首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

高光谱吸收峰的特征定量化分析方法研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-16页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-14页
        1.2.1 高光谱遥感的发展现状第11-13页
        1.2.2 高光谱遥感的应用领域第13页
        1.2.3 高光谱图像匹配技术的研究现状第13-14页
    1.3 本文的研究内容和组织结构第14-16页
第二章 基于吸收峰特征参量的光谱匹配方法第16-34页
    2.1 引言第16页
    2.2 光谱特征的参量化第16-20页
        2.2.1 光谱吸收指数第16-17页
        2.2.2 光谱斜率和坡向第17-18页
        2.2.3 单吸收峰特征参量化第18-20页
    2.3 常用光谱匹配方法第20-23页
        2.3.1 光谱角度匹配第21-22页
        2.3.2 光谱特征拟合第22页
        2.3.3 光谱相似度匹配第22-23页
        2.3.4 最小距离匹配第23页
    2.4 改进的特征参量及基于特征参量矩阵的光谱匹配算法第23-25页
        2.4.1 改进的吸收特征参量第23-24页
        2.4.2 基于特征参量的光谱匹配算法第24-25页
    2.5 实验结果与分析第25-33页
        2.5.1 AVIRIS-92AV3C数据实验第25-29页
            2.5.1.1 光谱预处理第26-27页
            2.5.1.2 特征参量提取与光谱匹配第27-29页
            2.5.1.3 实验结果分析第29页
        2.5.2 长春光机所数据实验第29-33页
            2.5.2.1 光谱预处理第30-31页
            2.5.2.2 特征参量提取与光谱匹配第31-33页
            2.5.2.3 实验结果分析第33页
    2.6 本章小结第33-34页
第三章 吸收峰不等的光谱匹配方法第34-58页
    3.1 引言第34页
    3.2 常见几种向量距离介绍第34-38页
        3.2.1 欧氏距离第35页
        3.2.2 夹角余弦距离第35-36页
        3.2.3 马哈拉诺比斯距离第36-37页
        3.2.4 切比雪夫距离第37页
        3.2.5 闵可夫斯基距离第37-38页
    3.3 基于向量联合距离的光谱特征参量矩阵选择算法第38-40页
    3.4 实验结果与分析第40-56页
        3.4.1 美国加州萨利纳斯山谷实验第40-48页
            3.4.1.1 标准光谱的获取与预处理第41-43页
            3.4.1.2 吸收峰特征参量提取第43-44页
            3.4.1.3 不同维特征参量矩阵的选择第44-46页
            3.4.1.4 根据选择后的矩阵进行光谱匹配实验第46-48页
        3.4.2 Urban数据实验第48-56页
            3.4.2.1 标准光谱的获取与预处理第49-51页
            3.4.2.2 吸收峰特征参量提取第51-52页
            3.4.2.3 不同维特征参量矩阵的选择第52-54页
            3.4.2.4 根据选择后的矩阵进行光谱匹配实验第54-56页
    3.5 本章小结第56-58页
第四章 总结与展望第58-60页
    4.1 总结第58-59页
    4.2 展望第59-60页
致谢第60-61页
参考文献第61-65页
附录第65页

论文共65页,点击 下载论文
上一篇:A Video Store Application Design and Implementation Using JAVA Servlet, JSP and SQL Server
下一篇:提高我国大型火电厂一类辅机变频器高、低电压穿越能力的研究