当前位置:首页 >> 电力/水利 >>

高光谱遥感分类与信息提取综述


?拳术论坛?

高光谱遥感分类与信息提取综述
黄玮 (南京信息工程大学 南京

210044)

【摘

要】本文从高光谱遥感图像的特点与性质人手,

介绍了高光谱遥感的应用情况,并对目前所采用的高光谱遥感图像分类与信 论述了投影寻踪在高光谱遥感图像分类中的可行性。 【文

章编号]1007-9416(2010)03-0134-03

息提取的算法,以及这些算法的优劣进行综述,接着, 提取 投影寻踪 【关键词】高光谱 分类 【中图分类号]TP7 【文献标识码】A

1高光谱遥感概述
高光谱遥感(Hyper spectral
Remote

来理解【2I图像空间、光谱空间和特征空 阃。此外,随着高光谱遥感分辨率的增加, 特征空间的维数很高,因而表现不同地物 类别的能力也随之不断提高,这也是高光 谱遥感之所以能够更精确识别地物的主要 原因。

区域以高光谱分辨率同时获取连续的地物 光谱影像。其超多波段信息使得根据混合 光谱模型进行混合像元分解获取。子像 元”或“最终光谱单元。信息的能力得到 提高,使得遥感应用着重于在光谱维上进 行空间信息展开。定量分析地球表层生 物、物理、化学过程和参数,随着成像光谱 技术的发展与成熟,遥感技术已经大大拓 宽了其原来的应用领域,归纳起来主要包 括以下几个方面【5“9J:(1)在精准农业领域的 应用(作物参数反演);(2)在林业领域的应 用(树种识别、森林生物参数填图、森林健 康检测等X(3)在水质检测领域的应用(反

Sensing简称HRS)起步于80年代,发展 于90年代,至今已解决了一系列重大的技 术问题。它是光谱分辨率在10-2入的光谱 遥感,其光谱分辨率高达纳米(nm)数量 级,具有波段数众多,连续性强的特点,其 传感器在可见光到红外光的波长范围内 (0.4“m~2.5“m)范围内以很窄的波段 宽度(3~30nm)获得几百个波段的光谱信 息,相当于产生了一条完整而连续的光谱 曲线,光谱分辨率将达到5nm~10nmt“。高 光谱遥感数据的表现可以从以下三个方面

2高光谱遥感的应用
高光谱影像包含了丰富的地表空间、 光谱和辐射的三重信息,它同时表现了地 物的空间分布并获得了以像元为目标的地 物光谱信息。高光谱遥感技术作为连接遥 感数据处理、地面测量、光谱模型和应用 的强有力工具,其显著特点是在特定光谱

柜内优化可以从几个方面进行。最先 可以考虑的是升级盘阵操作系统(微码), 用最新的版本来达到较优的性能。其次可 以考虑硬盘方面。按照磁盘RAID的特性, 不同类型的RAID类型会有不用的性能表 现,如RAID0就比RAID5性能要好,只是 总体可用容量少了。同是RAID5也有性能 差异,按照每个厂商的不同,,一般到十几 个硬盘的情况下性能达到最佳。 几乎所有的盘阵都会配置大量的缓 存,缓存的读写分配也会影响性能。针对 不同的应用特性我们需要分配不同多少的 缓存。 有些极端的性能要求的,还可以使用 企业级的闪盘(FlashDisk)来支持。企业 级闪盘有非常优异的性能特点,比如读写

IO比磁记录硬盘高几十倍,同时随着IO的 增多,响应延时几乎保持稳定。详见右图, 可以看出,随着IO数量到一定值,由高性 能光纤硬盘组成的RAID组响应的时间急 剧上升,而闪存盘则保持几个毫秒响应时 间的优美特性。 对于纯粹的性能来讲,上述方法都是 有效的,但在众多应用系统中,企业占到 最多资源的很有可能不是核心业务,也即 非核心业务很有可能和核心业务同台竞 技,争抢资源。这样就造成核心业务响应 比较慢,即使升级到较高一级的设备也没 有明显效果。在网络领域是用QoS来解决 的,在存储中是否也有这样的工具呢?个 别厂商已经考虑了这些需求,比如EMC, 在中端盘阵CLARiiON系列中就可以选择

