基于高光谱遥感数据的森林树种分类

发布时间：2021-07-03 16:29

　　遥感技术的发展,有利于快速高效提取森林资源信息,树种信息作为森林资源调查中的核心指标,一直是遥感技术在应用方面的研究重点,高光谱遥感能够准确探测不同树种光谱间的细微差异,为森林树种的识别与分类提供了可能性。本文以山东省泰安市徂徕山林场为研究对象,以Hyperion高光谱影像及实测光谱数据为基础数据,探讨了基于光谱数据所选的特征波段在树种识别中的应用效果,以及波谱角分类法的应用潜力,为高光谱数据在林业上的应用提供一定的思路和依据。针对高光谱数据信息量冗余严重、树种间光谱难以区分的问题,本研究对光谱数据进行变换分析、特征波段选择及树种识别验证处理。实验表明,变换分析方法能有效增强树种间的光谱差异,特征波段选择的方法不仅能快速降维,并且所选波段能够有效识别树种差异。数据经一阶微分变换后,通过马氏距离法所得的特征波段在树种识别验证中的精度最高,达到96.3%,所选特征波段集中在植被光谱反射强烈的可见光和近红外区域。针对特征波段选择的降维方法在实际树种分类应用中是否有效的问题,论文以上述特征波段结果为基础,对Hyperion影像进行降维,运用最大似然法、支持向量机法以及波谱角法进行树种分类技术研... 

【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 高光谱遥感
        1.2.2 高光谱降维方法
        1.2.3 基于高光谱数据的树种分类方法
    1.3 研究内容及技术路线
        1.3.1 研究内容
        1.3.2 技术路线
    1.4 论文组织架构
2 研究区与数据处理
    2.1 研究区概况
    2.2 相关数据
        2.2.1 高光谱影像
        2.2.2 实测光谱
        2.2.3 影像光谱
    2.3 高光谱影像预处理
        2.3.1 绝对辐射值转换
        2.3.2 非正常像元去除
        2.3.3 大气校正
        2.3.4 几何校正
        2.3.5 影像裁剪
    2.4 实测光谱处理
        2.4.1 平滑去噪
        2.4.2 水汽吸收波段剔除
        2.4.3 取地物平均曲线
        2.4.4 抽稀
3 高光谱数据波段降维
    3.1 光谱变换特征分析
        3.1.1 原始未变换光谱
        3.1.2 一阶微分变换
        3.1.3 二阶微分变换
        3.1.4 去包络变换
        3.1.5 对数一阶微分变换
    3.2 特征波段选择
        3.2.1 特征参量法
        3.2.2 马氏距离法
        3.2.3 欧式距离法
    3.3 特征波段的识别能力验证
    3.4 小结
4 树种分类与精度评价
    4.1 研究区树种确定
    4.2 训练区选择
    4.3 高光谱数据的树种分类
        4.3.1 最大似然法
        4.3.2 支持向量机
        4.3.3 改进的波谱角分类法
    4.4 分类精度评价
        4.4.1 精度评价方法
        4.4.2 精度评价结果
    4.5 小结
5 结论与讨论
    5.1 结论
    5.2 讨论
参考文献
个人简介
导师简介
获得成果目录
致谢


【参考文献】：
期刊论文
[1]基于马氏距离法的荒漠树种高光谱识别[J]. 林海军,张绘芳,高亚琪,李霞,杨帆,周艳飞.  光谱学与光谱分析. 2014(12)
[2]基于光谱特征参数的果树树种的遥感识别[J]. 闫晓勇,王振锡,岳俊.  天津农业科学. 2014(09)
[3]基于图像欧氏距离的高光谱图像流形降维算法[J]. 陈宏达,普晗晔,王斌,张立明.  红外与毫米波学报. 2013(05)
[4]基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例[J]. 林川,宫兆宁,赵文吉,樊磊.  生态学报. 2013(04)
[5]高光谱图像植被类型的CART决策树分类[J]. 董连英,邢立新,潘军,王静,李丽丽,焦健楠.  吉林大学学报(信息科学版). 2013(01)
[6]基于空间信息的高光谱遥感植被分类技术[J]. 吴见,彭道黎.  农业工程学报. 2012(05)
[7]高光谱遥感图像分类算法中的应用研究[J]. 张敬,朱献文,何宇.  计算机仿真. 2012(02)
[8]上海城市植被光谱反射特征分析[J]. 林文鹏,李厚增,黄敬峰,刘冬燕,宗玮,胡小猛.  光谱学与光谱分析. 2010(11)
[9]荒漠植物含水量的光谱特征分析[J]. 赵钊,李霞,尹业彪,唐金,周生斌.  光谱学与光谱分析. 2010(09)
[10]高光谱遥感分类与信息提取综述[J]. 黄玮.  数字技术与应用. 2010(05)

博士论文
[1]高光谱数据降维算法研究[D]. 高阳.中国矿业大学 2013
[2]高光谱图像分类及端元提取方法研究[D]. 齐滨.哈尔滨工程大学 2012
[3]高光谱遥感图像分类技术研究[D]. 高恒振.国防科学技术大学 2011
[4]基于支持向量机的高光谱遥感影像分类研究[D]. 谭琨.中国矿业大学 2010
[5]支持向量机分类方法及其在文本分类中的应用研究[D]. 赵晖.大连理工大学 2006

硕士论文
[1]人体运动捕获数据的分析方法研究[D]. 杜战战.南京理工大学 2015
[2]基于Hyperion高光谱影像土地利用分类[D]. 张倩倩.浙江农林大学 2013
[3]基于高分辨率遥感影像的城市环境结构信息提取研究[D]. 张春鹏.华东师范大学 2007
[4]基于支持向量机算法无创确定组织光学参数的研究[D]. 林麟.天津大学 2006
[5]夏玉米光谱响应及主要理化信息的遥感提取研究[D]. 谭昌伟.安徽农业大学 2005



本文编号：3262940