论文部分内容阅读
随着信息技术和遥感技术的飞速发展带来了遥感数据源的极大丰富,每天都有庞大的不同高分辨率、高光谱的遥感数据为遥感定量化、动态化、网络化、实用化、产业化及利用遥感数据进行地物特征的提取,提供了丰富的数据源。中分辨率成像光谱仪(MODIS)是搭载在Terra和Aqua卫星上的一个重要的传感器。利用MODIS数据信息可以进行土地利用和土地覆盖研究、气候的季节和年际变化研究、自然灾害监测和分析研究、长期气候变率和变化以及大气臭氧变化研究等,最终实现对大气和地球环境变化的长期观测和研究的总体目标。MODIS图像分类是遥感应用系统中的关键技术之一,快速、高精度的MODIS图像分类算法是实现各种MODIS数据实际应用的前提,具有重要的理论研究及工程应用价值。本文工作概括如下：(1)去除Bowtie效应。针对Bowtie效应,本文提出了一种不基于传统星历表的Bowtie效应消除算法,该算法采用了相关系数法来确定每个扫描带的重复行数,根据不同分辨率的MODIS LIB数据分别采取一种相对应的较有效的重采样方法对图像进行重采样处理。通过与其他一些典型的去除Bowtie效应的算法的对比实验及分析,结果证明该算法不仅能够有效去除Bowtie效应,而且算法执行速度较快,具有较强的工程应用价值。(2)训练样本纯化。在选取样本后通过本文设计的样本纯化算法,采用均值-标准差的方式对样本进行纯化处理,得出质量更高的训练样本进行图像分类。(3)MODIS影像分类。本文提出一种监督分类算法,设计了一种特殊的判决函数,最后用训练好的判决函数去对其他待分像元进行分类,完成对整个图像的分类。在分类效果比较方面,本文通过与其他经典分类算法在目视解译、算法执行效率、误差矩阵三个方面来对算法进行评价,比较结果显示本文算法在执行速度以及分类精度具有较大优势。