NQM(Navisphere

Quality

of

Service

Manager)软件来监控和调配性能使用,保 证主要的性能分配给核心的业务。这些调 配可以按照吞吐量,带宽、响应时间等参 数来设置。 另外一个需要考虑的是服务器和存储 之间连接的性能问题。若存储性能足够, 服务器性能也很好,很有可能连接它们的 链路是个瓶颈。我们需要配备链路冗余等 软件来达到多条线路负载均衡,消除瓶 颈。 除了上述局部的性能调优外,还有其 他策略性的调优方法。比如一个企业,总 有敬据量约IOTB,包括0LTP的数据库应 用数据、Email数据、文件共享数据等。这 个企业采购lOTB容量的盘阵,所有数据都 放在一个盘阵中。实际大多效企业的数据 经常使用的只占20%。那也就意味着不大 用的80%的数据影响了整个盘阵的性能。 尤其是需要对数据进行保护时,花在备份 不常用数据的时间比常用数据长4倍。所 以,我们会考虑把不常用的部分数据移出 主要存储设备,放到比较稳固的存储设备 上,比如EMC的Centera,需要的时候可 以直接访问,即不影响访问的便利性。又 可以给主存储设备瘦身而达到性能的提 高。

结语
综上所述,我们应该整体综合考虑, 以合理的规划和局部调优相结合,才能既 满足业务需要,同时又充分有效的利用已 有设备,综台提高企业数据中心服务的性 能和水平.
图2

1 34

数字技术与应用

万方数据

?学术论坛?
演水质参数)?(4)在大气污染检测领域的 应用(气溶胶、二氧化氮等的检测与反演), (5)生态环境检溯领域的应用(检测生物多 样性、土壤退化、植被重金属污染等X(6) 在地质调查领域的应用(矿物添图。岩层 识别,矿产资源、油气能源探测等X(7)在 城市调查领域的应用(城市绿地调查、地 物及人工目标识别)。 按某种函数关系和比例混合而成,解混的 目的就是通过某种分析和计算,估计出光 谱混合方式和混合像元包含的光谱成分及 相应比例。(3)光谱匹配滤波技术 (Matched Filter):.是通过部分光谱解混技 术求解端元光谱丰度值的技术。由于前面 介绍的线性光谱解混技术要求端元光谱足 够完全,而实际上很难确定一幅待研究的 高光谱图像所包含的全部端元光谱。匹配 滤波技术刖选定某些感兴趣的端元光谱的 情况下,把未知的光谱归为背景光谱 (Unknown background),最大化地突出已 知端元光谱而同时尽可能抑翩背景光谱, 这种方法提供了一种快速探测指定地物种 类的技术,而不必知道一幅图像中包含的 全部端元光谱。(4)光谱特征匹配(SFF- Fittingh根据电磁波理 论,不同的物质有不同的光谱曲线。人们
Spectral Feature

图像数据在特征空间中分布比较复杂、离 散,或采集的训练样木不够充分,不具代 表性,通过直接手段来估计最大似然函数 的参数,就有可能造成与实际分布的较大 偏差,导致分类结果精度下降。(2)基于 Bayes准则的分类器:基于Bayes准则的判 别函数是统计模式识别的参数方法,要求 各类的先验概率P(‘o i)和条件概率密度函 数P(∞i x)已知。P(∞i)通常根据各种 先验知识给出或假设它们相等:P(∞i x)则是首先确定其分布形式,然后利用训 练样本估计其参数。一般假设为正态分

