基于KL-ISOMAP的高光谱图像彩色可视化     

王立国  吴飞 《南京气象学院学报》2018,10(1):63-71

标志点等距映射（L-ISOMAP）作为一种降维方法,在高光谱图像可视化中极具潜力.针对L-ISOMAP算法标志点代表性不足以及计算代价较高的问题,提出了基于K-medoids聚类算法的改进型L-ISOMAP算法（KL-ISOMAP）,进而形成可视化方法.该可视化方法由以下几部分组成：1）通过改进型K-medoids算法选择标志点;2）根据相似度剔除相似像元;3）实现剩余像元的非线性降维;4）完成降维结果的可视化.实验结果表明,KL-ISOMAP算法一方面有效地提高了标志点的内在结构代表性,进而取得了更好的可视化效果;另一方面可通过对相似阈值的设置,加快算法的运算速度.由此形成的可视化方法有着较好的视觉效果、距离保持特性以及像元可分性.  相似文献   

基于HJ-1A高光谱影像的湿地精细分类     

张雅春  那晓东  臧淑英 《地理科学进展》2018,37(12):1705-1712

混合像元的存在不仅影响了基于高光谱影像的地物识别和分类精度,而且已成为遥感科学向定量化发展的主要障碍。本文以扎龙湿地为试验区,以环境一号卫星采集的高光谱影像为数据源,分别采用传统的全约束最小二乘光谱解混算法(fully constrained least squares spectral unmixing algorithm, FCLS)与基于稀疏约束最小二乘光谱解混算法(sparse constrained least squares spectral unmixing algorithm, SUFCLS)实现了试验区湿地的精细分类,并对两种分类结果的表现及其分类精度进行了对比分析。研究结果表明：SUFCLS算法能够自适应的从光谱库中选择场景中所占比例最高的一组端元,并将此端元的组合应用于传统的全约束最小二乘光谱解混中实现不同湿地类型丰度的提取,该算法充分考虑了端元的空间异质性,弥补了FCLS算法在端元选取过程中的不足。精度验证结果表明与FCLS算法相比,SUFCLS算法分类结果的均方根误差更小,丰度的相关系数更高,因此该方法对于提高湿地解混精度以及实现湿地精细化分类具有重要意义。  相似文献   

基于稀疏判别分析的高光谱影像特征提取     

周亚文  董广军  薛志祥  黎珂  王惠英 《测绘科学技术学报》2017,34(4)

针对当前特征提取方法不能充分挖掘高光谱影像稀疏特性的问题,提出一种基于稀疏判别分析的高光谱影像特征提取方法。首先,在线性判别分析的系数向量中引入稀疏正则项来捕获具有更强判别能力的特征,将高光谱影像映射至低维稀疏的子空间;然后,利用迭代优化方法对模型进行求解。利用Salinas和Pavia University高光谱影像进行对比实验,所提方法与分类方法结合用于影像分类时,其分类精度优于其他方法,总体分类精度分别达到97.42%和97.64%。  相似文献   

面向高光谱图像分类的半监督空谱判别分析   总被引：2，自引：2，他引：0  

侯榜焕  王锟  姚敏立  贾维敏  王榕 《测绘学报》2017,46(9):1098-1106

为充分利用高光谱图像蕴藏的空间信息提升分类精度,提出了面向高光谱图像分类的半监督空谱判别分析(S3 DA)算法。考虑高光谱图像数据集的空间一致性,首先利用少量标记样本定义类内散度矩阵,保存数据集同类像元的光谱近邻结构;再利用无标记样本定义空间近邻像元散度矩阵,揭示像元间的空间近邻结构和地物的空间分布结构信息。S3 DA既保持数据集在光谱域的可分性,又保存了无标记样本蕴藏的空间域近邻结构,增强了同类像元和空间近邻像元在投影子空间的聚集性,从而提升分类性能。在PaviaU和Indian Pines数据集的试验表明,总体分类精度分别达到81.50%和71.77%。与传统的光谱方法比较,该算法能有效提升高光谱图像数据集的地物分类精度。  相似文献   

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用     

张伟  杜培军  尹作霞 《测绘科学》2008,33(5)

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。  相似文献   

改进相似性测度的高光谱影像FCM聚类分析     

刘伟  冯伍法  任利华 《测绘工程》2008,17(5):29-32

高光谱遥感将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起,能够实现地面目标的精细分类识别。FCM是一种有效的聚类算法,但存在相似性测度模型单一、分类精度的提高受到限制等问题。文中结合高光谱影像的技术特点,综合考虑光谱曲线的形状、地物辐射亮度及其权重,提出可以更好描述光谱向量之间的相似性的距离测度,并将其引入到FCM聚类模型中。聚类分析试验结果表明：通过改进和优化相似性测度的FCM,可以显著提高高光谱影像聚类精度。  相似文献   

