基于多模式观测的高光谱波段选择及其应用探究

发布时间：2017-10-17 05:34

  本文关键词：基于多模式观测的高光谱波段选择及其应用探究

  更多相关文章： 高光谱遥感 Hughes现象 波段选择 蚁群优化算法 传感器 智能观测

【摘要】：与传统的多光谱遥感技术相比,高光谱遥感能够获得连续窄波段的丰富信息,大大增强了地物精细识别和分类能力。但由于高光谱数据波段数目多,存在较大的波段冗余,导致分类精度随着特征维数增加而快速饱和或先增后降的Hughes现象,即出现了维数灾难现象。一方面,针对高光谱的这一问题,在保存高光谱数据的原有信息的同时,减少数据量、降低数据维数是非常有必要的。探究一种强大的波段优选算法是本文研究的一个重大问题。另一方面,现有卫星载荷研制发射后其光谱和空间观测模式固定,无法根据复杂地表的多样化需求进行模式优化和调整,且目前遥感器波段设置尚不完善还存在优化空间。本文应用对不同地区不同地物类型的高光谱数据进行波段优选,通过优选波段组合的波谱分析,提出优化对地观测卫星传感器的波段设置方案。使得卫星传感器的观测模式向着以应用为导向,实时灵活变化的模式转变,可以使得如今对地观测“给什么要什么”的模式向“要什么给什么”的模式转变,从而提高遥感成像效率和数据利用效率。论文主要内容与成果如下:首先,文中调研分析了现有几种传统高光谱波段优选方法,包括组合波段的协方差矩阵行列式法、熵及联合熵法、OIF最佳指数法等,发现传统的优选方法存在问题,一个是程序实现,一个是方法本身的局限性,紧接着提出了一种传统方法的改进方法-基于子空间划分的改进方法。应用该改进算法对高光谱进行波段优选,从运行速度以及优选结果两个方面都得到很大提高,从而证明该算法为一种优秀的改进算法。其次,论文引入蚁群优化算法(Ant colony optimization,ACO),利用该先进的算法对CASI+SASI高光谱数据开展波段优选的深入研究,同时引入子空间划分的组合波段协方差矩阵行列式法进行同一区域的优选研究,并且评价利用两种算法得到优选波段组合进行分类得到的结果,得出蚁群优化算法对于高光谱数据的波段选择更加具有优势,优选的波段组合能够充分表达数据的大部分信息,并且分类精度提高,充分表明蚁群优化算法在处理高光谱数据方面的优势。第三,利用蚁群优化算法,开展了不同地表类型的最优波段组合研究,发现每种地表类型的最优波段组合都存在一定差异,针对每种地表类型的观测都有特有的波段组合设置方案,此研究结果为智能观测的波段优化提供了重要的先验知识支持。最后,开展了典型多光谱卫星载荷波段设置优化研究,结果表明一些边缘波段,如红边波段、深蓝波段等对于对地观测具有重要作用,在对地观测传感器上应该增加这些谱段设置。并且得到典型多光谱卫星载荷波段设置优化方案,通过优化方案评价现有卫星传感器,如TM、OLI、SPOT等陆地资源遥感器,结果表明固定的传感器模式对于广泛的观测对象具有一定的局限性,现有传感器的波段设置还需要进一步优化调整。
【关键词】：高光谱遥感 Hughes现象 波段选择 蚁群优化算法 传感器 智能观测
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P237
【目录】：

• 摘要3-5
• Abstract5-9
• 1 绪论9-14
• 1.1 研究背景9-11
• 1.1.1 高光谱数据特性9
• 1.1.2 高光谱数据分类的Hughes现象9-10
• 1.1.3 现有传感器的状况及发展10-11
• 1.2 国内外高光谱波段选择研究现状综述11
• 1.3 研究目的及意义11-12
• 1.4 论文的组织12-14
• 2 实验区域与数据获取14-19
• 2.1 CASI、SASI高光谱数据14-16
• 2.2 AVIRIS高光谱数据16-19
• 3 高光谱遥感数据最佳波段选择算法19-25
• 3.1 熵与联合熵19
• 3.2 最佳指数（OIF）19
• 3.3 组合波段的协方差矩阵行列式19-20
• 3.4 改进的基于子空间划分的协方差矩阵行列式法20-22
• 3.5 ACO-MEAC蚁群优化算法22-25
• 4 波段优选算法比较与验证25-37
• 4.1 基于子空间划分的协方差矩阵行列式法的优选组合分类25-30
• 4.2 基于蚁群优化算法的优选组合分类30-33
• 4.3 两种改进算法分类结果对比分析33-37
• 5 基于ACO-MEAC算法的波段组合优化研究37-50
• 5.1 不同地表类型观测的最优波段组合设置分析37-43
• 5.1.1 森林区域37-38
• 5.1.2 农田区域38
• 5.1.3 近海水域38-39
• 5.1.4 植被稀疏区域39-40
• 5.1.5 城市区域40-43
• 5.2 卫星载荷的最优波段组合分析43-46
• 5.3 现有传感器波段组合设置分析46-48
• 5.4 优选的组合对于现有对地观测传感器设置的指导意义48-50
• 6 结论与展望50-52
• 6.1 论文总结50-51
• 6.2 主要创新与特色51
• 6.3 研究展望51-52
• 致谢52-53
• 参考文献53-56
• 攻读硕士期间的成果56