3高光谱遥感图像分类与信息提取
3.1遥感图像处理 遥感数字图像处理是以遥感数字图像 为研究对象,综合运用地学分析、遥感图 像处理、地理信息系统,模式识别与人工 智能技术,实现地学专稻信息的自动提取 【l 8】,要素分类与提取在图像处理过程中 占有决定性的地位。遥感图像分类是统计 模式识别技术在遥感领域中的具体应用, 统计模式识别的关键是提取待识别模式的 一组统计特征值,然后按照一定准则做出 决策,从而对数字图像予以识别。其主要 依据是地物的光谱特征,即地物电磁波辐 射的多波段测量值,这些潮量值可以用作 遥感图像的原始特征值。 3.2高光谱遥感图像分类与提取 目前,高光谱遥感数据分析方法主要 有两个方向[9--30~第一是基于光谱空间的 分析方法,其基本原理是化学分析领域常 用的光谱分析技术,第二个方向是基于特 征空间分析技术,该方向的基本思想是把 组成光谱曲线的各光谱波段组成高维空间 中的一个矢量,进而用空间统计分析的方 法分析不同地物在特征空间中的分布规 律。 3.2.I基于光谱空间的分析方法 高光谱遥感技术的最大特点就是:在 地物的每一个像元处,可以得到一条连续 的光谱曲线。所有的光谱曲线的集合则构 成了光谱空间,不同的地物对应于光谱空 间中的一条光谱曲线。因此,基于光谱空 间的数据分析方法是高光谱数据分析的主 要技术之一,其主要思想类似于化学上常 用的光谱分析技术,主要是通过对光谱曲 线进行特征分析,发现不同地物的光谱曲 线变化特征,从而达到识别地物的目的。 由于这种分析方法与地物的物理化学属性 直接相关,因此可以方便地对分析结果进 行物理解释:由于分析过程主要是针对一 个像元的光谱曲线,因此,算法往往比较 直观和简单。这些特点使得基于光谱空间 的分析技术成为引人注目的一种技术,因 而,近年来在这方面产生了许多实用的研 究结果。 常用的分析方法包括:(1)光谱角填 图法(SAM-Spectral Angle Mapping):又称 光谱角度匹配法.是以实验室测得的标准 光谱或从图像上提取的一直已知点的平均 光谱为参考,求算图像中每个像元矢量 (将像元n个波段的光谱响应作为19维空间 的矢量与参考光谱矢量之间的广义夹角, 根据夹角的大小来确定光谱间的相似程 度,以达到识别地物的目的。(2)光谱解 混技术(Spectral Unmixing):就是假设某一 像元的光谱是由有限几种地物的光谱曲线

布,或通过数学方法化为正态分布。其判
别函数为:Di(X)=P(∞i)P(“)i x),
i=I,

2….,m。若Di(X)>Dj(X)j=l,2….。
m,j≠i,则X为∞i类。判别函数集有多 种导出形式,如最大后验概率准则、最小 风险列决准则,最小错误概率准则、最小 最大准则、Neyman-Pearson准则等,是依 据不同的规则选择似然比的门限来实现 的。(3)最小距离判别法:该方法是最直 观的一种判别方法,假设在P维欧氏空间 中,把C个不同的类别看成分布在空问中 的不同位置,最小距离判别方法的思想就 是,对待分类的样本,若与某一类的空问 几何距离最近,则判别为属于此类。该方 法的关键问题,一是如何定义空问距离。 另一问题是,如何计算点到各类别的空间 距离。(4)基于模糊集理论的判别分类方 法:相邻波段影像间存在较大的相似性表 明,它们的分类作用可以相互近似替代。 因此,只需利用其中的一幅影像参加分类 即可,其它与之相似的光谱波段都可被视 为冗余波段。显然,要删除这些冗余光谱 波段,应首先对原始波段集合中的光谱波 段进行模糊等价划分,然后在每个模糊等 价波段组中只选择一个光谱波段(或进行 线性融合)。(5)基于人工神经网络的分类 法:通过建立统一框架,实现对影像的视 觉识别和并行推理,是近年来发展起来的 综合数据分类方法之一。其目标是利用人 工神经网络技术的并行分布式知识处理手 段,以遥感影像为处理对象,建立基于人 工神经网络的遥感影像分类专家系统。 (6)支持向量机(Support Vector Machine

