感影像增量分类算法 总被引：1，自引：1，他引：0
提出了一种融合光谱和空间结构信息的高光谱遥感影像增量分类算法INC_SPEC_MPext。通过主成分分析(PCA)提取高光谱影像的若干主成分,利用数学形态学提取各主分量影像对应的形态学剖面(MP),再将所有主分量影像的形态学剖面归并联结,组成扩展的形态学剖面(MPext)。将MPext与光谱信息相结合以增加知识,最大限度地挖掘未标记样本的有用信息,优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集,并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1Botswana作为测试数据,分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明,在训练样本数量有限情况下,INC_SPEC_MPext算法在降低分类成本的同时,分类精度和Kappa系数都有不同程度的提高。 相似文献
5.
端元提取技术是混合像元分解中重要的步骤之一,传统的端元提取方法仅考虑了像元的光谱信息。本文将数学形态学算子扩展到高光谱空间,并应用到端元提取技术中,可以顾及像元的上下文信息。利用AVIRIS高光谱仿真数据对算法进行了实验验证,结果表明本文算法具有较强的抗噪能力和较高的可靠性。在此基础上,结合徐州地区的EO-1 Hyperion高光谱遥感图像,使用本文算法进行了端元提取应用研究,将实验结果与纯净像元指数、顶点成分分析方法做了对比分析和精度评价,证明本文算法是一种可靠的高光谱遥感图像端元提取技术。 相似文献
6.
7.
云遮挡对高光谱影像的应用造成了不可忽视的影响。现有云去除方法通常利用时域近邻的同源影像提供辅助信息。然而,高光谱影像(如GF-5和EO-1高光谱影像)较低的时间分辨率导致同源辅助影像中可能存在较大的地物覆盖变化。时间分辨率更高的多光谱影像(如Landsat 8 OLI影像)能提供时间上更接近于高光谱云影像的辅助信息,从而减少地物覆被变化带来的影响。为应对高光谱和多光谱波段之间差异较大的问题,本文基于空谱随机森林(spatial-spectral-based random forest,SSRF)方法,提出一种利用多光谱影像(Landsat 8 OLI影像)对高光谱影像进行厚云去除的方法,将其简记为SSRF_M。SSRF_M较强的非线性拟合能力使其能够综合利用多光谱影像所有波段的有效数据对各个高光谱波段进行重建。本文使用GF-5和EO-1高光谱影像进行模拟云去除试验,视觉和定量评价结果均表明,与利用时间间隔更长的同源辅助影像的方法相比,本文方法能获得更高精度的云下信息重建结果。 相似文献
8.
《遥感学报》2020,(4)
正相比其他光学遥感技术,高光谱成像技术的"谱像融合"特点,既能成像又能测谱,能够获取地物的光谱"指纹"信息,对地物成分的精细分类和识别具有特别的优势,已成为对地观测的重要前沿技术手段。星载高光谱成像技术具有观测范围广和应用成本低等优势,受到国际遥感界的普遍关注。由于星载高光谱载荷的研制面临的技术挑战大、难度高,自2000年美国发射EO-1卫星(搭载Hyperion高光谱载荷)后的十几年内,星载高光谱成像载荷技术未获得重大的突破,一直难以同时兼顾宽谱宽幅、高光谱分辨率和高探测灵敏度的要求。发展高性能的星载高光谱成像载荷及提高处理应用技术水平已成为世界各国共同关注的热点。 相似文献
9.
探讨采用高光谱遥感影像自动检测地形图变化的技术途径。针对地形图变化检测特点,利用经过辐射和几何处理的高光谱影像,结合已有地面资料确定地物样区,建立地形图要素的光谱特征。在建立地物要素光谱特征过程中,提出结合地形图资料,采用迭代光谱特征重建方法,利用训练样本和初始分析结果作为新的样本进行特征提取,克服高光谱影像处理中存在的训练样本数量要求大的难点,提高地物光谱特征建立的可靠性,从而有效提高分析精度。采用EO-1数据实验表明,该方法能够有效实现地物要素信息的自动提取,是变化检测与自动更新的一种有效方法。 相似文献