资源描述：
《高光谱数据森林类型统计模式识别方法比较评价.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第43卷第1期林业科学Vol143,No112007年1月SCIENTIASILVAESINICAEJan.,2007高光谱数据森林类型统计模式识别方法比较评价11122陈尔学李增元谭炳香梁毓照张则路(11中国林业科学研究院资源信息研究所北京100091;21吉林省汪清林业局汪清133200)摘要:在我国东北地区获取EO21Hyperion高光谱数据,以高空间分辨率的全色SPOT25数据及其影像分割结果为辅助,通过外业测量获取真实可靠的森林类型空间分布数据。以这些数据为地面实状数据,对现代先进的统计模式识别方法用于森林类型识别的
2、效果进行比较评价,总结可以有效解决有限样本条件下高光谱分类问题的基于统计模式识别的森林类型分类技术方案。评价结果表明:对高光谱数据进行降维处理,并采用更加有效的二阶统计量估计方法,进而应用将空间上下文信息和光谱信息相结合的分类算法,如ECHO,可以有效提高高光谱数据森林类型的识别精度。关键词:EO21Hyperion;高光谱;统计模式识别;森林类型中图分类号:TP79文献标识码:A文章编号:1001-7488(2007)01-0084-06ValidationofStatisticBasedForestTypesClassifi
3、cationMethodsUsingHyperspectralData11122ChenErxueLiZengyuanTanBingxiangLiangYuzhaoZhangZelu(11InstitueofForestResourcesInformationTechniques,CAFBeijing100091;21WangqingForestBureauofJilinProvinceWangqing133200)Abstract:Withmuchhigherspectralresolution,hyperspectralre
4、motesensingdatahashigherpotentialcapabilitytoidentifylandcovertypesthantraditionalmultispectraldata.Butunderlimitedtrainingsamplesize,increaseddimensionofremotesensingdatameansdecreasedsamplesPdimensionratio,whichcanleadtolowclassificationaccuracyifcommonstatisticbas
5、edpatternclassificationmethodswereused.OnesceneofEO-1Hyperionhyperspectraldatawasacquiredforthetestsiteinnorth-eastofChina.Inordertoaidforgroundtrueinformationcollection,215mSPOT-5PANimagewassegmentedintoself-closurepolygons.Detailedgroundtruedatawassurveyedaccording
6、totheboundaryofeachpolygon.Basedonthesegroundtruedata,thehyperspectraldatawasusedtovalidatetheforesttypesidentificationaccuracyofseveraladvancedstatisticclassificationmethods.Finally,oneclassificationschemebeingabletoeffectivelysolvethesmalltrainsampleproblemsforfore
7、sttypeclassificationusinghyperspectraldatawassuggested.Itwasshownthatforesttypeclassificationaccuracycanbeimprovedifadvancedfeatureextractionmethod,muchmoreeffectivesecondorderstatisticparameterestimationmethod,andcontext-sensitivesamplesclassifiersuchasECHOwasapplie
8、d.Keywords:EO-1Hyperion;hyperspectral;statisticpatternrecognition;foresttype由于光谱分辨率大幅度提高,高光谱数据比多光谱具有更强的潜在的地物识别能力,在林业遥感应用上表现为潜在的森林类型
