高光谱遥感数据光谱特征提取算法与分类研究

高光谱遥感数据光谱特征提取算法与分类研究

ID:36803226

大小:326.46 KB

页数:5页

时间:2019-05-15

高光谱遥感数据光谱特征提取算法与分类研究_第1页
高光谱遥感数据光谱特征提取算法与分类研究_第2页
高光谱遥感数据光谱特征提取算法与分类研究_第3页
高光谱遥感数据光谱特征提取算法与分类研究_第4页
高光谱遥感数据光谱特征提取算法与分类研究_第5页
资源描述:

《高光谱遥感数据光谱特征提取算法与分类研究》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、维普资讯http://www.cqvip.com第25卷第2期计算机应用研究Vo1.25No.22008年2月ApplicationResearchofComputersFeb.2008高光谱遥感数据光谱特征提取算法与分类研究水苏红军,杜培军,盛业华(1.南京师范大学虚拟地理环境教育部重点实验室,南京210046;2.中国矿业大学地理信息与遥感科学系,江苏徐州221008)摘要:针对高光谱数据的特点,探讨了高光谱数据特征提取的若干算法,重点研究了导数光谱和光谱编码技术,并从地物光谱曲线中提取了其光谱吸收特征

2、。对同类曲线特征求交得到识别地物的有效特征;对不同类曲线特征求交得到区分不同类地物的有效特征。最后基于提取的特征建立了地物识别决策树,从而达到快速识别分类地物的目的,能够实现依据地物光谱特征的地物识别与分类。关键词:高光谱;光谱特征;特征提取;地物识别中图分类号:TP751文献标志码:A文章编号: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数学变换来压缩波段,如主成分分析法(PCA)等。0引言特征提取即从原始数据中提取其特征参数,以满足后续处理要求。由电磁波理论可知,相同物体具有相同的电磁波谱特高光谱遥感是20世纪最后二十年人类在对地观测方面取征;不同物体由于物质组成、内部结构和表面状态不同,具有相得的重大技术突破之一。它在成像过程中以极高的光谱分辨率用上百个连续窄光谱波段描述一个像元;在提供每一波段

7、区异的电磁波谱特性。这是利用地物光谱特征来识别和区别地间图像的同时,对每一像素产生一条完整而连续的光谱曲物的基础。本文重点论述特征提取算法。线⋯。高光谱遥感图像包含了丰富的空问、辐射和光谱三重由于高光谱数据的特点,如何既有效地利用数据的最大信息,又能较快地处理成为高光谱的研究热点和未来发展方向。信息,在相关领域具有广泛的应用和发展空间。高光谱数据的其中,有关光谱特征选择和特征提取的研究是一个重点。国内特点如下“J:a)图谱合一。在获取数百个光谱图像的同时,可以显示图像中每个像元的连续光谱。b)海量数据。高光

8、谱外学者对此进行了广泛研究。Benediktsson等人利用判别边界特征提取(decisionboundaryfeatureextraction,DBFE)对1991的波段一般都是上百个,未来甚至能达到千以上。c)数据冗余度高。成像光谱仪采样间距一般都在纳米级,造成了相邻波年冰岛AVIRIS影像进行分类;Nakariyakul等人运用比率特段的高度相关性,冗余度也随之增加。d)信噪比低。高光谱征选择(ratiof

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。