發(fā)布時(shí)間：2018-04-28 08:01

  本文選題：平滑濾波 + 垂直條紋去除　； 參考：《中國(guó)地質(zhì)大學(xué)(北京)》2017年碩士論文

【摘要】：光譜匹配技術(shù)是成像光譜地物識(shí)別的關(guān)鍵技術(shù)之一,如何針對(duì)不同的應(yīng)用選擇不同的光譜匹配技術(shù)以及能否發(fā)展更完善的技術(shù)一直是人們研究的熱點(diǎn)。受限于青藏高原的特殊地理環(huán)境特點(diǎn),目前國(guó)內(nèi)對(duì)于青藏高原植被分類的研究較少,而植被類型及其變化對(duì)于青藏高原生態(tài)環(huán)境演變及其全球變化響應(yīng)研究又具有重要的意義。本文采用HJ-1A高光譜影像和ASD實(shí)測(cè)高光譜數(shù)據(jù)進(jìn)行了青藏高原可可西里典型區(qū)高原植被的識(shí)別與提取研究。首先對(duì)實(shí)測(cè)高光譜數(shù)據(jù)利用Savitzky-Golay濾波器進(jìn)行光譜數(shù)據(jù)的平滑與去噪處理;并采用全局去條紋法解決了HJ-1A高光譜數(shù)據(jù)存在的垂直條紋問(wèn)題;然后基于預(yù)處理后的實(shí)測(cè)波譜建立了高原植被光譜數(shù)據(jù)庫(kù);最后采用了交叉相關(guān)光譜匹配、光譜角匹配、光譜特征擬合、小波變換等多種光譜匹配方法對(duì)小蒿草、針茅、青藏苔草等高原植被進(jìn)行了匹配識(shí)別試驗(yàn)和提取效果對(duì)比研究。結(jié)果表明:(1)光譜特征參數(shù)和光譜吸收指數(shù)能較好的提取出綠色健康植被特有的光譜特征;交叉相關(guān)光譜匹配在進(jìn)行相近地物光譜的區(qū)分時(shí)需要有峰值和偏度系數(shù)的最優(yōu)權(quán)值;小波變換光譜匹配受限于光譜匹配數(shù)據(jù)的誤差閾值,對(duì)于青藏高原的復(fù)雜環(huán)境和衛(wèi)星遙感數(shù)據(jù)的低空間分辨率,小波變換光譜匹配方法的能力發(fā)揮有所局限;光譜角匹配和波譜特征擬合都是常見(jiàn)的光譜匹配方法,光譜角匹配更多地考慮了光譜的形狀特征,而光譜特征擬合著重于光譜的本質(zhì),更能有效地提取出具有明顯光譜吸收特征的地物光譜。(2)本文通過(guò)上述多種光譜匹配方法的試驗(yàn)對(duì)比,發(fā)現(xiàn)都能較好的識(shí)別出研究區(qū)小蒿草光譜;小波變換光譜匹配和光譜特征擬合都能較好的識(shí)別出研究區(qū)針茅光譜,交叉相關(guān)光譜匹配在針茅光譜與青藏苔草光譜之間無(wú)法區(qū)分;最后,采用光譜角填圖方法提取了相應(yīng)研究區(qū)小蒿草和針茅的植被覆蓋區(qū)域,并用1:100萬(wàn)中國(guó)植被圖進(jìn)行了對(duì)比驗(yàn)證。
[Abstract]:Spectral matching technology is one of the key technologies in the recognition of imaging spectral features. How to select different spectral matching techniques for different applications and whether to develop more perfect techniques have been the focus of research. Limited by the special geographical environment characteristics of the Qinghai-Xizang Plateau, there are few researches on vegetation classification in China at present, and the vegetation types and their changes are of great significance to the study of the ecological environment evolution and the global change response of the Qinghai-Xizang Plateau. In this paper, HJ-1A hyperspectral image and ASD hyperspectral data are used to identify and extract vegetation in the typical area of Hoh Xili, Qinghai-Xizang Plateau. Firstly, the hyperspectral data are smoothed and de-noised by Savitzky-Golay filter, and the problem of vertical stripe in HJ-1A hyperspectral data is solved by global striping method. Then the vegetation spectral database of the plateau was established based on the measured spectrum after pretreatment. Finally, the cross correlation spectral matching, spectral angle matching, spectral feature fitting, wavelet transform and other spectral matching methods were applied to Artemisia annua and Stipa chinensis. The matching identification test and extraction effect of the vegetation in Qinghai-Xizang Plateau were studied. The results show that the spectral characteristic parameters and spectral absorption index can extract the special spectral characteristics of green and healthy vegetation, and the cross-correlation spectral matching needs the optimum weight of peak value and deviation coefficient when distinguishing the spectrum of similar ground objects. Wavelet transform spectral matching is limited by the error threshold of spectral matching data, which is limited to the complex environment of Qinghai-Xizang Plateau and the low spatial resolution of satellite remote sensing data, so the ability of wavelet transform spectral matching method is limited. Both spectral angle matching and spectral feature fitting are common spectral matching methods. Spectral angle matching takes more account of spectral shape features, while spectral feature fitting focuses on the essence of spectrum. In this paper, it is found that the spectrum of Artemisia annua in the study area can be better identified by the experimental comparison of various spectral matching methods mentioned above. Wavelet transform spectrum matching and spectral feature fitting can identify the spectrum of Stipa przewalskii, and cross-correlation spectrum matching can not be distinguished between the spectrum of Festuca and Qinghai-Xizang Carex. The vegetation cover areas of Artemisia annua and Stipa arundinacea were extracted by spectral angle mapping and compared with 1: 1 million Chinese vegetation map.
【學(xué)位授予單位】：中國(guó)地質(zhì)大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：Q948

