高光谱遥感数据最佳波段的选择 根据自己对具体影像解译的要求进行波段的选择，以提高解译的速度和精度。
我的图书馆
高光谱遥感数据最佳波段的选择 根据自己对具体影像解译的要求进行波段的选择，以提高解译的速度和精度。
一、TM波段总结：
1、TM1 0.45 ~ 0.52 um，蓝波段；对水体穿透强，对叶绿素与叶色素反映敏感；有助于判别水深及水中叶绿素分布以及水中是否有水华等。
2、TM2 0.52 ~ 0.60 um，绿波段；对健康茂盛植物的反射敏感，对力的穿透力强；用于探测健康植物绿色反射率,按绿峰反射评价植物的生活状况，区分林型、树种和反映水下特征。
3、TM3 0.62 ~ 0.69 um，红波段，叶绿素的主要吸收波段；反映不同植物叶绿素吸收、植物健康状况；用于区分植物种类与植物覆盖率，其信息量大多为可见光最佳波段，广泛用于地貌、岩性、土壤、植被、水中泥沙等方面。
4、TM4 0.76 ~ 0.96 um，近红外波段，为植物通用波段；对绿色植物类别差异最敏感；用于牧师调查、作物长势测量、水域测量。
5、TM5 1.55 ~ 1.75 um，中红外波段，处于水的吸收波段；一般1.4-1.9UM内反映含水量；用于土壤湿度植物含水量调查、水分善研究、作物长势分析，从而提高了区分不同作用长势的能力；易于反映云与雪。
6、TM6 1.04 ~ 1.25 um，热红外波段；可以根据辐射响应的差别，区分农林覆盖长势，差别表层湿度、水体岩石，以及监测与人类活动有关的热特征，进行热制图。
7、TM7 2.08 ~ 3.35 um，中红外波段，为地质学家追加波段,处于水的强吸收带，水体呈黑色；可用于区分主要岩石类型，岩石的热蚀度，探测与交代岩石有关的粘土矿物。
二、类型提取：
1、城市与乡镇的提取：TM1 + TM7 + TM3 + TM5 + TM6 + TM2 - TM4
2、乡镇与村落：TM1 + TM2 + TM3 + TM6 + TM7 - TM4 - TM5
3、河流的提取：TM5 + TM6 + TM7 - TM1 - TM2 - TM4
4、道路的提取：TM6 - ( TM1 + TM2 + TM3 + TM4 + TM5 + TM7 )
三、光谱差异：
　TM1：居民地与河流菜地不易分开。
　TM2：居民地与河流菜地不易分。
　TM3：乡村与菜地不易分。
　TM4：农田与道路不易分，乡镇，道路，河滩易浑。
　TM5：县城与农田不易分。
　TM6：村庄与河流易混。
TA的最新馆藏
喜欢该文的人也喜欢森林树种高光谱波段的选择--《成像光谱技术与应用研讨会论文集》2004年
森林树种高光谱波段的选择
【摘要】：本文利用地物辐射仪对4种树在350-900nm波段范围内进行了高光谱数据测量,并分别采用逐步判别分析法和分层聚类法进行波段选择。逐步判别分析法选择的波段主要位于红、绿、蓝、和近红外区;分层聚类法选择的波段除了红、绿、蓝、和近红外波段外,还增加了蓝-绿边缘、绿-红边缘和红边区的波段。结果表明:所选择的波段比原始波段在树种识别时具有更高的精度,最高识别精度达96.77%;边缘区波段对树种的识别有重要作用;对数-微分变换处理较其他方法处理对树种识别有更好的效果。
【作者单位】：
【关键词】：
【基金】：
【分类号】：S712【正文快照】：
1 引言 高光谱遥感技术的发展是20世纪后期遥感技术的最大成就之一…,也是当前遥感的前沿技术。国际遥感界将光谱分辨率达纳米(nm)数量级范围内的遥感技术称之为高光谱(Hyperspectral)遥感”’,与传统遥感相比,高光谱遥感具有光谱分辨率高,波段多、信息量丰富等优点,因而对物
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【参考文献】
中国期刊全文数据库
浦瑞良,宫鹏,约翰R.米勒;[J];南京林业大学学报(自然科学版);1993年01期
常红,王序铨;[J];西北师范大学学报(自然科学版);1998年04期
张良培,郑兰芬,童庆禧;[J];遥感学报;1997年02期
浦瑞良,宫鹏;[J];遥感学报;1997年02期
【共引文献】
中国期刊全文数据库
刘晓臣;范闻捷;田庆久;徐希孺;;[J];北京大学学报(自然科学版)网络版(预印本);2008年02期
刘晓臣;范闻捷;田庆久;徐希孺;;[J];北京大学学报(自然科学版);2008年05期