可以通过分析不同地物的光谱吸收表现, 达到识别不同地物的目的。首先把反射光 谱数据的吸收特征突出出来,然后用仅保 留了吸收特征的光谱与参考端元光谱逐个 波段进行最小二乘匹配,并计算出相应的 均方根误差(RMS-Root Mean Square),消 除背景影响的方法主要是包络线法。 3.2.2基于特征空间的分类方法 前面介绍的基于光谱空间的分析方法 主要是通过比较待分像元的光谱曲线与参 考光谱的光谱曲线之间的相似程度来达到 分类判别的目的。这种思想看起来很直观 和理想,类似于人的指纹识别一样,每一 个人都有不同的指纹,通过与指纹库中的 指纹相比较就可以确定人的身份。然而, 遥感问题却远远复杂得多,由于太阳辐 射,大气,空问分辨率和光谱分辨率,观 测噪声,及多种多样难以确定的因素的影 响,很难测得所谓“纯”的光谱曲线。尽

管有多种多样的光谱解混技术被提出,但
多种因素的影响很难被充分估计出来,因 而无论何种光谱分析技术都无法完全达到 遥感图像辩识的要求。 另一种遥感图像地物辩识的思想则是 从统计分布规律出发,在同一幅图像上, 不同地物的光谱数据呈现不同的分布状 态,比如不同均值和方差,通过分析这种 统计分布规律而实现地物识别的技术就是 基于特征空间的分类方法。遥感图像上的 每个像元对应n个光谱波段反射值。假若 把这几个波段值组成的n维矢量看作是n 维欧几里德空问中的一个点,则称矢量

)分类方法:支持向量机是一种建立在统
计学习理论基础之上的机器学习方法。其 最大的特点是根据Vapnik的结构风险最 小化原则,尽量提高学习机的泛化能力。 即由有限的训练样本集得到小的误差能够 保证对独立的测试集保持小的误差。另 外,由于支持向量算法是一个凸优化问 题,局部最优解也是全局最优解,这是其 它学习算法所不及的。以上介绍了几种分 类方法,事实上,随着各学科的发展和交 叉影响,基于特征空间的分析方法有许多 新的进展。

X=(Xl,X2….,Xn)为像元的特征值,相
应的n维欧几里德空间称为特征空间。在 特征空间的意义上,遥感图像上的任一像 元对应于特征空间中的一个点,因此.分 类的方法可以从寻找像元在特征空间中的 分布规律入手,也就是在特征空阃中进行 判别的问题。 常用的分析方法包括:(1)高斯最大似 然分类器(MLC):是遥感分类的主要手段。 其基本思想是,假设各类样本数据都是商 斯分布(正悫分布),判别准则为所属类别 的分布密度最大。其分类器被认为是一种 稳定性、鲁棒性好的分类器。但是,如果

4高光谱遥感数据分类存在的问题
随着光谱分辨率的提高,高光谱遥感能 够提供对地物识别更充分的信息,对基于特 征空间的分类而吉,理论上说,随着特征空 间维致的增加,分类精度将会越来越精确, 但实际问题并非如此简单。综合以上高维空

