论文部分内容阅读
本文为快速、准确从影像中提取地物信息,识别不同的物质,揭示其差异,对传感器波段、遥感影像特征、地物光谱特性三个方面进行深入的了解和分析。研究区进行了刺槐和沙棘等冠层光谱实验,并获取了准同步GF-1数据,在测量地物物参数和构建波谱库的基础上,利用多时相GF-1遥感数据,探讨了实验区地物精细分类。(1)开展黄土高原小流域羊圈沟典型植被现场光谱测量,得到对研究区典型植被类型光谱特征代表性好的光谱数据,将光谱仪野外采集的地物灰度值数据DN转换成目标地物的反射率数据。为了减小原始数据存在一定的误差,保证光谱数据的有效性,对地物野外采集的光谱数据的进行预处理包括:光谱均值处理、光谱数据转换、Savitzky-Golay光谱平滑去噪、水汽吸收波段剔除。对处理后的刺槐、沙棘等五种典型植被的光谱分析,为了更好地定量描述各植被差异,又开展了一阶导数分析,对各植被的特征参数做个详细的计算,最后利用欧式距离对特征波段进行精度检校,通过开展典型植被的光谱特征分析,研究典型植被类型的光谱特征差异。有效的建立了地面光谱数据。(2)GF-1卫星遥感数据为遥感信息源,对遥感图像进行辐射定标,大气校正以及图像融合等。通过对GF-1影像数据的特征分析,计算图像各波段的最大与最小值、均值、标准差熵以及波段之间的协方差矩阵相关系数、联合熵以及最佳指数OIF指数。通过分析影像统计特征值,进而为影像的波段组合选择与各种分析处理提供相应的基础依据。(3)通过实地记录的样本并结合假彩色遥感图像上各地物表现出的不同特征,目视解译判读,在遥感影像上建立训练区,通过反复调整,对研究区进行监督分类;并将监督分类的结果作为决策树分类中的一个图层进行分类;利用面向对象分类;光谱结合纹理SVM分类方法、多分类器集合方法对研究区地物进行精细分类。(4)应用混淆矩阵,计算分类精度方法对图像分类效果进行评价。