刘常富;何兴元;陈玮;赵桂玲;徐文铎;;[J];北京林业大学学报;2006年03期
王静,张继贤,何挺,李海涛;[J];测绘科学;2002年04期
郭仕德,马廷,林旭东;[J];测绘科学;2005年03期
周磊;辛晓平;李刚;杨桂霞;张宏斌;;[J];草业科学;2009年04期
钱育蓉;杨峰;李建龙;干晓宇;杨齐;王卫源;;[J];草业学报;2009年04期
范文义,徐程扬,叶荣华,王君厚;[J];东北林业大学学报;2000年05期
刘常富;李玲;赵桂玲;何兴元;陈玮;;[J];东北林业大学学报;2008年03期
吴云霄;陈永翔;王海洋;;[J];东北林业大学学报;2008年05期
中国博士学位论文全文数据库
唐雪海;[D];北京林业大学;2011年
刘丽娟;[D];东北林业大学;2011年
梁亮;[D];中南大学;2010年
岳彩荣;[D];北京林业大学;2012年
鞠昌华;[D];南京农业大学;2008年
姚霞;[D];南京农业大学;2009年
张正杨;[D];河南农业大学;2011年
王大成;[D];浙江大学;2011年
王秀珍;[D];浙江大学;2001年
刘伟东;[D];中国科学院研究生院（遥感应用研究所）;2002年
中国硕士学位论文全文数据库
雷彤;[D];山东农业大学;2010年
林伟;[D];南昌大学;2010年
邹伟;[D];浙江大学;2011年
刘璇;[D];中南林业科技大学;2010年
黄伟平;[D];中南林业科技大学;2010年
林婷;[D];中国地质大学（北京）;2011年
周春江;[D];西南大学;2011年
韩冬花;[D];北京林业大学;2011年
段敏杰;[D];中国农业科学院;2011年
缪丽娟;[D];福建农林大学;2011年
【相似文献】
中国期刊全文数据库
陈景和,王允寿,刘献伦;[J];山东林业科技;2005年03期
肖正清;王树东;古丽·加帕尔;赵金;常存;马忠国;;[J];干旱区地理;2007年05期
陈志远;;[J];内蒙古林业调查设计;2010年03期
杨巧明;谢贵水;;[J];热带农业工程;2011年02期
宫鹏，浦瑞良，郁彬;[J];遥感学报;1998年03期
赵新振;朱登强;黄家荣;李娟;;[J];山地农业生物学报;2008年05期
,朱玉海;[J];东北林业大学学报;1981年01期
张玉贵;[J];林业科学研究;1995年02期
谭宽祥;[J];中南林业调查规划;1995年02期
龙晶,徐坚,汪国华,蒋芝云;[J];林业资源管理;1996年05期
中国重要会议论文全文数据库
刘秀英;林辉;熊育久;孙华;莫登奎;熊建利;;[A];成像光谱技术与应用研讨会论文集[C];2004年
杨敏华;刘禹模;胡慧萍;王东全;;[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
王志民;傅俏燕;陆登槐;罗扬;朱军;;[A];全国国土资源与环境遥感技术应用交流会论文文集[C];2004年
李军;杨秋珍;黄敬峰;王焱;葛建明;冯椿;;[A];第五届长三角气象科技论坛论文集[C];2008年
周小成;汪小钦;高中灵;;[A];全国国土资源与环境遥感技术应用交流会论文文集[C];2004年
林文鹏;赵敏;柳云龙;刘冬燕;张翼飞;高峻;;[A];中国地理学会2007年学术年会论文摘要集[C];2007年
叶炜;汪小钦;江洪;傅银贞;;[A];第十七届中国遥感大会摘要集[C];2010年
王晓堂;潘洁;孙波;唐静静;巨云为;;[A];第三届中国森林保护学术大会论文摘要集[C];2010年
杨存建;刘纪远;;[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
孟丹;李小娟;韩洁;;[A];地理学核心问题与主线——中国地理学会2011年学术年会暨中国科学院新疆生态与地理研究所建所五十年庆典论文摘要集[C];2011年
中国博士学位论文全文数据库
谭炳香;[D];中国林业科学研究院;2006年
李明诗;[D];南京林业大学;2005年
中国硕士学位论文全文数据库
时启龙;[D];浙江农林大学;2012年
赵丽芳;[D];北京林业大学;2007年
赵君爱;[D];南京农业大学;2007年
朱清苗;[D];南京林业大学;2004年