万方数据

数字技术与应用



35

?学术论坛?
闻的几何特征和统计特性…】~【…,可以得出 这样的结论:基于统计理论的参数估计若在 原始高维空间进行,则需相当庞大的训练样 本数才能得到比较满意的估计精度,非参数 估计方法所需的样本数量更是不可想象。此 外,原始高维数据窄间的正态分布特性更是 难以保证,而正态分布是许多参数估计方法 的基础。因此,高光谱遥感分类的表现并未 如人们所期望的那样简单,具体来说,在不 讨论客观因素的情况下,影响高光谱遥感分 类精度的主要因素主要是以下几条: (1)训练样本数量闯题:根据Hughes 的研究结果【3”,随着特征空间维数的增加, 类别可分性提高,但由于遥感中常用的监 督分类方法首先要估计样本的分布函数, 或分布函数中的一些参数,随着窀问维数 的增加,待估参数的个数急剧增加,在训 练样本数量一定的条件下,导致分类精度 在特征空间的维数增加到一定数量后,反 而会随着维数的增加而下降。 (2)特征空间的组成:前一个问题导 致基于特征空间的分析方法通常不能在原 始空间中直接进行,必须对原始波段空间 进行降维预处理,得到一个保持了原始空 间全局和局部特征结构的低维空问,然后 在低维子空问中进行分类判删。 (3)分类器的选择。 (4)类别可分性:类刖可分性是数据 集固有的一种性质,是由客观条件造就的 数据集内在结构,由于客观因素的影响, 待分辨的类别之间可区分的程度会有很大 的差异,数据集的这种内在的可分离程度 对分类精度的高低有着至关重要的影响。 量相关性研究【J】.应用生态学报,2004,15 (8):1363-1 367. 【7】张良培,郑兰芬,章庆禧,等.利用高 光谱对生物变量进行估计【J】.遥感学报, 1997,l(2):1ll—114 【8】赵德华,李建龙,宋子键.高光谱技 术提取植被生化参数机理与方法研究进展 【J】.地球科学进展,2003,l 8(1):94—99. [9】方红亮,田庆久.高光谱遥感在植被 监测中的研究综述【J】.遥感技术与应用, 1998,13(1):62-69. 【101陈楚群,潘志林,施平.海水光谱模 拟及其在黄色物质遥感反演中的应用【J】. 热带海洋学报,2003,22(5):33-39. 【ll】李素菊,吴倩,王学军,等.巢湖浮 游植物叶绿素含量与反射光谱特征的关系 【J】.湖泊科学,2002,14(3):228-234. [1 2】谭衢霖,邵芸.遥感技术在环境污 染监测中的应用【J】.遥感技术与应用,2000, 15(4):246-251. 【l 3】童庆禧,郑兰芬,王晋年.湿地植被 成像光谱遥感研究【J J.遥感学报,1997,l (1):50-57. [14】夏德深,李华.国外灾害遥感应用 研究现状[J],国上资源遥感,1996,(3):1—8. 【l 51甘甫平,壬润生,郭小方,等.高
high

分辨率遥感在地质应用中的关键技术及前 景【J】.世界地质,2004,23(1):45-49. 【26】Francesco
selection in Markov

Lagona.Adjacency
Random Fields for hyperspectral data

spatial resolution

【J】.Geograph Syst,2002(4):53-68. 分类方法研究综述【J】.
2005,2:l一6.

【27】李石华,王金亮,毕艳.遥感图像 国土资源遥感, 【28】王国明,孙立新.高光谱遥感影

像优化分类波段选择【J】.东北测绘,1999,
22:2l-23.

【29】Allan Aasbjerg
metric Full and Irerated in Multi-and

Nielsen.Spectral

Mixture Analysis:Linear and Semi-para- Partial Unmixing Data

Hyperspectral Image

【J】.Mathematical Imaging and Vision.200l (15):17-37. 【30】修丽娜,刘湘南.人1=神经网络 遥感分类方法研究现状及发展趋势探析 【J】.遥感技术与应用,2003,l 8(5):339-
345.

【3l】张连蓬.基于投影寻踪和非线性主 曲线的高光谱遥感图像特征提取及分类研 究【D】.山东:山东科技大学,2003.
and

光谱遥感信息提取与地质应用前景一一以
青藏高原为试验区【J】,国土资源遥感,
2000。3:38-44.

【32】Shailesh Kumar,Joydeep Ghosh Melba M.Crawford.Hierarchical
of Multiple Data Classifiers for

Fusion

Hyperspectral
220

Analysis[J】.Pattern

[16】王青华,王润生,郭小方.高光谱遥 感技术在岩石识别中的应用【J】.国土资源 遥感,2000,4:39-43. 【l 7】刘建贵,张兵,郑兰芬,等.城乡 光谱数据在城市遥感中的应用研究[J】.遥 感学报,2000,4:22l-228 【l 8 J梅安新,彭望碌,秦其明,等.遥 感导论【M】.北京:高等教育出版社.2002. 【19】荆凤,陈建平.矿化蚀变信息的遥 感提取方法综述[J】.遥感信息,2005,2:62-
65.

