高光谱吸收峰的特征定量化分析方法研究

发布时间：2017-09-03 10:41

  本文关键词：高光谱吸收峰的特征定量化分析方法研究

  更多相关文章： 光谱学 高光谱遥感 光谱匹配 吸收峰特征 吸收峰选择 向量距离

【摘要】：高光谱遥感作为最近几十年发展起来的技术,在各个领域都发挥着越来越重要的作用。在高光谱众多的研究分支中,光谱匹配是一个重要的研究方向。高效率高精度的光谱匹配算法是实现高光谱分类的一个手段。由于高光谱曲线可以看作是一个高维矢量,具有方向和数值两方面的特性。传统的光谱匹配方法往往只是侧重光谱的方向或者数值特性,加上高光谱遥感数据又容易受到噪声、大气的干扰,造成高光谱数据的信噪比过低,使光谱匹配的精度降低。为解决这一问题,根据光谱曲线的吸收峰反映了地物内在分子结构的这一基本特点,本文重点研究了在高光谱吸收峰特征参量的基础上进行的光谱匹配方法,主要工作如下:(1)综述了高光谱匹配的基本知识和研究现状。对高光谱匹配和光谱的吸收特征参量做了介绍,比较了常用光谱匹配算法的优缺点。(2)提出了基于高光谱吸收峰特征参量的光谱匹配方法。根据不同物质的光谱吸收峰特征相异的特点进行光谱的匹配。首先对得到的光谱曲线进行包络线消除与归一化预处理,然后基于新提出的光谱吸收特征参数以及重新定义的光谱特征参量重新组成了吸收峰特征参量矩阵,最后根据特征矩阵的相似度进行光谱匹配,通过两组实验验证,根据新的特征参量和匹配算法,匹配的结果在精度上有一定的提升。(3)提出了一种基于欧氏—余弦距离的联合距离选择算法,根据选择后的吸收峰特征参量矩阵进行光谱曲线匹配。该算法首先根据标准特征参量矩阵与待测特征参量矩阵的每个向量的余弦—欧氏距离来逐一寻找吸收峰的匹配向量,之后根据选择后的吸收峰特征参量矩阵进行光谱匹配。实验结果表明,该算法可以搜寻到最佳的特征参量向量,从而实现吸收峰的选择。用选择到的吸收峰特征参量矩阵进行高光谱匹配后,匹配的误差有一定程度的下降。
【关键词】：光谱学 高光谱遥感 光谱匹配 吸收峰特征 吸收峰选择 向量距离
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 研究背景与意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 高光谱遥感的发展现状11-13
• 1.2.2 高光谱遥感的应用领域13
• 1.2.3 高光谱图像匹配技术的研究现状13-14
• 1.3 本文的研究内容和组织结构14-16
• 第二章 基于吸收峰特征参量的光谱匹配方法16-34
• 2.1 引言16
• 2.2 光谱特征的参量化16-20
• 2.2.1 光谱吸收指数16-17
• 2.2.2 光谱斜率和坡向17-18
• 2.2.3 单吸收峰特征参量化18-20
• 2.3 常用光谱匹配方法20-23
• 2.3.1 光谱角度匹配21-22
• 2.3.2 光谱特征拟合22
• 2.3.3 光谱相似度匹配22-23
• 2.3.4 最小距离匹配23
• 2.4 改进的特征参量及基于特征参量矩阵的光谱匹配算法23-25
• 2.4.1 改进的吸收特征参量23-24
• 2.4.2 基于特征参量的光谱匹配算法24-25
• 2.5 实验结果与分析25-33
• 2.5.1 AVIRIS-92AV3C数据实验25-29
• 2.5.1.1 光谱预处理26-27
• 2.5.1.2 特征参量提取与光谱匹配27-29
• 2.5.1.3 实验结果分析29
• 2.5.2 长春光机所数据实验29-33
• 2.5.2.1 光谱预处理30-31
• 2.5.2.2 特征参量提取与光谱匹配31-33
• 2.5.2.3 实验结果分析33
• 2.6 本章小结33-34
• 第三章 吸收峰不等的光谱匹配方法34-58
• 3.1 引言34
• 3.2 常见几种向量距离介绍34-38
• 3.2.1 欧氏距离35
• 3.2.2 夹角余弦距离35-36
• 3.2.3 马哈拉诺比斯距离36-37
• 3.2.4 切比雪夫距离37
• 3.2.5 闵可夫斯基距离37-38
• 3.3 基于向量联合距离的光谱特征参量矩阵选择算法38-40
• 3.4 实验结果与分析40-56
• 3.4.1 美国加州萨利纳斯山谷实验40-48
• 3.4.1.1 标准光谱的获取与预处理41-43
• 3.4.1.2 吸收峰特征参量提取43-44
• 3.4.1.3 不同维特征参量矩阵的选择44-46
• 3.4.1.4 根据选择后的矩阵进行光谱匹配实验46-48
• 3.4.2 Urban数据实验48-56
• 3.4.2.1 标准光谱的获取与预处理49-51
• 3.4.2.2 吸收峰特征参量提取51-52
• 3.4.2.3 不同维特征参量矩阵的选择52-54
• 3.4.2.4 根据选择后的矩阵进行光谱匹配实验54-56
• 3.5 本章小结56-58
• 第四章 总结与展望58-60
• 4.1 总结58-59
• 4.2 展望59-60
• 致谢60-61
• 参考文献61-65
• 附录65

