基于特征度量的高光谱遥感影像波段选择方法研究

发布时间：2020-07-30 12:36

【摘要】：高光谱遥感影像利用很多窄而连续的光谱通道获取地物信息,具有光谱分辨率高,光谱区分力强等特点,使其在地物精细化分类、岩性填图等领域具有广泛的应用。但是,由于高光谱遥感数据波段数目众多,冗余度高、数据量大等特点给这些研究带来了很大困难。因此,如何有效的降低高光谱遥感数据的维数就显得举足轻重。波段(特征)(Band Selection,BS)选择是高光谱遥感影像降维处理的常用手段,即从所有波段中选取若干波段作为最优波段子集来代替原始波段进行研究,在不改变原始数据物理意义的前提下完整保留感兴趣信息,以实现数据降维。高光谱遥感影像波段选择研究属于一种复杂的波段组合优化问题,要求准则函数具有一定的有效性,即针对后续分类处理其以选出的波段子集具有判别力强、类间可分性好以及相关性小为核心,同时,搜索策略具有一定是时效性。因此,本论文在悉心总结前人研究成果的基础上,针对高光谱遥感影像地物分类和岩性分类与填图问题,利用易获取的先验信息构建特征度量(Feature Metric,FM),引入吸引子传播算法(Affinity Propagation,AP)进行波段选择,提出了两种高效的波段选择算法。以实现高光谱遥感影像数据的降维处理,提高后续高光谱遥感影像地物分类和岩性填图研究的应用效果。本论文的主要研究内容如下:1、基于判别成分分析的高光谱遥感影像波段选择方法。面对标记样本获取困难的高光谱遥感影像,本文首先利用成对约束形成分块信息,然后结合一种有效的距离度量方法,即判别成分分析来优化准则函数,使得块内协方差达到最小,块间协方差达到最大,并构建判别特征度量。最后以吸引子传播算法(AP)作为搜索策略,将判别特征度量引入吸引子传播算法之中,进行最优波段子集的选取。该算法选取的波段子集具有目标地物类间可分性强及波段之间相关性小等优点。利用AVRIS和Hyperion高光谱遥感影像对提出的算法在分类精度和计算性能方面进行验证,并与信息散度方法、Fisher线性判别分析、传统吸引子传播方法以及自适应吸引子算法等7种波段选择算法进行比较,从算法的稳定性、计算机耗时性以及敏感性等方面进行分析,证明了该算法在地物分类研究中的有效性。2、基于SLIC超像素特征度量的高光谱遥感影像波段选择方法。在分析研究区(美国内达华Cuprite矿区)复杂的地质概况基础上,本文结合光谱角距离(Spectral Angle Distance,SAD)和SLIC超像素分割,将高光谱遥感影像分割为大小不同的超像素块,每个超像素块内具有很好的均质性。基于此,构造了SLIC超像素块及相应的特征度量。同样以吸引子传播算法(AP)作为搜索策略选取最优波段子集,并对研究区9大岩性类别11种岩性单元进行分类和填图,从光谱角分类填图和波谱特征拟合两个方面进行总结,即分别针对岩性单元的光谱特征差异和波谱特征差异进行分析。通过该分析可知,该算法选取的少量最优波段可代替原始波段清晰、准确的反应研究区岩性单元的分布情况,有效的提高研究区的岩性分类精度,对岩性分类与填图研究具有一定的指导意义。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：P627