陈鑫;[D];南京林业大学;2006年
魏云敏;[D];东北林业大学;2007年
赵蕊;[D];东北林业大学;2007年
谭莹;[D];南京林业大学;2008年
张延玲;[D];东北师范大学;2008年
李国清;[D];福建农林大学;2009年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号文档分类：
下载后只包含 1 个 PDF 格式的文档，没有任何的图纸或源代码，
下载前请先预览，预览内容跟原文是一样的，在线预览图片经过高度压缩，下载原文更清晰。
您的浏览器不支持进度条
下载文档到电脑，查找使用更方便
还剩?页未读，继续阅读
播放器加载中，请稍候...
该用户其他文档
下载所得到的文件列表利于目标识别的高光谱影像波段选择方法.pdf
文档介绍：
puterScienceVo1.40NO.10Oct2013利于目标识别的高光谱影像波段选择方法张海涛盂祥羽陈虹宇张晔(辽宁工程技术大学软件学院葫芦岛125105)(哈尔滨工业大学哈尔滨150000)。摘要遥感图像数据量大、波段数目多、信息冗余多等特点给图像的进一步解译带来了困难。为了解决这个问题,在使用相邻波段间的互信息量与全部波段间的相关系数矩阵相结合的方法对波段进行分组的基础上,运用波段指数和光谱角制图算法,提出了针对某个感兴趣目标的波段选择方法。首先对校正后的全部有效波段进行分组(划分子空间),然后提取出各个子空间中指数最大的波段,最后依据地物光谱可分性选取最佳的波段组合。通过试验及与常见的波段选择方法进行比较的结果显示,所提方法目标提取效果明显。关键词高光谱影像,互信息量,相关系数,波段指数,光谱角制图中图法分类号TP7r53文献标识码ATargetRecognitionofHyperspectralImagesBandSelectionMethodZHANGHai-taoMENGXiang-yu1CHENHong-yuZHANGYd(CollegeofSoftware,LiaoningEngineeringTechnologyUniversity,Huludao125105,China)(HarbinIndustrialUniversity,Harbin150000,China)。AbstractThelargeamountofdataforremotesensingimage,morebandnumberandmoreinformationredundancybringdifficultiestOthefurtherinterpretationoftheimage.Tosolvethisproblem,usingmutualinformationbetweenad-jacentbandsandcorrelationcoefficientmatrixbetweentheentirebandtogrouptheband,andusingthebandindexandspectralanglemappingalgorithm,bandselectionmethodforaspecificregionofinterestwasproposed.FirstcorrectedaUofthevalidbandwasgroupedanddividedintOsubspace,andthentheindexofthebiggestbandsinthevarioussub-spacewasremoved.Finally,binatior~paresshowthatthemethodproposedinthispaperhastheobviousobjectextractioneffect.KeywordsHyperspectralimage,Mutualinformation,Correlationcoefficient,Bandindex,spectralanglemapping对高光谱影像的处理已经成为现阶段国内外遥感领域专家及学者的研究热点_1]。由于高光谱影像具有数据量大、波段多而窄、波段间相关性强、信息冗余多等特点,必须对高光谱影像进行“降维”操作。因此如何在保留重要信息的前提下有效地去除高光谱影像数据冗余、提取出能够代表高光谱影像感兴趣信息的有效波段组合就成为了难点。