基于EO-1 Hyperion高光谱遥感图像的地表物分类研究

发布时间：2020-03-24 12:39

【摘要】：地表物分类识别具有重要的变化特征,是反映目标区域生态环境变化的重要标志。随着遥感技术的兴起与发展,高光谱遥感技术已经在社会的各个领域体现了它的重要作用。高光谱遥感光谱通道数量较多,光谱分辨率高达纳米级,蕴含着近似连续并且丰富的光谱信息。使用高光谱遥感图像处理技术能够实现对地表物的类型进行分类研究,实现高光谱遥感图像数据处理在现实生活中的应用。在2000年11月发射的地球观测卫星-1(EO-1)是美国航空航天局(NASA)在新千年计划(NMP)计划中第一颗对地面进行观测的地球卫星,在这颗地球观测卫星上拥有三种对地球成像的传感器,分别为高级陆地成像仪(ALI),高光谱成像仪(Hyperion)以及大气校正仪(AC)。本论文选用Hyperion高光谱遥感图像作为研究对象,对当地地物进行特征提取,采用高光谱遥感图像数据处理技术对该地区的地表物分类研究具有十分重要的意义。本论文在对当前基于高光谱遥感图像地表物分类研究的基础之上,选用Hyperion在特定时间段的高光谱遥感图像数据信息,运用监督分类与非监督分类的方法对图像进行识别。整个过程包括三个基本步骤:首先对高光谱遥感图像进行预处理,主要包括图像坏道信息以及水汽波段去除、坏线修复、高光谱遥感图像中大气的校正以及Smile效应的去除;再对预处理的结果进行基于最小噪音变换与纯净像元指数的特征像元提取,最后对经过处理后的图像应用不同方法进行地表物的分类与精确度的分析评价。通过对K均值聚类算法(K-means),迭代自组织分析算法(Isodata),神经网络与光谱角填图四种分类算法的精度比较,确定基于光谱角的分类方法具有最高的分类精度,分类精度能够达到80%,能够较好的满足高光谱影像的分类要求。
【图文】：

图１高光谱遥感信息图像示意图逡逑Ｆｉｇ．邋１邋Ｉｍａｇｅ邋ｓｃｈｅｍａｔｉｃ邋ｍａｐ邋0ｒｈｙｐｅｒｓｐｅｃｔｒａｌ邋ｒｅｍｏｌｃ邋ｓｅｎｓｉｎｇ邋ｉｎｆｏｒｍａｔｉｏｎ逡逑

图２高光谱遥感图像数据结构示意图逡逑Ｆｉｇ．２邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ｈｙｐｏｒｓｐｃｃｔｒａｌ邋ｒｅｍｏｔｅ邋ｓｅｎｓｉｎｇ邋ｉｍａｇｅ邋ｄａｔａ邋ｓｔｒｕｃｔｕｒｅ逡逑
【学位授予单位】：内蒙古农业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751

【参考文献】

相关期刊论文 前10条

1 曹亚楠;魏合理;戴聪明;张学海;;AIRS红外高光谱卫星数据反演卷云光学厚度和云顶高度[J];光谱学与光谱分析;2015年05期

2 翟雪含;朱卫平;康彬;;结合KSVD和分类稀疏表示的图像压缩感知[J];计算机工程与应用;2015年06期

3 王东霞;周观民;;遗传算法优化特征权值的支持向量机图像分类[J];电视技术;2015年02期

4 王蕊;李恒超;尹忠科;;考虑端元差异性的协同稀疏高光谱解混算法[J];电子科技大学学报;2014年06期

5 樊利恒;吕俊伟;于振涛;毕波;;基于改进最大似然方法的多光谱遥感图像分类方法[J];电光与控制;2014年10期

6 李莎;倪维平;严卫东;吴俊政;张晗;;基于选权迭代估计与非监督分类的多光谱图像变化检测[J];国土资源遥感;2014年04期

7 陈洪萍;贾根锁;冯锦明;董燕生;张安治;;准全球陆表干旱严重程度的多传感器遥感监测方法研究[J];大气科学;2014年05期

8 曹扬;赵慧洁;黄四牛;李娜;张佩;;基于高效置信传播的改进马尔可夫随机场高光谱数据分类算法[J];模式识别与人工智能;2014年03期

9 陈宏达;普晗晔;王斌;张立明;;基于图像欧氏距离的高光谱图像流形降维算法[J];红外与毫米波学报;2013年05期

10 崔建涛;王晶;厉小润;赵辽英;;基于空间像素纯度指数的端元提取算法[J];浙江大学学报(工学版);2013年09期

相关博士学位论文 前2条

1 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

2 李二森;高光谱遥感图像混合像元分解的理论与算法研究[D];解放军信息工程大学;2011年

相关硕士学位论文 前1条

1 陈嘉勇;一种基于K-MEANS及LDA的分类字典精简算法[D];华南理工大学;2015年

，

本文编号：2598329