CEM的波段选择方法研究及应用

发布时间：2021-11-24 13:15

　　高光谱数据信息量丰富,波段数量多,能够为地物分析提供更全面的依据,但同时也增加了数据分析的复杂性和干扰性,尤其是水质遥感监测等低信噪比的应用领域。传统波段选择常借助相关性系数等方法,在众多光谱波段中选择标识波段,并在所选波段集合上进行数据分析。基于约束能量最小化（CEM）从信号检测角度提出了一种面向目标向量的波段选择算法——基于CEM的波段选择算法（CBS）,采用信号匹配滤波器从观测向量中找出与目标向量匹配度高的波段,结合正交原理,最大程度地选出与目标向量匹配度高且波段向量冗余度低的波段子集。以水质监测中的成分测定作为验证,采集辽河入海口试验区的高光谱数据,结合同步实地水样数据进行建模,预测辽河水域氮磷含量。比较CBS算法的波段选择结果和皮尔逊相关系数（PCC）波段选择结果,将两种方法得到的显著性波段子集作为变量进行逐步回归分析,建立多元回归模型,进一步对模型进行精度检验,分析其预测值与真实值的平均相对误差。总磷浓度模型的精度检验中,通过PCC算法选择波段得到的模型平均相对误差为20.7%,而通过CBS算法选择波段得到的模型平均相对误差为8.17%;总氮浓度模型的精度检验中,通过PCC... 

【文章来源】：光谱学与光谱分析. 2020,40(12)北大核心EISCICSCD

【文章页数】：6 页

【部分图文】：

CEM算法步骤

将感兴趣目标的定量属性向量作为原始信号, 即目标向量d, 利用CEM算法选出匹配程度高的波段信号, 将此波段作为OSP中的非感兴趣目标, 通过正交投影算子P⊥U对该目标进行抑制, 目的是为了压制与当前波段类似的敏感波段, 然后在抑制后的背景中再次通过CEM算法选择匹配程度高的波段, 重复上述过程若干次, 选出若干个具有代表性的波段, 算法流程图如图2。2 实验部分

根据各个样点的经纬度信息在高光谱遥感图像上获取对应点的光谱反射率, 再与总磷浓度进行皮尔逊相关性, 如图3所示为总磷浓度与光谱反射率在不同波段处的相关程度。图4 各波段与总磷浓度矩阵的匹配程度

【参考文献】：
期刊论文
[1]基于landsat卫星影像的水库水体总磷质量浓度反演研究[J]. 王云霞,杨国范,林茂森,杨舒婷.  灌溉排水学报. 2017(04)
[2]松嫩平原水体中的叶绿素a和悬浮物含量反演研究[J]. 马驰.  湿地科学. 2017(02)
[3]面向GOCI数据的太湖总磷浓度反演及其日内变化研究[J]. 杜成功,李云梅,王桥,朱利,吕恒.  环境科学. 2016(03)
[4]基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算[J]. 冯驰,金琦,王艳楠,赵丽娜,吕恒,李云梅.  环境科学. 2015(05)
[5]基于MODIS数据遥感反演呼伦湖水体总磷浓度及富营养化状态评价[J]. 王丽艳,李畅游,孙标.  环境工程学报. 2014(12)
[6]基于环境一号卫星数据的太湖叶绿素a浓度反演[J]. 温新龙,景元书,李亚春,顾春明,张娣.  环境科学与技术. 2014(10)
[7]基于高光谱遥感反射率的总氮总磷的反演[J]. 徐良将,黄昌春,李云梅,陈霞.  遥感技术与应用. 2013(04)
[8]基于高光谱的射阳河口悬浮泥沙浓度定量反演研究[J]. 潘洁,张鹰,谭子辉.  海洋科学. 2011(09)



本文编号：3516052