版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、高光譜遙感在地質(zhì)勘探、監(jiān)測(cè)地球環(huán)境和指導(dǎo)農(nóng)業(yè)生產(chǎn)等領(lǐng)域發(fā)揮著重要的作用,對(duì)光譜數(shù)據(jù)進(jìn)行信息挖掘是遙感應(yīng)用的前提和基礎(chǔ)。在高光譜數(shù)據(jù)獲取的過(guò)程中,由于受外界環(huán)境因素的影響,光譜數(shù)據(jù)往往會(huì)有一定的偏差,需要對(duì)其進(jìn)行必要的處理,同時(shí),由于遙感技術(shù)的發(fā)展,光譜數(shù)據(jù)呈現(xiàn)出波段多、數(shù)據(jù)量大的特點(diǎn),所以也要對(duì)光譜數(shù)據(jù)進(jìn)行特征提取,利用提取后的特征參量經(jīng)行分類處理。本文在研究高光譜成像特點(diǎn)的基礎(chǔ)上,對(duì)數(shù)據(jù)預(yù)處理和特征提取進(jìn)行了相關(guān)討論,在此基礎(chǔ)上對(duì)決策
2、樹(shù)分類和主成分分析方法進(jìn)行了深入研究,建立了分類處理模型,并應(yīng)用于光譜數(shù)據(jù)庫(kù)系統(tǒng)中。
本文的主要工作包括四個(gè)方面:
首先,在數(shù)據(jù)預(yù)處理與特征提取方面,根據(jù)高光譜的成像特點(diǎn),分析了巖礦和植被的光譜特性,研究了預(yù)處理在光譜數(shù)據(jù)處理方面的重要性,在預(yù)處理的基礎(chǔ)上,針對(duì)巖礦和植被分別探討了特征提取模型。
其次,以特征提取模型為基礎(chǔ)進(jìn)行特征提取,通過(guò)對(duì)提取的特征結(jié)果進(jìn)行統(tǒng)計(jì)分析,定性分析了特征參數(shù)對(duì)分類算
3、法的影響,并以植被和巖礦典型地物為例進(jìn)行了光譜特征提取分析,分析結(jié)果為特征分類提供了數(shù)據(jù)支持。
再次,在高光譜數(shù)據(jù)分類方面,結(jié)合所提取的光譜特征,分別從決策樹(shù)分類方法和主成分分析方法兩方面對(duì)高光譜數(shù)據(jù)分類進(jìn)行了研究。決策樹(shù)分類方法是基于光譜維特征信息能夠體現(xiàn)植被生理特性的基礎(chǔ)上,利用提取的八個(gè)特征參量進(jìn)行了分類算法的研究:主成分分析方法是基于主成分能夠突出感興趣的光譜特征,利用主成分中的前兩個(gè)主成分對(duì)巖礦進(jìn)行了分類研究。實(shí)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 高光譜數(shù)據(jù)庫(kù)的地物特征反演研究.pdf
- 高光譜數(shù)據(jù)庫(kù)及數(shù)據(jù)挖掘研究.pdf
- 56996.基于高光譜數(shù)據(jù)庫(kù)的光譜匹配技術(shù)研究
- 嵌入式高光譜數(shù)據(jù)庫(kù)的開(kāi)發(fā)及目標(biāo)分類應(yīng)用研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜數(shù)據(jù)分類方法研究.pdf
- 基于深度置信網(wǎng)集成的高光譜數(shù)據(jù)分類方法研究.pdf
- 基于元組匹配和錨特征的Deep Web數(shù)據(jù)庫(kù)分類研究.pdf
- 基于高光譜遙感數(shù)據(jù)的樹(shù)種組分類方法探討.pdf
- 基于流形學(xué)習(xí)的高光譜數(shù)據(jù)特征提取及分類.pdf
- 基于LSTSVM的高光譜圖像分類方法研究.pdf
- 基于譜域-空間特征的半監(jiān)督高光譜圖像分類方法研究.pdf
- 基于網(wǎng)絡(luò)數(shù)據(jù)庫(kù)的特征選擇.pdf
- 基于深度特征編碼的高光譜圖像分類.pdf
- 基于數(shù)據(jù)融合的高光譜遙感圖像分類研究.pdf
- 數(shù)據(jù)庫(kù)中字符型數(shù)據(jù)的加密方法研究.pdf
- 基于多核學(xué)習(xí)的高光譜數(shù)據(jù)分類技術(shù)研究.pdf
- 39751.基于高光譜數(shù)據(jù)的分類技術(shù)研究
- 基于模型特征的加工工藝數(shù)據(jù)庫(kù)的研究.pdf
- 轉(zhuǎn)子振動(dòng)信號(hào)特征數(shù)據(jù)庫(kù)架構(gòu)方法研究.pdf
- 基于主動(dòng)學(xué)習(xí)的高光譜圖像分類方法研究.pdf
評(píng)論
0/150
提交評(píng)論