基于高光譜遙感數(shù)據(jù)的樹種組分類方法探討

《基于高光譜遙感數(shù)據(jù)的樹種組分類方法探討》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術(shù)論文-天天文庫。

1、ZhejiangA&FUniversityDissertationfortheDegreeofMastert自TheExploreofForestTreeSpeciesDiscriminationBasedonHyperspectra!RemoteSensingDataCandidate：YULongAdviser：DingLi-Xia，ProfessorSpeciality：ForestManagementDateofSubmission：June9，2013iangA&FUniversityLin’an，Zh

2、ejiangprovince，P．R．China2013獨創(chuàng)性聲明本人聲明，所呈交的學位論文，在指導教師指導下，通過我的努力取得的成果，并且是自己撰寫的。盡我所知，除了文中作了標注和致謝中已經(jīng)作了答謝的地方外，論文中不包含其他人發(fā)表或撰寫過的研究成果，也不包含在浙江農(nóng)林大學或其他教育機構(gòu)獲得學位或證書而使用過的材料。與我一同對本研究做出貢獻的同志，都在論文中作了明確的說明并表示了謝意。如被查有嚴重侵犯他人知識產(chǎn)權(quán)的行為，由本人承擔應有的責任。學位論文作者親筆簽名：{孚i汪日期：．壓d轷論文使用授權(quán)的說明本人完全了

3、解浙江農(nóng)林大學有關保留、使用學位論文的規(guī)定，即學校有權(quán)送交論文的復印件，允許論文被查閱和借閱；學?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其他復制手段保存論文。保密，在——年后解密可適用本授權(quán)書?？诓槐Ｃ?，本學位論文屬于不保密。(請在方框內(nèi)打“√”)學位論文作者親筆簽名：≤￡乏L日期：)、指導教師親筆簽名：至函盈日期：醐綢肆小摘要隨著近年來高光譜技術(shù)的不斷發(fā)展，高光譜數(shù)據(jù)已經(jīng)越來越廣泛的應用于各行各業(yè)中。高光譜數(shù)據(jù)在林業(yè)中的應用在我國還尚處于起步階段，且研究多集中在對像元級別研究上，遠遠不能滿足實際需求

4、。如何能從高光譜數(shù)據(jù)快速準確提取森林樹種是本文探討的重點。本文從特征信息提取方法和分類方法兩方面分別探討森林樹種高光譜遙感分類問題。特征信息提取包括運用一階微分、二階微分、包絡線去除等方法對高光譜數(shù)據(jù)降維和基于圖像光譜數(shù)據(jù)的端元提取。分類方法主要分析比較最大似然法、波譜角填圖、線性混合像元分解等。高光譜數(shù)據(jù)憑借其光譜波段多，光譜分辨率高，圖譜合一等突出優(yōu)勢，為森林樹種的精確識別提供了可能，然而由于高光譜數(shù)據(jù)存在數(shù)據(jù)量大，數(shù)據(jù)冗余程度高等問題而使其應用受到了阻礙，本文運用原始光譜波段選擇、一階微分、二階微分、包絡線

5、消除等手段結(jié)合樣地數(shù)據(jù)，分析評價了有利于森林樹種識別的特征波段。準確的端元光譜是運用光譜角分類和線性混合像元分解分類方法應用的基礎。本文結(jié)合樣地調(diào)查數(shù)據(jù)，運用端元純凈指數(shù)方法提取了毛竹、雷竹、常綠闊葉林、落葉闊葉林、馬尾松的端元波譜。基于此，運用光譜角分類方法對四種特征波段圖像和原始圖像進行了樹種(組)的分類，同時運用線性光譜分解方法和最大似然法對原始圖像進行了樹種(組)的分類。結(jié)果均獲得不低于65％的分類精度及O．45以上的Kappa系數(shù)，均達到生產(chǎn)精度要求。通過分析比較各種數(shù)據(jù)處方式及分類方法對分類精度的影響

6、，發(fā)現(xiàn)基于原始光譜全波段數(shù)據(jù)的樹種分類(組)精度，波譜角分類方法效果最好，最大似然法次之。波譜角分類方法分別應用于四種波段特征提取方法得到的特征圖像和原始圖像進行樹種(組)分類的精度比較后發(fā)現(xiàn)，利用原始全波段數(shù)據(jù)得到的分類精度明顯高于特征波段選擇后的分類精度。這有異于一些文獻中得到的研究結(jié)論，說明在樹種分類時常規(guī)的一些波段特征選擇方法得到的特征波段并沒有完全體現(xiàn)不同樹種間差異。本文中所選擇的特征波段是10個左右，而原始波段有172個，選擇的波段數(shù)據(jù)偏少而使分類精度降低可能是一個原因?？偟膩碇v，運用高光譜遙感數(shù)據(jù)開

7、展樹種分類具有可行性，波譜角分類方法在山摘要區(qū)樹種(組)高光譜分類應用中有較好的表現(xiàn)。特征波段提取能夠減小高光譜數(shù)據(jù)的冗余度，但是使用不當會把一些有利于樹種(組)分類的信息摒棄，不利用于提高分類精度。關鍵詞：高光譜遙感；特征波段提?。欢嗽崛?；像元純凈指數(shù)；波譜角填圖；線性混合像元分解ABSTl乙氣CTABSTRACTWiththecontinuousdevelopmentoftohyperspectraltechnology，hyperspectraldatahavebeenwidelyusedinallwal

8、ksoflife．Hyperspectraldataintheapplicationofforestryinourcounh’ywasstillinitsinfancy，andtheresearchfocusedontheresearchonpixellevel，whichcannotsatisfytheactualdemand．HowtOextractforesttre