最小二乘混合像元分解的端元丰度信息提取研究
【图文】：
图１研究Ｆｉｇ．１ＬｏｃａｔｉｏｎＭ
融合后Ｂａｎｄ３１５ｍ×１５ｍ１０７．７９２．９８１６６．１７７．９１Ｂａｎｄ４１５ｍ×１５ｍ１０９．５９２．９８１６４．８０７．７４如表２所示，融合后影像与源图像相比，像元大小变为１５ｍ×１５ｍ，均值差异较小，标准差、信息熵和平均梯度有所提高，尤其是平均梯度增加明显，这表明融合后的影像信息质量较原始影像显著增加，说明ＧＳ影像融合后反映地物细节特征的效果更好（如图２所示），，图２（ａ）、图２（ｂ）、图２（ｃ）左边为融合前影像，右边为融合后影像。图２Ｇｒａｍ－Ｓｃｈｍｉｄｔ影像融合前后对比图Ｆｉｇ．２ＣｏｍｐａｒｉｓｏｎｏｆＧｒａｍ－ＳｃｈｍｉｄｔＩｍａｇｅｓＦｕｓｉｏｎｂｅｆｏｒｅａｎｄａｆｔｅｒ１４５
【作者单位】： 云南师范大学旅游与地理科学学院;云南省高校资源与环境遥感重点实验室;江苏师范大学地理测绘与城乡规划学院;云南省基础地理信息中心;
【基金】：国家自然科学基金项目(41561048) 云南省中青年学术技术带头人培养项目(2008PY056) 国家测绘地理信息局地理国情监测示范项目“抚仙湖流域生态环境动态监测”测国土函[2014]35号
【分类号】：TP751
【相似文献】
相关期刊论文 前10条
1 齐建成;朱述龙;朱宝山;曹闻;;基于端元独立性的端元数目自动获取方法[J];测绘科学;2009年06期
2 齐建成;朱述龙;朱宝山;赵泳;李二森;;图像端元全自动提取方法研究[J];海洋测绘;2009年02期
3 朱述龙;齐建成;朱宝山;曹闻;;以凸面单体边界为搜索空间的端元快速提取算法[J];遥感学报;2010年03期
4 王立国;张晶;刘丹凤;王群明;;从端元选择到光谱解混的距离测算方法[J];红外与毫米波学报;2010年06期
5 曹建农;王贝贝;何晓宁;;高光谱端元自动确定与提取的迭代算法[J];遥感学报;2013年02期
6 吴波,张良培,李平湘;高光谱端元自动提取的迭代分解方法[J];遥感学报;2005年03期
7 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S3期
8 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S1期
9 李熙;关泽群;秦昆;张力;曹灵灵;;基于贝叶斯推理的像元内部端元选择模型[J];光学学报;2009年09期
10 彭青青;杨辽;王杰;沈金祥;;基于异常探测的高光谱端元提取方法研究[J];遥感技术与应用;2011年04期
相关会议论文 前1条
1 王百合;刘志刚;李义红;;基于光谱角分析的端元光谱聚类方法研究[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年
相关博士学位论文 前3条
1 崔建涛;高光谱遥感图像解混技术研究[D];浙江大学;2015年
2 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年
3 黄远程;高光谱影像混合像元分解的若干关键技术研究[D];武汉大学;2010年
相关硕士学位论文 前10条
1 李雪丽;基于线性模型的端元数目估计和光谱提取算法研究[D];华中科技大学;2014年
2 童文杰;基于端元学习的高光谱图像稀疏解混研究[D];西安电子科技大学;2015年
3 方俊龙;高光谱像元解混技术研究[D];杭州电子科技大学;2016年
4 胡英杰;基于局部线性嵌入的高光谱端元提取算法研究[D];华中科技大学;2015年
5 张甬荣;基于有效端元集的双线性解混模型研究及应用[D];大连海事大学;2013年
6 武鹤;基于数学形态学的高光谱图像端元提取技术研究[D];成都理工大学;2011年
7 王丽姣;基于单形体体积增长的高光谱图像端元提取及快速实现[D];浙江大学;2015年
8 于琦;超光谱图像端元提取算法研究及其FPGA验证[D];长春理工大学;2014年
9 弋方;高光谱遥感图像端元提取算法研究与系统实现[D];西安电子科技大学;2014年
10 侯浩亮;基于FPGA的高光谱图像实时端元提取技术研究[D];国防科学技术大学;2009年
本文编号：2543797
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/2543797.html