现有的降维方法有两种:一种是基于特征提取的方法,另种是基于特征选择的方法,但前者对图像变换后改变了其原有的物理特性,因此本文选择了基于特征选择的方法。本文采用波段选择方法进行“降维”能够减少波段间的数据冗余,提高分类精度及效率,因此有一定应用价值。本文针对高光谱影像的感兴趣区域进行波段选择,利用波段相关系数矩阵的“成块”特点得到粗略分组,再通过求解相邻波段间互信息量的局部极小值对之前得到的分组进行细化得到精确波段分组,然后在各个子空间内求解波段指数,获得各子空间内的最大指数波段,再通过求光谱角得到最佳波段组合。对最佳波段组合得到的假彩***像与常用方法得到的假彩***像进行对比,得出了此方法对于目标识别的效果较佳,在高光谱影像分类和识别领域具有很大的应用前景。1高光谱影像波段选择准则及算法由于高光谱影像波段数多,使得Hughes现象成为抑制高光谱影像分类精度的重要原因。为解决此问题,必须采用较好的波段选择方法,主要采用基于波段指数的方法。1.1波段选择准则波段选择具有三点准则_l2]:一是从信息论角度出发,选取信息量最大的波段或波段组合;二是从统计角度出发,所选波段的相关性应最小,从而保证各个波段的独立性和有效性_l1;三是从光谱特征角度出发,所选波段光谱特征差异应最大,以提高地物的可分性[”]。1.2波段选择算法本文针对高光谱影像感兴趣区域的波段选择采用以下方法对波段相关系数矩阵进行分块处理,基于互信息量的波段进行精确分组,求最大指数波段及光谱角制图等。(1)高光谱影像子空间[1划分往往先要求得各个波段间的相关系数,使其成为相关系数矩阵,从而具有可视化“成块”到稿日期:返修日期:本文受国家自然科学基金()资助。张海涛(1974一),男,副教授,硕士生导师,主要研究方向为图形图像处理、嵌入式系统;盂祥羽(1987一),男,硕士生,主要研究方向为高光谱遥感图像降维及压缩技术,E-mail:@;晔(1960一),男,博士生导师,主要研究方向为小波变换技术、数据融合技术等·305·特点[5],也是进一步分组的前提。任意两波段间的相关系数计算公式如下,即算法1:∑(一)(~)兰三l_===========:===(1)厂————■二=_—■————==_、,、/∑(一)∑(V一V,)式中,是一个构造好的波段光谱矢量,代表某一个波段的像素总数目,V表示的是第i个波段的第k个像素。其中和分别是和的均值矢量。(2)基于互信息量的波段分组方法波段分组方法在遥感影像分类中已经有所研究,孙立新和高文[6]提出通过模糊集理论对原始波段进行分组。谷延锋、张哗[5,15根据原始波段的相关系数矩阵将全部波段划分为若干个连续的子空间以达到分组的目的。通过对以往的分组方法的研究发现,不一定所有和分类目标相关度高的波段组合就一定能取得最高的分类精度。因此本文采用了在求得波段间相关系数矩阵“成块”的基础上运用互信息量[1‘]来衡量图像之间相似性的方法进行波段分组操作。计算互信息量的基本方法如下[:波段A和B用向量X和y表示,X—Ix1,?,Xi,?,];y:[M?,Y”,3,I],Xi是A波段第i个像素值,Y{是B波段第i个像素值。波段A和B的互信息量即算法2:I(A,B):~互夕(z{)log2(夕())一五()log2(夕()+p(盈,yi)log2(p(xi,))(2)式中,p(x1)为灰度值在波段A中出现的概率,P(Y1)为灰度值Yt在波段1
内容来自淘豆网转载请标明出处.扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
下载作业帮安装包
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
关于高光谱遥感光谱成像仪的光谱分辨率问题,比如说一个成像仪光谱分辨率为5纳米,采样波段是500——1000nm,意思是不是在这个波段区间内,每隔5纳米就能采样一个光谱波长的反射率,比如500,505,510.或者是从501开始接着506,511,516.
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
分辨率是仪器分辨光谱的能力,分开临近谱线的能力,比如两个峰相差5nm以内,将分辨不出是两个峰,会显示成一个峰,或者说一个半高宽小于5nm的峰,用此仪器测出的峰半高宽为5nm.
为您推荐：
其他类似问题
扫描下载二维码}