Analysis&Application,2002(5):210- 【331谭璐,易东云,冯国柱,等.局部不 变投影[J】.自然科学进展,2004,14(3):
282-287.

5结语
过去几十年高光谱遥感已经在各方面 有了很大的应用,高光谱技术从遥感的角 度提供了大尺度获取地面光谱数据的手 段,为人们宏观分类识别地物提供r基 础。但是人们在获取大量高光谱罔像数据 的同时,也面临着如何最大程度地利用这 些海量数据的难题,关于高光谱分类与信 息提取的技术,虽然取得了一些进展,但 是从总体上仍落后于传感器的发展,因此 对于高光谱分类与信息提取还有很大的空 间值得去研究。

【34】李智勇,郁文贤,匡纲要,等.基

于高维几何特性的高光谱异常检测算法研
究[J】.遥感技术与应用,2003,18(6):379-
383.

[35】周晓云,孙志挥,张柏礼.一种大 规模高维数据集的高效聚类算法[J】.应用 科学学报.2006,24(4):396-400. 【36】易尧华.基于投影寻踪的多(高) 光谱影像分析方法研究【D】.武汉:武汉大 学,2004. 【37】Hughes G F.On the mean
curacy ac-

【20】耿修瑞,张兵,张霞,等.一种基于 高维空间凸面单形体体积的高光谱}睾I像解

混算法[J】.自然科学进展,2004,14(7):
8lO一814.

【2l】CARL J.LEGLEITER.Spec-
trally Driven

【参考文献】
【l】童庆禧,张兵,郑兰芬.高光谱遥感 的多学科应用【M】.北京:电子工业出版社。
2006:1-54.

Resolution.Hupe础tral
for Mapping In-Stream ronmental 4l 1.

Classification of High Spatial Imagery:A T00l

of

statistical pattern

recognizers

【J】.IEEE Trans.Info.Theory,1968,14 (1X 55~63. 【38】Friedman J H,Tukey J W.A projection pursuit algorithm for explor-
data analysis[J】.IEEE Trans. Comput.,1974,23(1X 88l~889.
atory

Habitat【J1.Envi—

Management。2003,32(3):399-

【2】许卫东.高光谱遥感分类与提取技 术【J】.红外(月刊),2004,28-34. 【3】薛利红,罗卫红,曹卫星,等.作物水 分和氧素光谱诊断研究进展【J】.遥感学报, 2003,7(1):73-80 【4】金震字,田庆久,惠凤鸣,等.水稻叶 绿素浓度与光谱反射率关系研究[J】.遥感 技术与应用,2003,18(3):l 34-137. 【5】N.H.Younan,R.L.King,H.H.
Bennett.and JR.Classification of Comparative Hyper spectral Data:A Precision

【22】甘甫平,王润生,马蔼乃,等.基 中国 于光谱匹配滤波的蚀变信息提取【J】. 图像图形学报,2003。8(A)(2):147-150. [23】李新双,张良培,李平湘.基于小 波分量特征值匹配的高光谱影像分类[J】. 武汉大学学报?信息科学版,2006,3l(3):
274-277.

【24】P.Goovaerts.Geostatistical
corporation supervised of spatial coordinates classification of

in— into

Study【J】,

hyperspectral

Agriculture。2004(5):4l-53. 【6】程乾,黄敬峰.王人潮,等.MODIS植

data【J1.Geograph Syst,2002。(4):99-
111.