CHRIS／PROBA高光谱数据的预处理   总被引：1，自引：0，他引：1  

盖利亚  刘正军  张继贤 《测绘工程》2008,17(1):40-43

针对CHRIS／PROBA高光谱遥感数据的特点,对CHRIS影像进行去条带处理、辐射校正、大气校正等预处理,获得较好质量的影像,为影像的进一步分析和实际应用提供保障。  相似文献   

基于卫星高光谱遥感影像的浅海水深反演方法     

张源榆  黄荣永  余克服  樊明顺  周国清 《地球信息科学学报》2020,22(7):1567-1577

遥感水深反演具有非接触测量和省时省力等优点,能够为航海、岛礁工程与珊瑚礁生态调查等活动提供重要参考。随着高光谱遥感卫星数量的增长,基于高光谱遥感影像的水深反演具有良好的发展与应用潜力。HOPE（Hyperspectral Optimization Process Exemplar）算法是比较常用的高光谱水深反演算法。鉴于HOPE算法在低遥感反射率海域会出现水深被高估的问题,本文基于Hyperion高光谱遥感影像提出一种改进的水深反演算法。该算法针对危险或难以到达海域往往具有水体光学性质较为均一的特点,利用深水区遥感反射率的观测值来估计整个研究区域内的水体光学性质参数并将其固定,以便减少未知参数数量,解决水深被高估的问题,最终达到提高水深反演整体精度的目的。塞班岛和中业岛的实验结果表明,改进算法能够有效克服常规HOPE算法在低遥感反射率水域高估水深的问题。改进算法能够将平均遥感反射率小于0.0075sr^-1（塞班岛）和0.001 sr^-1（中业岛）范围内的水域的水深反演平均绝对误差从常规HOPE算法的2.94 m和6.44 m分别降低至2.56 m和4.99 m,从而能够相应地将整体的均方根误差从3.18 m和5.39 m分别降低至2.30 m和3.32 m,而将整体的平均相对误差从32.4%和27.1%分别降低至30.6%和23.9%。因此,改进算法在提高卫星高光谱遥感影像水深反演效果方面具有可行性和有效性。  相似文献   

干旱半干旱高寒山区蚀变矿物遥感信息提取效果与找矿预测     

孙永彬  董双发  王瑞军  李存金  李婧玥  汪冰  李名松 《矿产与地质》2016,(5)

新疆阿尔金地区位于阿尔金成矿带,属于干旱半干旱高寒山区景观区,该区成矿条件优越,但自然地理条件较差,基岩裸露利于蚀变矿物准确提取,采用CASI/SASI航空高光谱遥感进行蚀变矿物遥感信息提取及找矿预测,可以克服自然条件影响,降低成本。本文以CASI/SASI航空高光谱遥感数据为数据源,以干旱半干旱高寒山区景观区为研究背景,评价研究该区CASI/SASI航空高光谱蚀变矿物遥感信息提取效果,通过野外地质调查,发现了镍、铁、钴、钒、钛、铜等元素多金属矿化线索,并最终圈定了YC01和YC02等两处找矿预测区。说明CASI/SASI航空高光谱遥感在干旱半干旱高寒山区蚀变矿物遥感信息提取效果显著。  相似文献   

A support vector machine classifier based on a new kernel function model for hyperspectral data     

Zhilei Lin  Luming Yan 《地理信息系统科学与遥感》2016,53(1):85-101

The kernel function is a key factor to determine the performance of a support vector machine (SVM) classifier. Choosing and constructing appropriate kernel function models has been a hot topic in SVM studies. But so far, its implementation can only rely on the experience and the specific sample characteristics without a unified pattern. Thus, this article explored the related theories and research findings of kernel functions, analyzed the classification characteristics of EO-1 Hyperion hyperspectral imagery, and combined a polynomial kernel function with a radial basis kernel function to form a new kernel function model (PRBF). Then, a hyperspectral remote sensing imagery classifier was constructed based on the PRBF model, and a genetic algorithm (GA) was used to optimize the SVM parameters. On the basis of theoretical analysis, this article completed object classification experiments on the Hyperion hyperspectral imagery of experimental areas and verified the high classification accuracy of the model. The experimental results show that the effect of hyperspectral image classification based on this PRBF model is apparently better than the model established by a single global or local kernel function and thus can greatly improve the accuracy of object identification and classification. The highest overall classification accuracy and kappa coefficient reached 93.246% and 0.907, respectively, in all experiments.  相似文献