GF-5高光谱数据预处理及地物特征提取方法分析

发布时间:2020-12-13 09:47
  高分五号是我国最新发射的高光谱综合观测卫星,对其的应用研究也是近来国内外遥感领域关注的热点。本文对高分五号高光谱遥感数据有效的预处理方法做了尝试,为了更好的应用效果进行了数据融合和降维,选用光谱角匹配法、支持向量机和ENVINet5模型的深度学习方法对于地物特征提取及分类进行研究,取得了如下主要成果。(1)本文利用ENVI软件对高分五号高光谱数据进行预处理工作,通过一系列处理过程,校正了图像的辐射和几何畸变,还原了地物真实反射率,取得了较好的效果。(2)将高分五号高光谱数据(30m)与Landsat8全色波段(15m)用GS法融合后,图像的纹理细节得到提升,并较好保留了光谱信息。运用分块主成分分析对高光谱数据进行降维,降低了波段相关性。(3)对高分五号高光谱数据,利用基于光谱特征的光谱角匹配(SAM)、基于统计特征的支持向量机(SVM)和ENVI深度学习框架(ENVINet5)对6类地物进行了分类提取。分别对SVM的核函数选择和ENVINet5的权重参数调节进行了实验。综合分析了三种方法的提取结果,总体精度都达到80%以上,表明高分五号高光谱数据在地物特征提取分类的应用中效果良好,并且... 

【文章来源】:中国地质大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】:82 页

【学位级别】:硕士

【部分图文】:

GF-5高光谱数据预处理及地物特征提取方法分析


单波段图像(左为波段325;右为波段326)

GF-5高光谱数据预处理及地物特征提取方法分析


坏线修复展示(左图为修复前;右图为修复后)

条纹,效应,波段,条纹


13图2-3波段1条纹效应修复(左为修复前,右为修复后)2.6Smile效应检测Smile效应是指在垂直飞行方向上,像元的中心波长位置发生偏移,从而造成波长曲线弯曲的现象(KruseFA,etal.,2003)。常见的Smile效应指示方法有三种:第一种是通过最小噪声分量变(MNF)换检测是否存在Smlie效应。Smile效应是一种空间低频变化效应。由于MNF能对数据进行重新的排布和调整,使得噪声很小的通道排布在后面,因此在MNF的前几个通道中若存在明显的亮度梯度,则说明存在比较严重的Smile效应影响(DavidG,etal.2003)。一般来说对高光谱数据分别对NIR和SWIR波段做MNF变换(谭炳香,2005),其结果如图2-4。第二种是通过氧A吸收带来指示Smile效应。由于氧A带在波段762nm处有强的吸收如图2-5左图,所以762nm附近两波段的差值图像可指示Smile效应(GoodenoughDG,etal.,2003)。GF-5在762nm处存在波段VNIR87(762.487nm),位于VNIR86(758.209nm)和VNIR88(766.765nm)之间,图2-5为762nm氧A带左右附近差值指示图。第三种为红边指示法。植被在700nm处反射率有一明显陡增,但由于红边受影像大气吸收(如762nm氧A带的强吸收)的影响,其指示Smile效应的效果不佳

【参考文献】:
期刊论文
[1]基于U-net的“高分五号”卫星高光谱图像土地类型分类[J]. 孙晓敏,郑利娟,吴军,陈前,徐崇斌,马杨,陈震.  航天返回与遥感. 2019(06)
[2]利用高分五号卫星遥感反演近地面细颗粒物浓度方法[J]. 陈辉,厉青,王中挺,马鹏飞,张玉环,刘思含,赵爱梅.  上海航天. 2019(S2)
[3]高分五号卫星数传天线高指向精度的分析与验证[J]. 刘辉,蒋新胜,温渊,姜通,董毅,张宇环,蒋应富,张恒,孙立达.  上海航天. 2019(S2)
[4]高分五号卫星星敏感器在轨测量精度评估[J]. 向明江,信思博,姜通,关欣,章生平,吕旺.  上海航天. 2019(S2)
[5]高分五号卫星姿轨控分系统设计[J]. 牛睿,朱文山,李利亮,蔡陈生,刘川,朱琦.  上海航天. 2019(S2)
[6]高分五号卫星全谱段光谱成像仪在轨几何定标方法及精度验证[J]. 秦凯玲,程宇峰,王密,朱映.  上海航天. 2019(S2)
[7]高分五号卫星大气主要温室气体监测仪优化设计及数据分析[J]. 熊伟.  上海航天. 2019(S2)
[8]高分五号卫星高光谱数据岩性-构造解译初步应用评价[J]. 李娜,甘甫平,董新丰,闫柏琨,于峻川,刘镕源,马燕妮.  上海航天. 2019(S2)
[9]高分五号卫星方案设计与技术特点[J]. 孙允珠,蒋光伟,李云端,叶翔,温渊,姜通,曹琼,杨勇.  上海航天. 2019(S2)
[10]高分五号卫星数传天线指向机构系统技术研究[J]. 董毅,陈伟,李臣政,李长江,黄盛,柳志娟,艾艳飞.  上海航天. 2019(S2)

博士论文
[1]激光雷达和高光谱数据融合的城市土地利用分类方法研究[D]. 满其霞.华东师范大学 2015
[2]基于无人机采集图像的植被识别方法研究[D]. 唐晏.成都理工大学 2014
[3]基于遥感图像的城市空间扩展监测[D]. 彭顺喜.中南大学 2007

硕士论文
[1]WorldView-3数据的岩性信息自动提取方法研究[D]. 叶蓓.中国地质大学(北京) 2018
[2]基于ELM的高光谱遥感影像土地利用覆盖分类优化方法研究[D]. 李丽.电子科技大学 2018
[3]基于卷积神经网络的遥感图像分类研究[D]. 崔璐.宁夏大学 2018
[4]WorldView-3数据处理与蚀变信息提取方法研究[D]. 孙娅琴.中国地质大学(北京) 2017
[5]遥感影像分类方法比较研究[D]. 钱茹茹.长安大学 2007



本文编号:2914351

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/2914351.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户845c9***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com