【相似文献】

中国期刊全文数据库 前6条

1 黄文钰;尚海兴;;基于小波变换的高光谱遥感影像光谱匹配技术研究[J];西北水电;2013年01期

2 李蔚,常本康;S_(25)光电阴极与景物反射光谱的光谱匹配系数[J];兵工学报;1999年04期

3 喻春雨;常本康;刘铁兵;王世允;张俊举;;光谱匹配在X光机设计中的应用[J];光子学报;2006年12期

4 张勇;戎志国;闵敏;张玉香;;风云二号气象卫星红外通道交叉辐射定标光谱匹配[J];遥感技术与应用;2013年05期

5 刘磊,常本康;超S_(25)和新S_(25)光电阴极与景物反射光谱的光谱匹配系数[J];真空科学与技术学报;2004年04期

6 ;[J];;年期

中国重要会议论文全文数据库 前5条

1 黄文钰;尚海兴;;基于小波变换的高光谱遥感影像光谱匹配技术研究[A];陕西省水力发电工程学会第三届青年优秀科技论文集[C];2013年

2 张建生;孙传东;陈良益;卢笛;;光谱匹配对水下微光光电成像系统的影响[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

3 唐卫华;安桥石;海杰峰;葛桂冬;俞江升;张福俊;;光谱匹配的二元供体材料设计及单层器件[A];中国化学会第29届学术年会摘要集——第25分会：有机光伏[C];2014年

4 龙波;王锐;杨明江;;利用高光谱数据创建GIS图层研究[A];第四届海峡两岸GIS发展研讨会暨中国GIS协会第十届年会论文集[C];2006年

5 刘汉湖;杨武年;;高光谱分辨率遥感在地质应用中的关键技术及前景[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

中国硕士学位论文全文数据库 前5条

1 石俊峰;高光谱吸收峰的特征定量化分析方法研究[D];杭州电子科技大学;2016年

2 李新双;光谱数据库的设计及光谱匹配技术研究[D];武汉大学;2005年

3 刘伟;基于光谱特征分析的匹配与分类技术研究[D];解放军信息工程大学;2008年

4 杨莹;基于PDA的影像光谱匹配研究[D];中国地质大学（北京）;2009年

5 蔡建亮;Cr~(3+)激活的农用膜转光剂材料的制备及其发光性能[D];暨南大学;2014年

，

本文编号：784565