高光谱遥感第四章学习资料.ppt

《高光谱遥感第四章学习资料.ppt》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第四章光谱特征分析模型与方法光谱可分性准则光谱特征选择光谱特征提取光谱特征参量化地物类型序列光谱柱状图第四章光谱特征分析模型与方法1、光谱可分性准则各类样本间的平均距离类别间的相对距离离散度Jeffries-Matusita(J-M)距离第四章光谱特征分析模型与方法各类样本间的平均距离各类样本间的距离越大，则类别可分性越大。1、光谱可分性准则第四章光谱特征分析模型与方法1、光谱可分性准则第四章光谱特征分析模型与方法类别间相对距离在Swain著作中有一种比较简单的相对距离，Swain把这种相对距离称为归

2、一化均值距离。分类误差随归一化距离的变化情况：a两个有重叠的正态分布b平均距离增加减小分类错误概率c分布的离散度增加使分类错误概率增加1、光谱可分性准则第四章光谱特征分析模型与方法离散度相对距离是基于类间距离和类内方差，离散度则是基于类条件概率之差。1、光谱可分性准则第四章光谱特征分析模型与方法1、光谱可分性准则J-M距离从公式中可以看出J-M距离其实就是两类概率密度函数之差。第四章光谱特征分析模型与方法1、光谱可分性准则第四章光谱特征分析模型与方法2、光谱特征选择就是针对特定对象选择光谱特征空间中的

3、一个子集，这个子集是一个缩小了的光谱特征空间，但它包括了该对象的主要特征光谱，并在一个含有多种目标对象的组合中，该子集能够最大限度地区别于其它地物。第四章光谱特征分析模型与方法2、光谱特征选择（1）光谱特征位置搜索包络线去除法第四章光谱特征分析模型与方法2、光谱特征选择光谱特征位置搜索第四章光谱特征分析模型与方法2、光谱特征选择基于光谱特征位置的图像彩色合成第四章光谱特征分析模型与方法2、光谱特征选择（2）光谱距离统计光谱特征选择策略光谱空间距离统计第四章光谱特征分析模型与方法2、光谱特征选择光谱特征

4、选择策略①单独选择法根据各个独立特征的可分性大小排序。②扩充最优特征子集计算每个特征对所有类别的可分性，每增加一个新特征，其组合均构成最优特征子集。③根据分类贡献度进行由大到小的特征添加计算对最难分的类对的可分性大小，每增加一个新特征，其组合均构成最优特征子集。2、光谱特征选择④根据分类贡献度进行由小到大的特征去除计算各个特征对于最难分的类对的可分性，构成一个全集，逐步减少特征，每次减少均构成最优特征子集。第四章光谱特征分析模型与方法2、光谱特征选择光谱空间距离统计这里以白云石和高云石为例。第四章光谱

5、特征分析模型与方法第四章光谱特征分析模型与方法2、光谱特征选择（3）基于空间自相关的波段选择衡量空间自相关的指数为Geary‘sc，公式为：3、光谱特征提取光谱特征提取是光谱特征空间的减维过程。第四章光谱特征分析模型与方法3、光谱特征提取-K-L（主成分）变换-MNF（MinimumNoiseFraction）变换第四章光谱特征分析模型与方法3、光谱特征提取K-L变化，是将多个指标化为少数几个综合指标的一种统计分析方法。第四章光谱特征分析模型与方法50通道AVIRIS高光谱图像协方差矩阵特征值统计曲线

6、－－方差由大到小排列3、光谱特征提取最小噪声分离（MinimumNoiseFraction，MNF）变换MNF变换使变换后各成份按照信噪比而不是方差从大到小的顺序来排列。高光谱图像的每个观测像元Z由理想状况下的无噪声信号向量S和噪声向量N组成,Z可以表示为：Z=S+N第四章光谱特征分析模型与方法第四章光谱特征分析模型与方法4、光谱特征参量化光谱形态学分析－－－光谱特征参量化（1）光谱斜率和坡向（2）光谱二值编码（3）光谱导数（4）光谱积分（5）光谱吸收指数（吸收位置、吸收深度、吸收宽度、对称性）（6）

7、光谱曲线函数模拟第四章光谱特征分析模型与方法4、光谱特征参量化（1）光谱斜率和坡向在光谱区间[λ1,λ2]，模拟出的直线段如下：R=aX+b,X∈[λ1,λ2]则，第四章光谱特征分析模型与方法4、光谱特征参量化（2）光谱二值编码第四章光谱特征分析模型与方法4、光谱特征参量化（3）光谱导数第四章光谱特征分析模型与方法4、光谱特征参量化（4）光谱积分第四章光谱特征分析模型与方法4、光谱特征参量化（5）光谱吸收指数第四章光谱特征分析模型与方法4、光谱特征参量化（6）光谱曲线函数模拟植被可见光光谱反射率（VV

8、SR）模型植被红边反射波形（670-800nm）用倒高斯模型(IG)来定量描述：第四章光谱特征分析模型与方法4、光谱特征参量化倒高斯模型(IG)数据模拟第四章光谱特征分析模型与方法4、光谱特征参量化倒高斯模型(IG)数据模拟线性拟合在670～685nm和780～795nm范围内确定Ro和Rs，然后在685～780nm范围内用最小二乘法估计其余两个模型参数λ0和σ（或λp）利用R0和Rs两个参数在和λ之间用最小二乘法进行线性拟合估计最佳系数a1和a0。第四