版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、目前,高光譜遙感技術已經被廣泛地應用在越來越多的領域中,比如溢油分析和綠色植物葉綠素估計。然而混合像元一直是該類問題研究中的一個難點問題。為了分解混合像元,人們常常采用原始的最小二乘法。然而該方法的計算過程涉及到大量的矩陣運算,特別是對于含有大量波段的高光譜圖像,獲得我們需要的結果會花費很長的時間,使得該類方法不適用于實時性要求較高的場合。
基于對該問題的考慮,本文完成了一種新型快速端元豐度估計模型的搭建,并將其命名為基于
2、光譜特征的豐度估計模型AEMSC(Abundance Estimation Modelbased on Spectral Characteristics)。本文所做的主要工作有如下幾個方面:
首先,通過計算歸一化光譜角距離NSAM和歸一化光譜信息散度NSID來完成模型的搭建。利用合成的模擬數據,先計算混合像元與端元間的NSAM和NSID值,這樣就可以將其與對應的豐度值在坐標系中描點。然后,根據高次曲線擬合方式對兩者的關系進
3、行擬合,以獲得基于光譜特征的豐度估計模型AEMSC。
其次,為了測試和驗證模型的正確性,論文進行了油膜光譜曲線采集實驗。選取不同數量的擬合樣本搭建豐度估計模型,分別都得到一個預測誤差值,從而獲得不同擬合樣本數量所對應的誤差變化曲線,用以分析誤差隨擬合樣本數量的變化趨勢,從而更合理地選擇樣本數量。
最后,將該模型應用在蓬萊19-3C平臺實際高光譜溢油圖像上。預處理之后,分解其中的一小部分混合像元點就可以完成豐度
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 棉花黃萎病高光譜特征及其光譜診斷模型研究.pdf
- 基于非負矩陣分解與空間結構正則的光譜豐度估計研究.pdf
- 損傷紅棗的高光譜圖像特征光譜的提取研究.pdf
- 基于高光譜圖像的生菜氮素豐缺診斷研究.pdf
- 基于三維光譜模型的高光譜圖像壓縮方法的研究.pdf
- 基于HSI高光譜數據的水稻光譜特征分析與識別技術研究.pdf
- 種子高光譜圖像分割與特征光譜提取研究.pdf
- 基于多光譜圖像的高光譜圖像模擬研究.pdf
- 高光譜圖像的光譜解混模型與算法研究.pdf
- 基于光譜特性的高光譜圖像壓縮方法研究.pdf
- 基于深度學習的高光譜圖像特征學習研究
- 基于圖像特征分布的高光譜波段選擇研究.pdf
- 高光譜遙感圖像的特征約簡研究.pdf
- 基于高光譜遙感圖像的植被光譜特征分析及含水量反演.pdf
- 基于干涉成像光譜技術的高光譜圖像重構研究.pdf
- 基于高光譜圖像多特征分析的目標提取研究.pdf
- 基于深度特征編碼的高光譜圖像分類.pdf
- 基于光譜相關性的高光譜圖像光譜域去噪算法研究.pdf
- 基于地面高光譜的柑橘產量估算模型的研究.pdf
- 油菜的高光譜特征及其生理參數估算模型研究.pdf
評論
0/150
提交評論