热红外高光谱图像非均匀性校正方法研究

热红外高光谱成像因其被动成像、全天候工作等诸多优点,在军事和民用领域得到了日益广泛的应用,但国内受限于热红外面阵探测器、深低温光学系统等关键技术,少有基于实用样机高光谱数据集的数据处理研究。现以国内首次研制的实用热红外高光谱成像系统为依托,研究了一套相关的高光谱数据处理方法,为进一步光谱数据应用打下了基础。     

基于广义判别分析的高光谱影像特征提取

为提高高光谱影像地物识别的精度与速度,采用基于核方法的广义判别分析进行高光谱影像的非线性特征提取.研究了广义判别分析的数学模型、模型求解方法及特征提取过程,并进行了高光谱影像特征提取与分类实验.结果表明:样本点在特征空间中,同类目标大体聚集成团,异类彼此分离,具有良好的紧致性,特征提取结果优于线性判别分析结果.     

基于改进的最小二乘支持向量机的高光谱遥感图像分类

支持向量机因其适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法.核函数是支持向量机的核心,核函数分为局部核函数与全局核函数两大类,不同的核函数将产生不同的分类效果.核函数也是支持向量机理论中比较难理解的一部分.在基本核函数中引入光谱匹配识别中的典型方法--光谱角度匹配法(SAM法),兼顾到光谱亮度与光谱向量方向的距离测度,结合最小二乘支持向量机,通过与传统SVM分类方法的比较,证明这种方法的有效性.     

SAM和决策树结合的Hyperion数据分类方法

在地面实测波谱分析的基础上，采用决策树对波谱角（SAM）分类方法进行改进，自动地进行波谱角阂值选择，提出一种新的基于SAM和决策树相结合的综合分类模型。该模型用于云南鹤庆地区土地覆被信息提取，并与最大似然分类法（MIC）的分类结果进行比较。结果表明，就每一类型而言，SAM结合决策树分类的分类精度较高；最大似然法监督分类总体精度为79．4％，SAM结合决策树分类的综合分类模型总体精度为88．5％，比监督分类精度高9．9％。     

基于子空间表示和加权低秩张量正则化的高光谱图像混合噪声去除方法

针对高光谱图像中存在混合噪声的问题, 提出一种基于子空间表示和加权低秩张量正则化的方法去除高光谱图像中的混合噪声. 子空间表示利用光谱频带之间的相关性, 选取合适的正交矩阵, 将高光谱图像投影到低维子空间中, 使提出的算法具有较低的复杂度, 简化去噪过程的同时去除图像中的部分噪声. 去噪过程基于从简化图像中提取的低秩张量进行, 引入加权低秩张量正则化项表征简化图像子空间的先验信息, 基于Tucker分解中核范数的物理意义构建合理的加权机制, 保留高光谱图像的内在结构相关性. 并且设计了一种基于迭代最小化的方法, 用于求解提出的非凸去噪模型. 在模拟和真实数据集上的实验结果表明, 该子空间表示和加权低秩张量正则化方法在定量和定性分析上都取得了较好的去噪效果.     

基于高分五号卫星数据的红树林群落光谱特征分析

为解决高分五号(GF-5)高光谱数据空间分辨率较低的问题，本研究采用葛拉姆-施密特(Gram-Schmidt, GS)正交变换融合算法对GF-5高光谱数据与高分二号(GF-2)数据进行空谱融合，利用1 m分辨率的GF-5高光谱数据结合实地样本数据提取不同红树林群落与互花米草群落的平均反射率，通过包络线去除与一阶微分计算的方法分析不同红树林群落与互花米草群落的复合光谱特征，从光谱特征探讨红树林群落的可分性。结果表明，在原始光谱曲线680-900、980-1 320、1 530-1 750 nm区间4种群落的光谱差异最大；经过包络线去除与一阶微分计算后的4种群落的光谱反射率分别在1 170-1 400 nm与1 330-1 470 nm波长范围处表现出明显差异。综上可知，不同红树林群落与互花米草的光谱反射率在近红外波段范围内的差异性最大，近红外波段可作为识别不同红树林群落与互花米草的优势波段。