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 方圣輝;龔浩;;動(dòng)態(tài)調(diào)整權(quán)重的光譜匹配測(cè)度法分類的研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年12期

2 范茁翁，金忠燦，余其錚，，韓志坤;紅外輻射加熱的幾個(gè)設(shè)計(jì)問(wèn)題[J];節(jié)能技術(shù);1994年05期

3 黃文鈺;尚海興;;基于小波變換的高光譜遙感影像光譜匹配技術(shù)研究[J];西北水電;2013年01期

4 王海濤,何平安,劉震亞,樓越煥;激光光刀法三維測(cè)量系統(tǒng)中的光譜匹配問(wèn)題[J];光學(xué)與光電技術(shù);2003年05期

5 李遂賢;廖寧放;孫雨南;;一個(gè)評(píng)價(jià)光譜估計(jì)精度的新參數(shù)[J];光譜學(xué)與光譜分析;2007年08期

6 劉永征;劉學(xué)斌;胡炳j;;用于干涉圖壓縮容限的光譜匹配研究[J];光電工程;2009年05期

7 胡友麗;袁銀麟;吳浩宇;鄭小兵;;光譜可調(diào)積分球光源的光譜匹配算法研究[J];應(yīng)用光學(xué);2014年03期

8 李鑫德;熱光轉(zhuǎn)換[J];稀土信息;1997年02期

9 狄慧鴿;劉磊;;激光助視下,光譜匹配系數(shù)的研究[J];光子學(xué)報(bào);2006年02期

10 王圓圓;陳云浩;李京;;基于支持向量機(jī)(SVM)特征加權(quán)/選擇的光譜匹配算法[J];光譜學(xué)與光譜分析;2009年03期

相關(guān)會(huì)議論文 前5條

1 黃文鈺;尚海興;;基于小波變換的高光譜遙感影像光譜匹配技術(shù)研究[A];陜西省水力發(fā)電工程學(xué)會(huì)第三屆青年優(yōu)秀科技論文集[C];2013年

2 張建生;孫傳東;陳良益;盧笛;;光譜匹配對(duì)水下微光光電成像系統(tǒng)的影響[A];西部大開(kāi)發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

3 唐衛(wèi)華;安橋石;海杰峰;葛桂冬;俞江升;張福俊;;光譜匹配的二元供體材料設(shè)計(jì)及單層器件[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第25分會(huì)：有機(jī)光伏[C];2014年

4 龍波;王銳;楊明江;;利用高光譜數(shù)據(jù)創(chuàng)建GIS圖層研究[A];第四屆海峽兩岸GIS發(fā)展研討會(huì)暨中國(guó)GIS協(xié)會(huì)第十屆年會(huì)論文集[C];2006年

5 劉漢湖;楊武年;;高光譜分辨率遙感在地質(zhì)應(yīng)用中的關(guān)鍵技術(shù)及前景[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

相關(guān)碩士學(xué)位論文 前5條

1 石俊峰;高光譜吸收峰的特征定量化分析方法研究[D];杭州電子科技大學(xué);2016年

2 李新雙;光譜數(shù)據(jù)庫(kù)的設(shè)計(jì)及光譜匹配技術(shù)研究[D];武漢大學(xué);2005年

3 劉偉;基于光譜特征分析的匹配與分類技術(shù)研究[D];解放軍信息工程大學(xué);2008年

4 楊瑩;基于PDA的影像光譜匹配研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2009年

5 蔡建亮;Cr~(3+)激活的農(nóng)用膜轉(zhuǎn)光劑材料的制備及其發(fā)光性能[D];暨南大學(xué);2014年

本文編號(hào)：1814444