基于模糊神经网络的高光谱数据挖掘方法

分析了高光谱影像的数据特性，应用模糊聚类方法构造模糊神经网络，并将其结合进数据挖掘，对高光谱数据进行数据处理。     

基于ASTER影像的土壤流失方程植被覆盖因子估计

针对土壤流失方程中植被覆盖度遥感估计存在的方法不确定问题,利用ASTER影像数据,使用植被指数及混合像元线性分解方法,结合地面调查数据,对土壤流失方程中植被因子做了进一步的研究分析,改进了利用混合像元分解定量估计土壤流失方程植被覆盖因子的方法.     

基于单形体几何的高光谱遥感图像解混算法

提出一种新的基于单形体几何的高光谱遥感图像混合像元丰度估计算法.该算法的目标是在已知端元矩阵的基础之上,估计高光谱图像中各个观测像素点中每个端元的丰度.根据凸几何理论,基于线性混合模型的高光谱解混问题可以看成一个凸几何问题,其中端元位于包含整个高光谱数据集的单形体的顶点,而它们对应的重心坐标则可以看作各个观测像素的丰度.提出的方法由3部分组成,分别为基于单形体体积的重心坐标计算方法、距离几何约束问题和基于内点的单形体子空间定位算法.与其他基于单形体几何的算法相比,该方法具有诸多优点.Cayley-Menger矩阵的引入使得欧式空间上的运算转化为距离空间上的运算,在降低运算复杂度的同时很好地兼顾到数据集的几何结构.而且,单形体重心的使用确立了一种快速而精确的判断方法来确定观测像素所属的子空间,进而利用递归的思想得到丰度值.此外,算法核心仅仅涉及观测点与端元之间的距离,而与波段数无关.因此,该算法无须对数据执行降维处理,从而可以避免因数据降维而造成的有用信息的丢失.仿真和实际高光谱数据的实验结果表明,所提出的算法与同类其他优秀的算法如FCLS和SPU相比,具有更高的运算精度,同时在端元数目较小时具有较快的运算速度.     

热红外高光谱遥感回归分析定量反演石英含量

热液矿床是重要的矿床类型,包含金矿、铜矿、锡矿、铀矿、钨矿、铅锌矿等重要矿床。在多数情况下,热液活动造成其与围岩石英含量的差异。目前遥感技术仅能提取SiO_2含量(或相对含量)及其分布范围,难以精确反映石英含量的差异信息。通过分析JHU波谱库中不同矿物的光谱曲线以及其他多种含石英岩石和不含石英岩石的光谱曲线,区分了SiO_2光谱特征谱段和石英光谱特征谱段。使用热红外地面光谱仪102f实测样品光谱,通过线性回归方程统计出石英含量的计算公式。最后,通过热红外成像光谱仪(thermal airborne hyperspectral imager,TASI)提取研究区石英含量来验证公式的正确性,并得到野外验证。得出结果:8.6μm处的发射峰是8~11.5μm范围内石英唯一明显的光谱特征,其发射峰的凸显程度与石英含量呈正相关关系。     

基于经验线性法的Hyperion影像大气校正

选取影像覆盖区域的地物分别作为亮目标和暗目标,选取非影像覆盖区域的同名地物为目标物,基于经验线性(ELC)法对Hyperion影像进行大气校正.结果表明,包含大部分植被信息的混合像元中绿色植被光谱特征清晰可见,植被绿色反射峰、近红外波段反射平台以及短波红外小反射峰等现象十分明显.运用该方法对缺乏实时资料的卫星影像进行大气校正具有一定的适用性.     

融合植被指数的3 D-2D-CNN高光谱图像植被分类方法

对于基于高光谱图像的植被分类,利用三维卷积神经网络和空谱结合可以取得良好的效果。但存在计算代价大、参数过多容易过拟合等问题。基于此,设计了一种三维卷积与二维卷积相结合的深度网络,通过数据分块的思想减小了计算量;并提出了一种融合植被指数的特征提取方法,改善了现阶段因高光谱图像样本数量少、光谱层间信息相关度高,造成的容易过拟合的问题。在植物园数据集、IP数据集和PU数据集上的实验结果表明该算法以较低的计算复杂度取得了出色的分类效果,具有较好的应用价值。     

近红外高光谱大米典型特征提取分类识别

针对大米近红外高光谱特征轮廓不清导致有效信息损失与有损化品质检测的问题, 提出一种基于掩膜下能量泛函活动轮廓波的大米高光谱典型特征区域提取算法组合模型. 该方法对目标样本形态学区域与几何形心点进行高光谱谱段信息对比寻优建模, 对4个产地、3种品质大米进行泛化性可视判别. MATLAB实验结果表明, 对不同品质大米典型特征区域的光谱信息进行建模对比, 形态学感兴趣区域识别准确率更高, 泛化预测集精度为94.84%, 优化了近红外高光谱大米典型特征区域择优建模问题, 实现了大米快速无损化品质检测.     

光谱分数阶微分与玉米叶片重金属铜含量的相关性分析

常用的整数阶一阶和二阶微分光谱曲线差异较大,而分数阶微分可实现光谱信息细化,能将整数阶微分容易忽略的信息充分利用起来,更能深度挖掘光谱中的潜在信息。以重金属铜胁迫的盆栽玉米为研究对象,在玉米叶片受不同浓度CuSO_4胁迫下,光谱反射率和Cu~(2+)含量的实验室测量数据基础上,对光谱反射率进行0~1内0.1阶的11个阶次微分处理,将各阶次的微分值与测得的玉米叶片中Cu~(2+)含量进行相关性分析;并对各阶次的微分光谱值进行0.01和0.05显著性水平的检验。分析结果表明,与常用的一阶微分相比,分数阶微分可以突显某些波段的光谱反射率与叶片中Cu~(2+)含量的相关性,扩大特征波段的选择空间。     

高光谱识别目标的光谱分离分析方法

介绍了线性混合光谱模型,提出了一种分析复合光谱的方法-通过已有的光谱数据库,利用约束最小二乘法分离出像元组份,并能计算像元组份比,对此进行实验,验证了其可行性,并分析了一个30通道的遥感图像。实验以及图像分析的结果表明此种方法能用来分析混合像元问题,即能分离出像元组份,计算出像元组份比获昨比值图像,能利用高光谱数据识别小于地面像元的目标。     

基于多分类器融合的高光谱图像分类研究

针对由于高光谱图像存在数据量大、数据相关性强、图谱合一等特点导致高光谱图像分类难度较大的问题,构建一种基于多分类器融合的高光谱图像分类模型.该模型首先使用双边滤波算法进行去噪处理,然后使用LDA算法与PCA算法相结合、单独PCA算法、Gabor滤波与PCA算法相结合三种方式分别对数据进行降维与特征提取,并分别使用SVM...