版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、高光譜遙感技術(shù)的核心依據(jù)是地物對(duì)電磁波的發(fā)射、吸收與反射特性。高光譜遙感就是最大限度地提高光譜分辨率,以光譜差異為核心依據(jù)實(shí)現(xiàn)地物精細(xì)分類的新興遙感技術(shù)。正因?yàn)槠涔庾V分辨率高、波段數(shù)多、數(shù)據(jù)量大的特點(diǎn),高光譜遙感數(shù)據(jù)的空間分辨率往往不夠高?;旌舷裨毡榇嬖谟诟吖庾V遙感影像中,一定程度上阻礙了分類精度的提高?;旌舷裨纸馐沁M(jìn)一步提高高光譜遙感分類精度必須面對(duì)的問(wèn)題?;旌舷裨纸夥譃槎嗽崛『凸庾V解混兩個(gè)過(guò)程,本文著重對(duì)端元提取進(jìn)行了研究,
2、并將提取的端元應(yīng)用到光譜解混模型中,對(duì)光譜解混結(jié)果進(jìn)行了對(duì)比分析。
高光譜遙感影像數(shù)據(jù)中的像元在光譜空間中呈凸面幾何分布,而端元就位于凸面幾何體的頂點(diǎn)位置,這是端元提取的理論基礎(chǔ)。本文介紹了現(xiàn)有的光譜混合模型和端元提取方法,并指出了每種模型方法的優(yōu)缺點(diǎn),并用PPI算法進(jìn)行了端元提取,利用線性波譜分離技術(shù)進(jìn)行了完整的光譜解混。
本文以最大距離法為基礎(chǔ),針對(duì)該方法在提取初始端元上的不足,深入研究端元像元的光譜特性,將其轉(zhuǎn)
3、化為數(shù)學(xué)中的坐標(biāo)進(jìn)行分析,發(fā)現(xiàn)了端元具有的坐標(biāo)特性,從而得出一種快速識(shí)別初始端元的方法,提取了五種礦物的端元波譜。用純像元指數(shù)和波段分析工具對(duì)端元波譜進(jìn)行了驗(yàn)證,并進(jìn)行了光譜解混。
同時(shí),考慮了遙感影像在獲取和處理過(guò)程中產(chǎn)生的誤差,引入距離閾值概念,旨在提取與端元距離小于距離閾值的像元組成一組樣本,求這些樣本的平均光譜來(lái)代替原始端元。將這些平均光譜與USGS光譜庫(kù)中對(duì)應(yīng)礦物波譜進(jìn)行匹配,證明了平均光譜的相似度較單一像元的端元有
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 高光譜遙感圖像混合像元分解算法研究.pdf
- 高光譜遙感影像混合像元分解算法研究.pdf
- 12285.高光譜遙感影像端元提取算法研究及應(yīng)用
- 高光譜遙感圖像混合像元解混方法的研究.pdf
- 面向混合像元的高光譜遙感數(shù)據(jù)降維.pdf
- 高光譜遙感圖像端元提取算法研究與系統(tǒng)實(shí)現(xiàn).pdf
- 遙感圖像混合像元信息提取方法研究.pdf
- 高光譜圖像光譜解混及端元提取方法研究.pdf
- Hyperion高光譜數(shù)據(jù)進(jìn)行混合像元分解研究.pdf
- 基于非負(fù)矩陣分解的高光譜遙感圖像混合像元分解研究.pdf
- 高光譜圖像分類及端元提取方法研究.pdf
- 高光譜混合像元的分解及地物分類的研究.pdf
- 高光譜數(shù)據(jù)混合像元線性分解方法研究.pdf
- 高-多光譜圖像混合像元解混研究.pdf
- 高光譜影像混合像元分解及亞象元定位.pdf
- 高光譜數(shù)據(jù)混合像元分解與光譜匹配驗(yàn)證算法.pdf
- 基于混合像元模型的高光譜數(shù)據(jù)分類.pdf
- 高光譜圖像降維及端元提取算法的研究.pdf
- 高光譜圖像混合像元分解與壓縮感知重構(gòu)算法研究.pdf
- 基于GPU的高光譜圖像混合像元分解并行優(yōu)化研究.pdf
評(píng)論
0/150
提交評(píng)論