【相似文献】

相关期刊论文 前10条

1 田庆久;评《高光谱遥感及其应用》一书[J];遥感信息;2000年02期

2 杜培军;陈云浩;;高光谱遥感信息智能处理的若干理论与技术问题[J];科技导报;2006年01期

3 张利;戚浩平;;高光谱遥感及其在青藏高原的应用潜力分析[J];测绘科学;2008年S3期

4 张利;戚浩平;;高光谱遥感及其在青藏高原的应用潜力分析[J];测绘科学;2008年S1期

5 岳跃民;王克林;张兵;陈正超;;高光谱遥感在生态系统研究中的应用进展[J];遥感技术与应用;2008年04期

6 方红亮,田庆久;高光谱遥感在植被监测中的研究综述[J];遥感技术与应用;1998年01期

7 王建宇;高光谱遥感──给人类配上一副神眼[J];世界科学;1999年12期

8 谭昌伟,王纪华,黄文江,刘良云,黄义德,严伟才;高光谱遥感在植被理化信息提取中的应用动态[J];西北农林科技大学学报(自然科学版);2005年05期

9 陶秋香;;植被高光谱遥感分类方法研究[J];山东科技大学学报(自然科学版);2007年05期

10 龚绍琦;黄家柱;李云梅;陆皖宁;王海君;王国祥;;水体氮磷高光谱遥感实验研究初探[J];光谱学与光谱分析;2008年04期

相关会议论文 前10条

1 张霞;刘良云;赵春江;张兵;;利用高光谱遥感图像估算小麦氮含量研究[A];成像光谱技术与应用研讨会论文集[C];2002年

2 杜培军;陈云浩;;高光谱遥感信息智能处理的基础研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 徐元进;胡光道;;取缔阀值的高光谱遥感光谱匹配分类信息制图[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 张永强;文丽萍;王振营;;高光谱遥感在监测作物受病虫肥胁迫中的应用[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 王艺婷;黄世奇;王红霞;;从信息的角度看高光谱遥感技术[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

6 李京;蒋卫国;;高光谱遥感在湿地监测与分类中的应用[A];第十届全国光电技术学术交流会论文集[C];2012年

7 房华乐;任润东;苏飞;梁勇;;高光谱遥感在农业中的应用[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

8 黄娟;郭明克;张永梅;闫涛;王宁;;利用高光谱遥感资料提取赤潮信息方法研究[A];成像光谱技术与应用研讨会论文集[C];2002年

9 杜培军;方涛;林卉;;高光谱遥感影像降维方法研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

10 王新鸿;唐伶俐;马灵玲;;高光谱遥感在内陆水质监测中的应用[A];现代测量技术与地理信息系统科技创新及产业发展研讨会论文集[C];2009年

相关重要报纸文章 前4条

1 张学君;高光谱遥感技术助力覆盖区找矿[N];中国国土资源报;2011年

2 记者 金小平;中国地调局举办高光谱遥感找矿培训班[N];中国矿业报;2007年

3 中国科学院院士、国际欧亚科学院院士 童庆禧;我国高光谱遥感的发展[N];中国测绘报;2008年

4 文龙 胡军;张立福：用光谱观测大地的人[N];科技日报;2012年

相关博士学位论文 前10条

1 张海涛;基于兴趣体保护的高光谱遥感图像压缩技术研究[D];辽宁工程技术大学;2014年

2 王霄鹏;黄河三角洲湿地典型植被高光谱遥感研究[D];大连海事大学;2014年

3 孙蕾;小波构造理论及其在高光谱遥感图像去噪与压缩中的应用[D];国防科学技术大学;2010年

4 谭炳香;高光谱遥感森林类型识别及其郁闭度定量估测研究[D];中国林业科学研究院;2006年

5 田丰;全波段（0.35～25μm）高光谱遥感矿物识别和定量化反演技术研究[D];中国地质大学（北京）;2010年

6 刘康;基于主动学习的高光谱图像分类技术研究[D];中国矿业大学（北京）;2014年

7 刘伟东;高光谱遥感土壤信息提取与挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2002年

8 沈照庆;基于支持向量机（SVM）的高光谱影像智能化分析关键问题研究[D];武汉大学;2010年

9 冯燕;高光谱图像压缩技术研究[D];西北工业大学;2006年

10 叶成名;基于高光谱遥感的青藏高原岩矿信息提取方法与应用研究[D];成都理工大学;2011年

相关硕士学位论文 前10条

1 柳家福;基于GPU的矿产资源高光谱遥感探测数据快速处理[D];南京理工大学;2015年

2 张小东;基于光谱解混的高光谱遥感烃弱信息提取[D];成都理工大学;2015年

3 刘淼;不同营养水平冬小麦长势高光谱遥感监测[D];西北农林科技大学;2016年

4 牛璐璐;航空高光谱遥感影像自动拼接技术研究[D];吉林大学;2016年

5 丁小辉;基于蚁群算法的高光谱遥感影像地物分类研究[D];中国科学院研究生院(东北地理与农业生态研究所);2016年

6 颜丙囤;基于“星—地”遥感数据的植被参数反演模型研究与应用[D];中国矿业大学;2016年

7 汤媛媛;面向桌面系统的高光谱遥感影像线性降维异构并行算法研究与实现[D];国防科学技术大学;2015年

8 谷金平;基于云计算的高光谱遥感图像检索研究[D];南京理工大学;2017年

9 胡杰;高光谱遥感影像三维空谱特征提取与小样本分类技术研究[D];深圳大学;2017年

10 谭雨蕾;基于特征度量的高光谱遥感影像波段选择方法研究[D];吉林大学;2017年

本文编号：2775552