基于光谱重建的高光谱特征参数选择方法--以苏北地区Hyperion数据为例

详细信息    查看全文 | 下载全文 | 推荐本文 |

• 作者：Li Xianbin李显彬Jiang Xiaoguang姜小光Liu Liang刘亮Xi Xiaohuan习晓环Tang Lingli唐伶俐
• 会议时间：2006-08-11
• 关键词：遥感技术 ; 高光谱图像 ; 信息处理 ; 算法优化
• 作者单位：Li Xianbin(Academy of Opto-Electronics,Chinese Academy of Sciences,Beijing,100080;Graduate University of Chinese Academy of Sciences,Beijing,100049)李显彬(中国科学院光电研究院,北京100080;中国科学院研究生院,北京100049)Jiang Xiaoguang,Xi Xiaohuan(Academy of Opto-Electronics,Chinese Academy of Sciences,Beijing,100080)姜小光,习晓环(中国科学院光电研究院,北京100080)Liu Liang(National disaster reduction center of China,Beijing,100053)刘亮(民政部国家减灾中心,北京100053)Tang Lingli(China Remote Sensing Satellite Ground Station,CAS,Beijing,100086)唐伶俐(中国科学院中国遥感卫星地面站,北京100086)
• 母体文献：2006环境遥感学术年会论文集
• 会议名称：2006环境遥感学术年会
• 会议地点：银川
• 主办单位：中国地理学会
• 语种：chi

摘要

高光谱遥感能提供数十至数百个窄波段的光谱信息,依据地物的诊断性光谱特征进行地物识别。然而,高光谱遥感在提供丰富光谱信息的同时,波段间的相关性和冗余性制约着高光谱遥感的应用。因此,特征参数选择是高光谱遥感分类中最关键的环节之一。本文首先讨论EO-1/Hyperion的传感器特征,并对其L1R数据进行辐射校正、去条纹、Smile效应纠正等预处理工作。其次利用从图像中提取的典型地物的光谱曲线,采用光谱重建理论获得用于逼近光谱曲线的基函数及其对应的光谱区间。然后采用逐步增加光谱区间,并调整波段中心位置和宽度的方法,得到稳定的光谱区间。最后将光谱区间内的几个原始高光谱波段合成一个宽的波段,得到几个较宽波段的仿真图像,并对其进行分类。结果表明基于光谱重建的特征参数选择方法获得的分类总体精度高达92%,充分说明了该方法的有效性。