排序方式: 共有20条查询结果,搜索用时 15 毫秒
11.
12.
13.
混合像元组分信息的盲分解方法 总被引:7,自引:0,他引:7
从混合像元中分解组分信息是遥感反演的重要内容.若遥感物理过程可用线性方程组表达,遥感测量信息矩阵就等于权重矩阵乘以混合像元的组分信息矩阵,一般认为,求解组分信息矩阵的前提是权重矩阵已知.利用盲分解方法则无需已知权重矩阵,直接将矩阵分解.其原理是利用了遥感可测信息矩阵大量样本的统计特性,获得分解所需的附加信息,给出组分信息矩阵和权重矩阵的估计值.但盲分解方法仅可以复原组分信息的波形,不能确定幅度.为得到混合像元的定量组分信息,文中选择作物-土壤混合像元为主要研究对象进行盲分解研究,解决了盲分解的幅度不确定性,并通过数值模拟和应用实验验证了该方法.研究表明盲分解可以成为遥感混合像元信息分解的有效工具之一,具有良好的应用前景. 相似文献
14.
将基于独立成分分析(independent component analysis,ICA)技术的盲分解方法(blind signal separation,BSS)应用于遥感混合像元的定量分解,解决了幅度不确定性问题,实现了从高光谱数据中同时得到定量的组分光谱信息和组分权重信息。通过数值模拟实验提出了光谱反演区间的选择方法,进一步完善了该算法,且讨论了算法的稳健性。以陕西省横山县为试验区,从HYPERION高光谱影像中反演了各像元的植被覆盖度,并利用SPOT5影像进行了精度验证,结果表明该方法具有较高的精度。 相似文献
15.
高光谱数据组分信息的盲分解方法 总被引:2,自引:0,他引:2
将基于独立成分分析(independent component analysis,ICA)技术的盲分解方法(blindsignalseparation,BSS)应用于遥感混合像元的定量分解,解决了幅度不确定性问题,实现了从高光谱数据中同时得到定量的组分光谱信息和组分权重信息。通过数值模拟实验提出了光谱反演区间的选择方法,进一步完善了该算法,且讨论了算法的稳健性。以陕西省横山县为试验区,从HYPERION高光谱影像中反演了各像元的植被覆盖度,并利用SPOT5影像进行了精度验证,结果表明该方法具有较高的精度。 相似文献
16.
1991年Labed等人提出了一个室内目标物方向发射率的被动测量公式.这个公式是以黑体背景辐射及目标温度(Tt)与背景目标(Tb)不同为前提条件,Tt与Tb的差越大,则越有利于提高测量精度.然而现实世界中只有近似黑体,尤其当Tt≠Tb时,“黑体背景”的要求就很难满足.在放弃“黑体背景”的前提条件下,引入有效发射率概念,重新推导了目标物方向发射率的被动测量公式,并为 Monte Carlo模拟和实测数据所证实.对 Labed等人所提供的实验结果重新予以解释,阐明了造成比,随θ增加而减少得更快的内在原因. 相似文献
17.
18.
不同叶面积指数反演方法比较研究 总被引:8,自引:0,他引:8
以PROSAIL模型模拟数据和地面实测数据为基础,分别分析了土壤背景、冠层反射率非各向同性以及随机噪声等因素对几类代表性反演方法的影响(植被指数法、二阶微分法、模型反演法以及方向性二阶微分法)。结果表明在不同条件下,各类反演方法的反演精度差别较大。植被指数NDVI对几种因素的滤除能力都较差,反演精度最低;模型反演精度高于植被指数方法,但会受到土壤背景的影响;二阶微分方法虽然能部分消除土壤背景的影响,但受冠层反射率非各向同性的限制。文中提出的方向性二阶微分法能较好地消除土壤背景和冠层反射率非各向同性的影响,反演精度较前者有所提高,但二阶微分方法易受噪声影响。 相似文献
19.
地表组分温度反演 总被引:9,自引:0,他引:9
在热辐射方向性规律的基础上,以喜直型连续植被为例,进行了大量的Monte Carlo模拟,建立了辐射亮度和组分温度、植被叶面积指数及土壤比辐射率之间的经验函数关系。采用遗传算法,从热红外2个波段2个角度数据中,同时反演混合像元组分温度、土壤比辐射率和叶面积指数等5个参数。通过对模拟的观测数据进行大量的遗传算法反演试验,结果表明,遗传算法反演组分温度非常稳健,在宽松的先验知识条件下,遗传算法可以解决不确定性反演问题。遗传算法反演结果和野外实测数据作了比较,证实了反演方法的正确性。为基于热红外方向性辐射模型反演地表组分温度,提供了新的实例。 相似文献
20.