近地面高光谱影像的光谱匹配与识别方法研究开题报告

 2021-08-08 01:08

全文总字数:2086字

1. 研究目的与意义

高光谱遥感是遥感技术发展的重要趋势,在工程地质,能源开发与地质勘探中取得了引人瞩目的成果。

光谱匹配是高光谱遥感影像智能化识别分析的核心问题,是应用于各个领域的基础。

本文对国内外高光谱影像的光谱匹配算法进行了简要阐述,重点对植被的应用进行了阐述。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 国内外研究现状分析

国外比较著名的光谱匹配检测算法主要为 change课题组构造的一系列基于信号子空间投影(osp)和最小二乘原理的匹配检测算法。manolakis 等利用已有的子空间匹配滤波器算法构造的一系列高光谱图像匹配算法,如asd 算法、kelly 算法、amf 算法等 。kwon 等人构造的一系列基于核空间投影的高光谱图像异常检测和匹配检测方法。其中,osp算法以线性混合模型为基础,将混合像元各组分分为感兴趣目标和不感兴趣目标,通过增强图像中感兴趣目标的特征、压制不感兴趣目标的特征信息,解决各种应用问题。该算法解决了高光谱混合像元的定量化分析问题,并成功应用于分类、目标探测等场合。但 osp 是一种监督分解算法,需要已知各种目标的光谱信息,否则无法实现特征提取。这个条件较为苛刻,在很多应用场合无法满足,因此衍生出已知不同程度目标信息的 osp 变形算法,包括基于正交子空间投影的 osp 方法:使用非监督方法对波段维数进行扩展的推广正交子空间投影 gosp。利用信号杂波噪声模型的干扰子空间投影(isp)算法。

在国内,尹作霞,杜培军等人通过将面向对象影像分析和决策树方法综合应用于高光谱遥感影像的目标提取,在分析待提取地物特征的基础上,总结归纳其特性知识,构建分类规则,设计和实现决策树以完成目标识别。该方法充分应用分割所得到的均质对象的位置、形状、纹理等特征实现了决策规则提取和决策树构建,在应用omis和phi影像进行目标识别的实践中取得了很好的效果。

曹扬,胡荣,金彬,张佩通过针对地物光谱的不确定性及参与每一像元光谱混合的端元种类与数目的不确定性,提出一种准确快速的高光谱数据光谱分析方法。该方法利用图像端元与标准端元库端元构建分组端元库,为每种地物引入多种端元光谱,解决了地物光谱不确定性问题。通过基于多端元交叉相关光谱匹配的确定搜索与基于二进制粒子群优化的随机搜索相结合的方式为每一像元搜寻一个最优端元子集,解决了参与混合的端元种类与数目的不确定性问题,并且提高了搜索效率。通过模拟数据与真实高光谱数据的试验验证,该方法解混精度与多端元光谱混合分析法相当、远高于全限制 / 无限制最小二乘法与交叉相关光谱匹配法,而计算时间远小于多端元光谱混合分析,实现了快速、准确的高光谱数据解混。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究的基本内容与计划

1.研究内容

以南京城为研究对象,根据遥感图像进行处理,对国内外主流光谱匹配算法进行分析比较,提出合理的建议用于众多光谱匹配算法的选择。

2.研究计划

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 研究创新点

本论文针对国内国外的各种主流光谱匹配算法进行比较,分析各个算法的优劣之所,得出切实可行的选择方案,以及科学的分析。对不同的客观实际情况提出有建设性的合理建议。着重对近地面植被情况进行研究,具有一定的针对性。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。