时空信息辅助下的高光谱数据挖掘
发布时间:2016-11-30来源:花都集团
该篇论文在第一章高光谱遥感综述的基础上,利用第二章和第三章,就高光谱数据的定量化和参量化、高光谱图像分类与地物识别这两个关键的高光谱信息处理技术环节进行论述.它们在总结国内外研究成果的基础上,提出了作者自己的研究思路和研究成果,这也为后两章研究内容的展开提供了数据处理和分析的技术铺垫.第四章和第五章就时间和空间信息辅助下的高光谱遥感数据挖掘问题进行系统化地研究和论述,这两章内容拟在探讨以高光谱图像数据为核心的前提下,面对不同的问题,如何从不同角度发挥空间和时间辅助信息的作用,以更加有利于高光谱遥感应用研究的... 该篇论文在第一章高光谱遥感综述的基础上,利用第二章和第三章,就高光谱数据的定量化和参量化、高光谱图像分类与地物识别这两个关键的高光谱信息处理技术环节进行论述.它们在总结国内外研究成果的基础上,提出了作者自己的研究思路和研究成果,这也为后两章研究内容的展开提供了数据处理和分析的技术铺垫.第四章和第五章就时间和空间信息辅助下的高光谱遥感数据挖掘问题进行系统化地研究和论述,这两章内容拟在探讨以高光谱图像数据为核心的前提下,面对不同的问题,如何从不同角度发挥空间和时间辅助信息的作用,以更加有利于高光谱遥感应用研究的发展.归纳起来,该研究在高光谱信息处理与提取领域取得了如下几点进展:(1)在光谱特征选择方面,提出了高光谱图像波段选择和目标在图像中快速查找技术.在光谱特征提取和光谱减维方面给出了多种光谱参量化方案.结合高光谱地质遥感和地层分析的应用实际,首次提出了光谱柱状图的概念.它通过变差分析技术放大了相似沉积地层的光谱差异,将光谱曲线变换成彩色光谱条码,从而建立起新疆吐鲁番背斜14套地层的光谱柱状图.(2)该论文在实践和分析前人高光谱图像分类方法的基础上,提出了特征优化的专家决策分类算法.这种算法主要体现了两大原则,一是基于待分类别的光谱特征优化与参量化原则,二是类别判定中的模糊定义与专家决策原则.论文给出了这种算法的普遍性运算流程,并通过与其它几种方法的对比显示了它的优越性.(3)该论文在高光谱伪装探测方面比较了几种不同伪装材料的光谱曲线数据,说明了在短波红外鲜活植被所特有的液态水吸收光谱特征是很难模拟的,说明了在短波红外鲜活植被所特有的液态水吸收光谱特征是很难模拟的,这将成为植被伪装识别的重点.同时,该文在北京亚运村地区基于凸面几何体投影变换技术成功地完成了建材市场屋顶板材的高光谱探测.(4)该论文在植被光谱特征分析与高光谱植被指数构建基础上,将多时相的高光谱图像立方体变换或多时相指数图像立方体(MIIC),并利用MIIC模型分析了日本生菜、中国大白菜、氮与水胁迫下的小麦生化参量时空变化规律.(5)该论文在空间信息辅助下的高光谱数据挖掘方面,提出了基于图像光谱复原的空间域遥感数据融合模型、像元空间关联分析模型、图斑级光谱分解与分类模型、DGM辅助高光谱图像分析模型.它们分别从四个方面论述了空间辅助信息在高光谱遥感数据处理与应用中的作用.
目录概览
目录概览 时空信息辅助下的高光谱数据挖掘 目次
封面
文摘
英文文摘
+第一章高光谱遥感综述
1.1引言
1.2高光谱遥感的物理基础
+1.3成像光谱仪基本原理
1.3.1简介
1.3.2摆扫型成像光谱仪
1.3.3推扫型成像光谱仪
1.4高光谱数据处理技术发展
1.5研究重点与论文结构
+第二章高光谱遥感数据定量化与参量化
+2.1高光谱数据定标
2.1.1概述
2.1.2地面光谱测量与高光谱遥感
2.1.3大气影响消除和表观反射率转换
2.1.4光谱图像后处理
+2.2混合光谱分析
2.2.1混合光谱机理
2.2.2线性光谱分解
+2.3光谱特征选择与特征提取
2.3.1特征选择
2.3.2特征提取
2.3.3光谱特征参量化
2.3.4地层光谱柱状图
2.4小结
+第三章高光谱图像分类与地物识别
+3.1高光谱图像分类
3.1.1传统的遥感图像分类
3.1.2特征优化的专家决策分类
3.2高光谱遥感伪装探测与目标识别
3.3专题信息与图像数据的综合表达
3.4小结
+第四章时间信息辅助下的高光谱植被遥感
4.1植被的光谱特性
4.2植被光谱分析
4.3高光谱植被指数构建
4.4多时相指数图像立方体
4.5高光谱植被指数时间序列分析
4.6小结
+第五章空间信息辅助下的高光谱遥感数据分析
5.1数据级融合与特征级融合
5.2高光谱与高空间图像数据级融合
5.3像元空间关联下的高光谱数据分析
5.4空间信息支持下的图斑级光谱分解与分类
5.5数字地貌模型与高光谱图像分析
5.5.3 DGM支持下的像元光谱分解与亚像元定位
5.5.4模糊数学理论指导下的DGM辅助高光谱数据分类
5.6小结
第六章总结与展望
参考文献(References)
附录
致谢