学位论文 > 优秀研究生学位论文题录展示

混合光谱分解技术的研究

作　者: 刘佳
导　师: 姚国清
学　校: 中国地质大学（北京）
专　业: 计算机科学与技术
关键词: 光谱分解非线性 Hapke简化模型单形体体积法
分类号: TP751
类　型: 硕士论文
年　份: 2012年
下　载: 160次
引　用: 1次
阅　读: 论文下载

内容摘要

传统光谱图像分析停留于对图像像元级别的分析，对于像元代表的地物判断不够准确。高光谱图像具有更多的光谱波段，因此使亚像元级别的光谱图像分析成为可能。高光谱混合像元分解主要分为线形解混和非线性解混，单纯非线性解混有更好地分析结果，但却不易于计算机实现,而线形解混虽然易于计算机程序实现，但其解混结果精度较差,只能够作为定性参考。本文要解决的问题就是构建自己的一套算法,一方面具有非线性解混的良好结果,一方面又易于计算机程序实现。本论文用到了两个基本原理点：1、高光谱遥感图像中的所有像元点构成了一个凸面单形体，其中端元处于单形体的顶点位置；2、矿物光谱的非线性混合效应可以通过Hapke模型较好的描述。结合这两个基本原理，形成了本文的非线性光谱解混方法，简要叙述如下。1、利用高光谱遥感数据的几何特性，求取出数据组中的端元。求取过程中始终保持取得的数据点所构成的单形体的体积最大，这就是保证了求取的数据点在单形体的顶点位置。2、利用简化的Hapke模型将高光谱遥感数据进行非线性转换，将矿物的光谱反射率转换为矿物的单散射反照率。以单散射反照率来代表矿物进行下一步分析。由于Hapke原型中光谱折射系数、光谱散射系数、位相函数等参数都需要通过大量的矿物光谱数据分析后才能够确定，因此本文利用Hapke模型中的一个核心部分（在此称作简化的Hapke模型）进行非线性转换。3、利用线性解混方法对混合元的单散射反照率进行分析，最终得到矿物的组分。由于矿物的单散射反照率是线性混合的，因此我们可以通过对由Hapke原理转换来的单散射反照率进行线性解混得到数据对应的矿物组分。本文将上述过程算法命名为“基于简化的Hapke模型与单形体体积法的非线性混合光谱分解”。经过算法原理研究，本文最终得出基于简化的Hapke模型与单形体体积法的非线性混合光谱分解方法。并将其应用于实验室光谱数据进行分析。经实验室数据验证，端元提取误差率在1%内，混合像元分解误差率在3%内。本文进一步尝试将方法应用于美国某地区AVIRS高光谱遥感图像进行分析，并得出图像中矿物分布情况，通过与该地区的矿物分布情况进行对比，本文方法的分析结果具有一定的参考性。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-12
  1.1 课题相关介绍  9-10
  1.2 论文研究目的及内容  10-11
  1.3 论文组织结构  11-12
第二章混合光谱分解技术的物理基础  12-19
  2.1 电磁波理论  12-13
  2.2 高光谱遥感  13-15
    2.2.1 高光谱遥感简介  13
    2.2.2 高光谱遥感基本概念  13-15
    2.2.3 高光谱遥感成像特点  15
  2.3 矿化信息的光谱特性  15-19
    2.3.1 岩石、矿物光谱吸收及其机理  15-17
    2.3.2 岩石的光谱特性  17-19
第三章混合光谱分析方法  19-32
  3.1 混合光谱的产生  19-21
    3.1.1 混合光谱概念  19-20
    3.1.2 混合光谱模型  20-21
  3.2 线性光谱分析方法  21-27
    3.2.1 线性方法基础理论  21-23
    3.2.2 线性光谱分析方法举例  23-27
  3.3 非线性光谱分析方法  27-32
    3.3.1 Hapke 模型  27-28
    3.3.2 Kubelk-Munk 模型  28-29
    3.3.3 SAIL 模型  29-30
    3.3.4 其他非线性混合光谱模型  30-32
第四章基于简化的 Hapke 模型与单形体体积法的非线性混合光谱分解  32-53
  4.1 单形体体积法介绍  32-38
    4.1.1 单形体体积法进行端元提取  32-35
    4.1.2 单形体体积法进行混合像元分解  35-38
  4.2 简化的 Hapke 模型  38-42
    4.2.1 原始 Hapke 模型  38-41
    4.2.2 简化的 Hapke 模型  41-42
  4.3 基于简化的 Hapke 模型与单形体体积法的非线性混合光谱分解  42-53
    4.3.1 端元提取  43-46
    4.3.2 光谱数据非线性到线性的转换  46-49
    4.3.3 单次光谱反照率线性分解  49-53
第五章实验结果及分析  53-66
  5.1 实验室数据分析  53-59
    5.1.1 数据说明  53-57
    5.1.2 实验数据分析结果  57-59
  5.2 图像数据分析  59-64
    5.2.1 数据说明  59
    5.2.2 图像数据分析结果  59-64
  5.3 本文非线性方法验证结果分析  64-66
第六章总结与展望  66-69
  6.1 本文工作总结  66-67
  6.2 本文工作展望  67-69
致谢  69-70
参考文献  70-72
附录  72

混合光谱分解技术的研究

内容摘要

全文目录

相似论文