<tt id="ebkip"><noscript id="ebkip"></noscript></tt>
    <source id="ebkip"></source>
    <rp id="ebkip"></rp>

  1. <ruby id="ebkip"></ruby>

      <s id="ebkip"><nav id="ebkip"><button id="ebkip"></button></nav></s><b id="ebkip"><tbody id="ebkip"></tbody></b>

      聚焦花都新聞 關注行業動態

      給您提供更精彩的花都故事和行業動態,工藝改良、產品更新、行業資訊,在這讀懂中國智造!

      時空信息輔助下的高光譜數據挖掘

      2016-11-30 06:06:40 來源: 閱讀數:1031

      該篇論文在第一章高光譜遙感綜述的基礎上,利用第二章和第三章,就高光譜數據的定量化和參量化、高光譜圖像分類與地物識別這兩個關鍵的高光譜信息處理技術環節進行論述.它們在總結國內外研究成果的基礎上,提出了作者自己的研究思路和研究成果,這也為后兩章研究內容的展開提供了數據處理和分析的技術鋪墊.第四章和第五章就時間和空間信息輔助下的高光譜遙感數據挖掘問題進行系統化地研究和論述,這兩章內容擬在探討以高光譜圖像數據為核心的前提下,面對不同的問題,如何從不同角度發揮空間和時間輔助信息的作用,以更加有利于高光譜遙感應用研究的... 該篇論文在第一章高光譜遙感綜述的基礎上,利用第二章和第三章,就高光譜數據的定量化和參量化、高光譜圖像分類與地物識別這兩個關鍵的高光譜信息處理技術環節進行論述.它們在總結國內外研究成果的基礎上,提出了作者自己的研究思路和研究成果,這也為后兩章研究內容的展開提供了數據處理和分析的技術鋪墊.第四章和第五章就時間和空間信息輔助下的高光譜遙感數據挖掘問題進行系統化地研究和論述,這兩章內容擬在探討以高光譜圖像數據為核心的前提下,面對不同的問題,如何從不同角度發揮空間和時間輔助信息的作用,以更加有利于高光譜遙感應用研究的發展.歸納起來,該研究在高光譜信息處理與提取領域取得了如下幾點進展:(1)在光譜特征選擇方面,提出了高光譜圖像波段選擇和目標在圖像中快速查找技術.在光譜特征提取和光譜減維方面給出了多種光譜參量化方案.結合高光譜地質遙感和地層分析的應用實際,首次提出了光譜柱狀圖的概念.它通過變差分析技術放大了相似沉積地層的光譜差異,將光譜曲線變換成彩色光譜條碼,從而建立起新疆吐魯番背斜14套地層的光譜柱狀圖.(2)該論文在實踐和分析前人高光譜圖像分類方法的基礎上,提出了特征優化的專家決策分類算法.這種算法主要體現了兩大原則,一是基于待分類別的光譜特征優化與參量化原則,二是類別判定中的模糊定義與專家決策原則.論文給出了這種算法的普遍性運算流程,并通過與其它幾種方法的對比顯示了它的優越性.(3)該論文在高光譜偽裝探測方面比較了幾種不同偽裝材料的光譜曲線數據,說明了在短波紅外鮮活植被所特有的液態水吸收光譜特征是很難模擬的,說明了在短波紅外鮮活植被所特有的液態水吸收光譜特征是很難模擬的,這將成為植被偽裝識別的重點.同時,該文在北京亞運村地區基于凸面幾何體投影變換技術成功地完成了建材市場屋頂板材的高光譜探測.(4)該論文在植被光譜特征分析與高光譜植被指數構建基礎上,將多時相的高光譜圖像立方體變換或多時相指數圖像立方體(MIIC),并利用MIIC模型分析了日本生菜、中國大白菜、氮與水脅迫下的小麥生化參量時空變化規律.(5)該論文在空間信息輔助下的高光譜數據挖掘方面,提出了基于圖像光譜復原的空間域遙感數據融合模型、像元空間關聯分析模型、圖斑級光譜分解與分類模型、DGM輔助高光譜圖像分析模型.它們分別從四個方面論述了空間輔助信息在高光譜遙感數據處理與應用中的作用.

      目錄概覽

      時空信息輔助下的高光譜數據挖掘 目次

      封面

      文摘

      英文文摘

      +

      第一章高光譜遙感綜述

      1.1引言

      1.2高光譜遙感的物理基礎

      +

      1.3成像光譜儀基本原理

      1.3.1簡介

      1.3.2擺掃型成像光譜儀

      1.3.3推掃型成像光譜儀

      1.4高光譜數據處理技術發展

      1.5研究重點與論文結構

      +

      第二章高光譜遙感數據定量化與參量化

      +

      2.1高光譜數據定標

      2.1.1概述

      2.1.2地面光譜測量與高光譜遙感

      2.1.3大氣影響消除和表觀反射率轉換

      2.1.4光譜圖像后處理

      +

      2.2混合光譜分析

      2.2.1混合光譜機理

      2.2.2線性光譜分解

      +

      2.3光譜特征選擇與特征提取

      2.3.1特征選擇

      2.3.2特征提取

      2.3.3光譜特征參量化

      2.3.4地層光譜柱狀圖

      2.4小結

      +

      第三章高光譜圖像分類與地物識別

      +

      3.1高光譜圖像分類

      3.1.1傳統的遙感圖像分類

      3.1.2特征優化的專家決策分類

      3.2高光譜遙感偽裝探測與目標識別

      3.3專題信息與圖像數據的綜合表達

      3.4小結

      +

      第四章時間信息輔助下的高光譜植被遙感

      4.1植被的光譜特性

      4.2植被光譜分析

      4.3高光譜植被指數構建

      4.4多時相指數圖像立方體

      4.5高光譜植被指數時間序列分析

      4.6小結

      +

      第五章空間信息輔助下的高光譜遙感數據分析

      5.1數據級融合與特征級融合

      5.2高光譜與高空間圖像數據級融合

      5.3像元空間關聯下的高光譜數據分析

      5.4空間信息支持下的圖斑級光譜分解與分類

      5.5數字地貌模型與高光譜圖像分析

      5.5.3 DGM支持下的像元光譜分解與亞像元定位

      5.5.4模糊數學理論指導下的DGM輔助高光譜數據分類

      5.6小結

      第六章總結與展望

      參考文獻(References)

      附錄

      致謝

      密集架3.0新升級!!!花都高精度人體識別技術的成功應用

      “義結金蘭,花開綻放” ——洛陽花都集團加入“金蘭組織”,攜手共建檔案行業信創新生態

      連續中標985、211名校!洛陽花都集團獲得高校檔案庫房建設青睞

      “你好,花都”,不僅僅是檔案庫房喚醒詞

      花都智能科技園奠基禮成 啟新集團智慧發展新未來

      全國分公司

      電話溝通

      在線咨詢

      字幕在线免费网站