基于掩膜的高光谱遥感目标地物特征提取

基于掩膜的高光谱遥感目标地物特征提取

ID:34875189

大小:3.91 MB

页数:56页

时间:2019-03-13

基于掩膜的高光谱遥感目标地物特征提取_第1页
基于掩膜的高光谱遥感目标地物特征提取_第2页
基于掩膜的高光谱遥感目标地物特征提取_第3页
基于掩膜的高光谱遥感目标地物特征提取_第4页
基于掩膜的高光谱遥感目标地物特征提取_第5页
资源描述:

《基于掩膜的高光谱遥感目标地物特征提取》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、、'。-?-巧;如巧、.三-考.C於巧7舆掉V,?A-潛.户轉务解辦i户誇:一帅:韻.麵麵耀纖麵,;分类号,:密级—.二I赞产放著?…觀儀蔡'.UDC、->’二.—.—1编号;;一^.;‘,辟和。:,敗蘇茄'.'.'、;"'.片^、:;穀知海.發;梅端若fc—'曠—轉辦纖巧:縣麵讀所《乂#禱湊等可:議尋巧劈t無it..,邊蠢鑛!:每X氏為硕i学位论唉為嶺irKU人.文—‘踏巧議y片苟寺'钟遗手处巧A.、;.乂!巧安/?、礙'方碱嘴.心.起‘.鸣;护--::货社:VA综/卿豁為Y.,

2、—:!辩袭敦巧综i-‘.’.".:'二鐵帘;;.1::;\或1;某媒鴻^傾參:-‘啤V翅名和副题名基于巧膜的离光谱遥感r;:茜.I目栋地物特征提取读達奠劈? ̄-———I's沒一,.UT、乂;与V.心-赛__一…;V辦衰;參窝作者姓名、—J義雜if說指导教师姓名及职称王茂芝副教授:%'-^瓣為戸vVT-!舅漏别j±lV__专业名務■^控制论Ip;細I论文提交日期2015年5月论文答辩日期20':^15年6月S純鄉貧 ̄靴授予禱日巧迴社木学CTZIZ主席

3、.'.載..,難雜.屬评阁人麵H麵'鶴無諷纖錢‘,;,、.:'^^、;次.K辨§3;八.巧苗嫁辟!誇a;鴻^攀:.分舊遊載P*;霉圓難議觀麵帅月;"、?--'^胃'賴一霸Ir师變麵-謙編-、、;:.欢S冷',;婪产/與::/;:?班管嘴/,!转f严推袜嗯/俾嫂辛:唉ft错獄狗蘇:装碼琴菊M獄爽絲海段:M福輸腳巧二;纖、.纖誦岩画総分类号—学校代码:10616L。〔苗级一学号;>7卿U成都理工大学硕±学位论文基于掩膜的高光谱遥感目标地物特征提取黄敏指导教师姓名及职称王茂芝副教授

4、申请学位级别硕七专业名称运筹学与控制论论文提父日期20巧年己月论文答辩日期201日年6月学位授予单位和日期成都理工大学(年月)答辩委员会主席抑呵评阅人;2015年目月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研巧工作及取得的研究成果。据我所知,除了文中時别加标注和致谢的地方外,论文中不包含其他人己经发表或撰写过的研巧成果,也不包含为获得成都理工大学或真化邦育机构的学位或证书而使用过的材料一。与我同工作的人员对本研巧所做的任何贡献巧己在论文中作了明确的说明并表示谢意。学位i仓文作者

5、签名/、如r年台月曰学位论文版权使用授权书本学位论义作者完全了解成都理工大学有关保留、使用学位论文的规定,有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被查阅和借祠。本人授权成都理工大学可1^将学位论女的伞部或部A内密编人右羊犹据库进行检索,可y■采用影印、缩印或右描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名学位论文作者导师盜名:如7/王年/月曰基于掩膜的高光谱遥感目标地物特征提取摘要高光谱遥感作为一种新型的遥感方式在近20年的发展中已经在军用和民用的多个

6、领域发挥着重要的作用。与多光谱遥感相比,高光谱遥感数据具有波段数目多、光谱分辨率高、波段宽度窄、数据量庞大等特点。这对于利用遥感图像进行目标分类、识别与跟踪等都具有重要的研究价值和应用意义。然而其巨大的数据量和较高的数据维给高光谱图像分类处理带来较大的困难。本文首先分析了高光谱数据的特点。验证了高光谱遥感图像的各波段之间有较强的谱间相关性。在利用常用分类方法对高光谱遥感图像分类之前,应进行特征选择和特征提取。基于数学的变换方法有线性变换和非线性变换,常用的线性变换有主成分变换(PCA)、最大最小自相关因子法(MAF)、最小噪声分离变换(MNF)、投影寻踪等变换

7、方法。这些线性变换将原来多个波段中的有用信息尽量集中到数目尽可能少的新的组分图像中,对图像信息进行归并处理,使图像数据量得到有效的压缩,而且还能够使新的组分图像中的各组分之间互不相关。主成分变换首先对原始高光谱图像中的所有波段数据求得影像间的相关系数矩阵。其次,由相关系数矩阵计算出特征值,并按从大到小的顺序进行排序i,由方程CUI求得特征对应的特征向量。最后,通12,3ni过预设的阈值(一般情况取值95%)去前k个主成分。本文中对研究区高光谱图像进行了PCA变换的处理,实验数据显示前四个主成分所包含的有效信息含量已达到95%以上。高光

8、谱要遥感图像通过成像光谱仪获取了多且窄

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。