被指数与水稻叶面积指教及叶片叶绿素舍

【25】刘汉湖。杨武年,沙晋明.高光谱

36

数字技术与应用

万方数据

高光谱遥感分类与信息提取综述
作者: 作者单位: 刊名: 英文刊名: 年,卷(期): 黄玮 南京信息工程大学,南京,210044 数字技术与应用 DIGITAL TECHNOLOGY AND APPLICATION 2010(5)

参考文献(38条) 1.N.H.Younan;R.L.King;H.H.Bennett Classification of Hyper spectral Data:A Comparative Study 2004(05) 2.金震宇;田庆久;惠凤鸣 水稻叶绿素浓度与光谱反射率关系研究[期刊论文]-遥感技术与应用 2003(03) 3.薛利红;罗卫红;曹卫星 作物水分和氮素光谱诊断研究进展[期刊论文]-遥感学报 2003(01) 4.童庆禧;郑兰芬;王晋年 湿地植被成像光谱遥感研究 1997(01) 5.谭衢霖;邵芸 遥感技术在环境污染监测中的应用[期刊论文]-遥感技术与应用 2000(04) 6.李素菊;吴倩;王学军 巢湖浮游植物叶绿素含量与反射光谱特征的关系[期刊论文]-湖泊科学 2002(03) 7.方红亮;田庆久 高光谱遥感在植被监测中的研究综述[期刊论文]-遥感技术与应用 1998(01) 8.赵德华;李建龙;宋子键 高光谱技术提取植被生化参数机理与方法研究进展[期刊论文]-地球科学进展 2003(01) 9.Friedman J H;Tukey J W A projection pursuit algorithm for exploratory data analysis 1974(01) 10.Hughes G F On the mean accuracy of statistical pattern recognizers[外文期刊] 1968(01) 11.易尧华 基于投影寻踪的多(高)光谱影像分析方法研究 2004 12.周晓云;孙志挥;张柏礼 一种大规模高维数据集的高效聚类算法[期刊论文]-应用科学学报 2006(04) 13.李智勇;郁文贤;匡纲要 基于高维几何特性的高光谱异常检测算法研究[期刊论文]-遥感技术与应用 2003(06) 14.谭璐;易东云;冯国柱 局部不变投影[期刊论文]-自然科学进展 2004(03) 15.Shailesh Kumar;Joydeep Ghosh;Melba M.Crawford Hierarchical Fusion of Multiple Classifiers for Hyperspectral Data Analysis 2002(05) 16.张连蓬 基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究 2003 17.修丽娜;刘湘南 人工神经网络遥感分类方法研究现状及发展趋势探析[期刊论文]-遥感技术与应用 2003(05) 18.Allan Aasbjerg Nielsen Spectral Mixture Analysis:Linear and Semi-parametric Full and Irerated Partial Unmixing in Multi-and Hyperspectral Image Data[外文期刊] 2001(15) 19.王国明;孙立新 高光谱遥感影像优化分类波段选择[期刊论文]-东北测绘 1999(4) 20.张良培;郑兰芬;童庆禧 利用高光谱对生物变量进行估计[期刊论文]-遥感学报 1997(02) 21.程乾;黄敬峰;王人潮 MODIS植被指教与水稻叶面积指教及叶片叶绿素含量相关性研究[期刊论文]-应用生态学报 2004(08) 22.许卫东 高光谱遥感分类与提取技术 2004 23.李石华;王金亮;毕艳 遥感图像分类方法研究综述[期刊论文]-国土资源遥感 2005(2) 24.Francesco Lagona Adjacency selection in Markov Random Fields for high spatial resolution hyperspectral data 2002(04) 25.刘汉湖;杨武年;沙晋明 高光谱分辨率遥感在地质应用中的关键技术及前景[期刊论文]-世界地质 2004(01) 26.P Goovaerts Geostatistical incorporation of spatial coordinates into supervised classification of hyperspectral data 2002(04) 27.李新双;张良培;李平湘 基于小波分量特征值匹配的高光谱影像分类[期刊论文]-武汉大学学报(信息科学版)

