基于Hyperion数据的森林类型识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-21页 |
| ·高光谱遥感发展 | 第13-15页 |
| ·国外发展现状 | 第13-14页 |
| ·国内发展现状 | 第14-15页 |
| ·高光谱遥感特点 | 第15页 |
| ·高光谱数据应用领域及植被信息提取技术 | 第15-17页 |
| ·应用领域 | 第15-16页 |
| ·植被的典型光谱特征 | 第16-17页 |
| ·高光谱遥感植被信息提取技术和方法 | 第17页 |
| ·高光谱遥感在森林树种识别的应用 | 第17-18页 |
| ·研究内容与技术路线 | 第18-21页 |
| ·课题来源 | 第18页 |
| ·研究内容 | 第18页 |
| ·研究路线图 | 第18-21页 |
| 2 试验区概况与数据获取 | 第21-27页 |
| ·研究区概况 | 第21-22页 |
| ·研究区数据获取 | 第22-24页 |
| ·遥感数据的获取 | 第22页 |
| ·基础数据的获取 | 第22-24页 |
| ·遥感数据的处理 | 第24页 |
| ·地面实测数据的获取 | 第24-27页 |
| 3 Hyperion数据预处理 | 第27-41页 |
| ·星载Hyperion平台及数据介绍 | 第27-29页 |
| ·Hyperion传感器介绍 | 第27-28页 |
| ·Hyperion数据介绍 | 第28-29页 |
| ·Hyperion数据预处理 | 第29-41页 |
| ·辐射定标 | 第29页 |
| ·去除受水气影响波段及未定标波段 | 第29-32页 |
| ·像元值与绝对辐射值之间的转换 | 第32-33页 |
| ·坏线波段的修复 | 第33-34页 |
| ·图像的Smile效应的校正 | 第34-36页 |
| ·大气纠正 | 第36-38页 |
| ·几何纠正 | 第38-39页 |
| ·图像裁切 | 第39-40页 |
| ·图像预处理小结 | 第40-41页 |
| 4 基于特征选择与特征提取的高光谱降维 | 第41-55页 |
| ·高光谱图像降维的意义 | 第41-42页 |
| ·高光谱图像降维方法 | 第42-49页 |
| ·特征选择 | 第43-47页 |
| ·特征提取 | 第47-49页 |
| ·基于分段主成分和波段指数的降维 | 第49-55页 |
| ·基于分段主成分分析和波段指数图像降维的原理 | 第50页 |
| ·实现降维步骤及结果 | 第50-55页 |
| 5. Hyperion数据的森林类型识别 | 第55-65页 |
| ·最大似然分类法 | 第55-58页 |
| ·最大似然法分类原理 | 第55-56页 |
| ·最大似然法分类步骤与结果分析 | 第56-58页 |
| ·光谱角填图法 | 第58-65页 |
| ·光谱角填图法原理 | 第58-59页 |
| ·光谱角填图法分类步骤与结果分析 | 第59-65页 |
| 6. 分类精度评价 | 第65-71页 |
| ·精度评价原理 | 第65-67页 |
| ·分类结果分析评价 | 第67-71页 |
| 7. 结论与讨论 | 第71-73页 |
| ·结论 | 第71-72页 |
| ·创新点 | 第72页 |
| ·讨论与展望 | 第72-73页 |
| 参考文献 | 第73-83页 |
| 附录 攻读学位期间的主要学术成果 | 第83-85页 |
| 致谢 | 第85页 |
