学位论文 > 优秀研究生学位论文题录展示

高光谱遥感图像光谱特征提取与匹配技术研究

作　者: 芶盛
导　师: 郭科；陈聆
学　校: 成都理工大学
专　业: 应用数学
关键词: 高光谱吸收特征决策树匹配
分类号: O433.4
类　型: 硕士论文
年　份: 2011年
下　载: 154次
引　用: 0次
阅　读: 论文下载

内容摘要

我国经济的可持续高速发展对矿产资源与能源需求极大。但是,当前我国主要矿产资源保障形势非常严峻。遥感技术作为有效的对地观测手段,先后经历了全色摄影,彩色摄影、多光谱遥感,高光谱遥感等不同历史阶段。从20世纪70年代起,遥感技术就被广泛的应用于国土资源调查和监测领域,并取得了丰硕的成果。高光谱遥感极大地增强了遥感对地观测能力和对地物的鉴别能力,提高了遥感技术的定量化水平,使遥感从对地物的鉴别发展到对地物的直接识别阶段,利用高光谱遥感技术探测矿产是遥感技术应用的主要方向之一。目前高光谱遥感影像矿物识别分类方法主要分成两种,一种是基于数学变换进行图像降维的数理统计,如主成分分析法。另外一种则根据矿物的光谱形成物理机制,直接利用高光谱遥感数据光谱分辨率高的特点,通过选择吸收谱段,计算光谱吸收特征等方法实现对岩矿识别,如光谱特征拟合法。将这两类方法有效结合起来实现矿物识别分类,从矿物光谱形成的物理机理出发,研究分析地物的诊断光谱特征,并利用数理统计的相关理论方法实现特征匹配达到矿物识别精细与分类填图成为本文研究重点。多特征匹配决策树矿物识别与分类填图技术是一个知识发现与表达、规则定义、建立和运行决策树的过程。现有各类矿物识别决策树要么仅仅使用单一特征(如光谱主吸收峰位置特征)和相同的分类算法进行矿物识别,要么使用不同的特征却使用相同的算法,但是这两种决策树都在一定程度上限制了识别精度的提高。为改善矿物识别精度,本文根据各类典型蚀变矿物的光谱吸收特征建立了多变量决策树：首先计算了研究区典型蚀变矿物的主要光谱吸收特征,并将这些特征以知识的形式表达出来。然后分别计算了光谱特征影像的信息熵,根据信息熵的大小选择了光谱吸收指数、光谱吸收深度、光谱斜率、左区域面积等类特征并结合矿物本身的主要吸收特征完成了矿物识别规则的定义。最后在规则定义基础上构建和运行了决策树,得到了分类填图结果。该结果与中国地质大学(武汉)黄定华等人和中国国土资源航空遥感中心的填图结果基本一致,尤其是绿帘石和蛇纹石填图结果吻合的较好。而对于白云母、绿泥石、方解石矿物,三类结果稍有差异。这说明了用知识表达与规则定义的方法对模拟数据进行矿物填图是可行的、有效地,在一定程度上它可以实现矿物种类及分布填图,同时也说明本文建立的多特征混合决策树分类识别树分类能力强。为定量评价决策树分类精度,本文将构建的多特征决策树和SAM方法分别应用于根据USGS光谱库随机生成的模拟图像：结果显示多特征决策树识别正确率为89.06%,而SAM方法正确率为79.99%。这说明了决策树在研究区地物先验知识部分缺失的情况下仍然可以有效的保持较好的健壮性。但是,本文的研究成果主要针对常见典型蚀变矿物,不断拓展其它类别的蚀变矿物,提高识别的准确率将是今后研究的重点。

全文目录

摘要  4-6
ABSTRACT  6-11
第一章绪论  11-18
  1.1 选题意义和目的  11-12
  1.2 课题背景  12-13
  1.3 国内外研究现状及存在问题  13-15
  1.4 高光谱数据源及研究区概况  15-16
    1.4.1 数据来源  15-16
    1.4.2 地质概况  16
  1.5 研究内容及组织安排  16-18
    1.5.1 研究内容  16-17
    1.5.2 论文组织结构  17-18
第二章高光谱遥感概论  18-25
  2.1 高光谱遥感概述  18-19
    2.1.1 高光谱成像技术的发展  18-19
    2.1.2 高光谱成像数据的特点  19
  2.2 典型地物光谱特征  19-24
    2.2.1 植被光谱特征  19-21
    2.2.2 土壤光谱特征  21-22
    2.2.3 水体光谱特征  22
    2.2.4 岩矿光谱特征  22-23
    2.2.5 人工地物光谱特征  23-24
  2.3 本章小结  24-25
第三章光谱特征参量化与定量分析  25-41
  3.1 常用光谱特征提取方法  25-30
    3.1.1 光谱导数  25-26
    3.1.2 光谱包络线去除  26-28
    3.1.3 光谱吸收特征  28-29
    3.1.4 光谱吸收指数  29-30
  3.2 光谱特征定量分析  30-34
    3.2.1 白云母矿物光谱特征  30-31
    3.2.2 方解石矿物光谱特征  31-32
    3.2.3 蛇纹石矿物光谱特征  32
    3.2.4 绿泥石族矿物光谱特征  32-33
    3.2.5 绿帘石族矿物光谱特征  33-34
  3.3 光谱特征提取  34-40
    3.3.1 标准波谱库光谱特征  34-38
    3.3.2 研究区光谱特征  38-40
  3.5 本章小结  40-41
第四章高光谱影像匹配技术  41-47
  4.1 光谱角度匹配  41-42
  4.2 光谱特征拟合  42-43
  4.3 匹配滤波  43-44
  4.4 线性光谱解混  44-45
  4.5 混合调制匹配滤波  45-46
  4.6 本章小结  46-47
第五章多特征匹配决策树矿物识别与分类填图技术  47-64
  5.1 决策树分类方法  47-48
    5.1.1 决策树分类原理  47-48
    5.1.2 决策树分类优点  48
  5.2 光谱匹配的层次分析模型  48-50
  5.3 匹配分类算法实现  50-55
  5.4 匹配分类填图结果精度评价  55-61
  5.5 多特征匹配决策树精度分析  61-63
  5.6 本章小结  63-64
结论  64-65
参考文献  65-69
攻读学位期间取得学术成果  69-70
致谢  70-71
附录矿物填图结果  71

高光谱遥感图像光谱特征提取与匹配技术研究

内容摘要

全文目录

相似论文