【相似文献】

中国期刊全文数据库 前10条

1 李行;毛定山;张连蓬;;高光谱遥感影像波段选择算法评价方法研究[J];地理与地理信息科学;2006年06期

2 周杨;厉小润;赵辽英;;改进的高光谱图像线性预测波段选择算法[J];光学学报;2013年08期

3 温健婷;张霞;张兵;赵冬;;土壤铅含量高光谱遥感反演中波段选择方法研究[J];地球科学进展;2010年06期

4 苏红军;盛业华;;基于正交投影散度的高光谱遥感波段选择算法[J];光谱学与光谱分析;2011年05期

5 韩瑞梅;杨敏华;;一种改进的高光谱遥感数据波段选择方法的研究[J];测绘与空间地理信息;2010年03期

6 王福民;黄敬峰;徐俊锋;王秀珍;;基于光谱波段自相关的水稻信息提取波段选择[J];光谱学与光谱分析;2008年05期

7 赵春晖;陈万海;杨雷;;高光谱遥感图像最优波段选择方法的研究进展与分析[J];黑龙江大学自然科学学报;2007年05期

8 杨金红;尹球;周宁;;一种改进的高光谱数据自适应波段选择方法[J];遥感技术与应用;2007年04期

9 马维维;张连蓬;马向华;陈士城;郭洋洋;;植物叶片生化组分遥感反演的波段选择[J];测绘科学技术学报;2011年03期

10 刘雪松;葛亮;王斌;张立明;;基于最大信息量的高光谱遥感图像无监督波段选择方法[J];红外与毫米波学报;2012年02期

中国重要会议论文全文数据库 前4条

1 王艺婷;黄世奇;刘代志;陈聪;;基于统计排序的高光谱波段选择方法[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

2 王艺婷;黄世奇;刘代志;;高光谱遥感图像波段选择现状研究[A];国家安全地球物理丛书（七）——地球物理与核探测[C];2011年

3 张霞;温健婷;黄长平;李庆亭;;土壤铅含量高光谱遥感反演中波段选择方法研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

4 林君琴;刘允良;吴至善;;岩石波谱多光谱遥感波段选择研究[A];1994年中国地球物理学会第十届学术年会论文集[C];1994年

中国重要报纸全文数据库 前2条

1 陕西 瞿贵荣 张凤娥;SS-40汽车音响波段控制电路及检修[N];电子报;2010年

2 陕西 瞿贵荣 张凤娥;德生R-9700收音机电子波段转换电路及检修[N];电子报;2008年

中国博士学位论文全文数据库 前2条

1 董玉翠;特定背景下点目标探测最优波段选择方法的研究[D];中国科学院研究生院(上海技术物理研究所);2015年

2 夏威;高光谱遥感图像的解混和波段选择方法研究[D];复旦大学;2013年

中国硕士学位论文全文数据库 前10条

1 张路;基于多模式观测的高光谱波段选择及其应用探究[D];西安科技大学;2015年

2 孙肖;基于空间统计学的高光谱降维后波段选择方法研究[D];中国地质大学(北京);2016年

3 张倩;改进的自适应波段选择算法研究及应用[D];大连海事大学;2012年

4 周杨;高光谱遥感图像波段选择算法研究[D];浙江大学;2014年

5 杨三美;基于克隆选择算法的高光谱图像波段选择[D];华中科技大学;2011年

6 魏芳洁;高光谱图像波段选择方法的研究[D];哈尔滨工程大学;2013年

7 夏冰;高光谱影像非监督波段选择技术研究[D];苏州大学;2015年

8 吕智强;高光谱数据半监督波段选择研究[D];上海大学;2013年

9 镡永强;基于多目标优化的高光谱图像无监督波段选择[D];西安电子科技大学;2014年

10 郑俊鹏;高光谱图像波段选择及CUDA并行实现研究[D];杭州电子科技大学;2015年

，

本文编号：1047121