高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究

高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究

ID:36803226

大小:326.46 KB

頁數(shù):5頁

時(shí)間:2019-05-15

高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究_第1頁
高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究_第2頁
高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究_第3頁
高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究_第4頁
高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究_第5頁
資源描述:

《高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、維普資訊http://www.cqvip.com第25卷第2期計(jì)算機(jī)應(yīng)用研究Vo1.25No.22008年2月ApplicationResearchofComputersFeb.2008高光譜遙感數(shù)據(jù)光譜特征提取算法與分類研究水蘇紅軍,杜培軍,盛業(yè)華(1.南京師范大學(xué)虛擬地理環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室,南京210046;2.中國礦業(yè)大學(xué)地理信息與遙感科學(xué)系,江蘇徐州221008)摘要:針對(duì)高光譜數(shù)據(jù)的特點(diǎn),探討了高光譜數(shù)據(jù)特征提取的若干算法,重點(diǎn)研究了導(dǎo)數(shù)光譜和光譜編碼技術(shù),并從地物光譜曲線中提取了其光譜吸收特征

2、。對(duì)同類曲線特征求交得到識(shí)別地物的有效特征;對(duì)不同類曲線特征求交得到區(qū)分不同類地物的有效特征。最后基于提取的特征建立了地物識(shí)別決策樹,從而達(dá)到快速識(shí)別分類地物的目的,能夠?qū)崿F(xiàn)依據(jù)地物光譜特征的地物識(shí)別與分類。關(guān)鍵詞:高光譜;光譜特征;特征提取;地物識(shí)別中圖分類號(hào):TP751文獻(xiàn)標(biāo)志碼:A文章編號(hào):1001—3695(2008)02—0390—05StudyonfeatureextractionandexperimentofhyperspectraldataSUHong~un,DUPei-jun,SHENGY

3、e—hua(1.KeyLaboratoryofVirtualGeographicEnvironment,№ngNormalUniversity,Naming210046,China;2.Dept.ofRemoteSensing&GeographicalInformationScience,ChinaUniversityofMining&Technology,XuzhouJiangsu221008,China)Abstract:Thispaperdiscussedsomefeatureextractional

4、gorithmsforhyperspectraldataprocess,andputforwardthequadencodingalgorithmastheimprovedbinaryencodingalgorithm.Inparticular,extractedspectralabsorptionparameterincludingabsorptionposition,absorptiondepth,absorptionwidth,slope,absorptionasymmetry,spectralabs

5、orptionindex(SAI)bythederivativespectrumalgorithmandbinary/quadencodingspectrumalgorithm.Usingthesefeature,gotthevalidfeaturetore—cognizethesameobjectsandtorecognizediferentobjects.Atlast,basedontheexperimentconstructedthedecisiontreetorecognizeobjects.Key

6、words:hyperspectral;spectralfeature;featureextraction;objectsrecognition數(shù)學(xué)變換來壓縮波段,如主成分分析法(PCA)等。0引言特征提取即從原始數(shù)據(jù)中提取其特征參數(shù),以滿足后續(xù)處理要求。由電磁波理論可知,相同物體具有相同的電磁波譜特高光譜遙感是20世紀(jì)最后二十年人類在對(duì)地觀測(cè)方面取征;不同物體由于物質(zhì)組成、內(nèi)部結(jié)構(gòu)和表面狀態(tài)不同,具有相得的重大技術(shù)突破之一。它在成像過程中以極高的光譜分辨率用上百個(gè)連續(xù)窄光譜波段描述一個(gè)像元;在提供每一波段

7、區(qū)異的電磁波譜特性。這是利用地物光譜特征來識(shí)別和區(qū)別地間圖像的同時(shí),對(duì)每一像素產(chǎn)生一條完整而連續(xù)的光譜曲物的基礎(chǔ)。本文重點(diǎn)論述特征提取算法。線?。高光譜遙感圖像包含了豐富的空問、輻射和光譜三重由于高光譜數(shù)據(jù)的特點(diǎn),如何既有效地利用數(shù)據(jù)的最大信息,又能較快地處理成為高光譜的研究熱點(diǎn)和未來發(fā)展方向。信息,在相關(guān)領(lǐng)域具有廣泛的應(yīng)用和發(fā)展空間。高光譜數(shù)據(jù)的其中,有關(guān)光譜特征選擇和特征提取的研究是一個(gè)重點(diǎn)。國內(nèi)特點(diǎn)如下“J:a)圖譜合一。在獲取數(shù)百個(gè)光譜圖像的同時(shí),可以顯示圖像中每個(gè)像元的連續(xù)光譜。b)海量數(shù)據(jù)。高光

8、譜外學(xué)者對(duì)此進(jìn)行了廣泛研究。Benediktsson等人利用判別邊界特征提取(decisionboundaryfeatureextraction,DBFE)對(duì)1991的波段一般都是上百個(gè),未來甚至能達(dá)到千以上。c)數(shù)據(jù)冗余度高。成像光譜儀采樣間距一般都在納米級(jí),造成了相鄰波年冰島AVIRIS影像進(jìn)行分類;Nakariyakul等人運(yùn)用比率特段的高度相關(guān)性,冗余度也隨之增加。d)信噪比低。高光譜征選擇(ratiof

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。