2006(03) 28.甘甫平;王润生;马蔼乃 基于光谱匹配滤波的蚀变信息提取[期刊论文]-中国图象图形学报 2003(02) 29.CARL J.LEGLEITER Spectrally Driven Classification of High Spatial Resolution,Huperspectral Imagery:A Tool for Mapping In-Stream Habitat[外文期刊] 2003(03) 30.耿修瑞;张兵;张霞 一种基于高维空间凸面单形体体积的高光谱图像解混算法[期刊论文]-自然科学进展 2004(07) 31.荆凤;陈建平 矿化蚀变信息的遥感提取方法综述[期刊论文]-遥感信息 2005(2) 32.梅安新;彭望碌;秦其明 遥感导论 2002 33.刘建贵;张兵;郑兰芬 城乡光谱数据在城市遥感中的应用研究 2000 34.王青华;王润生;郭小方 高光谱遥感技术在岩石识别中的应用[期刊论文]-国土资源遥感 2000(4) 35.甘甫平;王润生;郭小方 高光谱遥感信息提取与地质应用前景--以青藏高原为试验区[期刊论文]-国土资源遥感 2000(3) 36.夏德深;李华 国外灾害遥感应用研究现状[期刊论文]-国土资源遥感 1996(03) 37.陈楚群;潘志林;施平 海水光谱模拟及其在黄色物质遥感反演中的应用[期刊论文]-热带海洋学报 2003(05) 38.童庆禧;张兵;郑兰芬 高光谱遥感的多学科应用 2006

本文链接:http://d.g.wanfangdata.com.cn/Periodical_szjsyyy201005086.aspx


相关文章:
高光谱遥感分类与信息提取综述
摘要:本文从高光谱遥感图像的特点与性质入手,介绍了高光谱遥感的应用情况;并对目前所 采用的高光谱遥感图像分类与信息提取的算法 ,以及这些算法的优劣进行综述;接着...
高光谱遥感综述
高光谱遥感及其发展与应用综 高光谱遥感及其发展与应用综述 发展与应用摘要:高...分类识别特征,可以采用光谱诊断特征,也可以进行特征 选择与提取。 (4)地形要素...
遥感典型地物提取综述
考虑地物光谱多样性的遥感影像典型地物 提取方法综述 摘要光谱信息遥感影像用于分类、地物提取和目标识别的最主要信息,然而在 遥感高精度分类研究中,特别面对大...
AVIRIS高光谱遥感数据的植被信息提取
AVIRIS高光谱遥感数据的植被信息提取_天文/地理_自然科学_专业资料。AVIRIS 高光谱...基础上采用监督分类为主、 目视解译为辅的信息提取方法,在ENVIERDAS遥感图像...
高光谱研究综述
高光谱遥感应用研究综述张 勇 (浙江师范大学 地理...光谱测量,同时制作了研究区内极为详细的植被分类图[...地物特征信息提取为目标的高光谱 遥感信息处理和定量...
高光谱目标检测文献综述
综述报告 1 前言 20 世纪80 年代遥感领域最重要的发展之一就是高光谱遥感的...基于核方法的非线性特征提取与分类, 为高光谱影像分析提供了一条新的途 径。 ...
中英文翻译高光谱遥感信息中的特征提取与应用研究
中英文翻译高光谱遥感信息中的特征提取与应用研究_信息与通信_工程科技_专业资料...如今, 在光谱的研究 主要集中在波段选择组合,图像分类,混合像元分解和他人,...
高光谱应用研究综述
高光谱遥感应用研究综述张 勇 (浙江师范大学 地理...光谱测量,同时制作了研究区内极为详细的植被分类图[...地物特征信息提取为目标的高光谱 遥感信息处理和定量...
高光谱遥感的应用
本文综述成像光 谱遥感技术的发展,理论基础,方法技术...关键词:高光谱;遥感 【中图分类号】 g642.4 【...在数据处理分析以及光谱信息提取上向模型化、 交互...
高光谱遥感技术的介绍及应用
高光谱遥感技术的介绍及应用_天文/地理_自然科学_专业...2) 、基于统计分析的图像分类和分析 基于统计分析的...矿物组成成分探测、矿物丰度 信息提取等矿物微观信息...
更多相关标签:
高光谱遥感图像分类 | 遥感分类提取精度评价 | 高光谱遥感 | 高光谱遥感及其应用 | 多光谱遥感 | 高光谱遥感图像下载 | 高光谱遥感图像 | 高光谱遥感技术 |