基于Hyperion高光谱遥感数据的城市绿地信息提取方法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-21页 |
| ·选题背景 | 第9页 |
| ·城市绿地信息提取研究现状及存在问题 | 第9-17页 |
| ·植被信息提取方法的研究现状 | 第9-12页 |
| ·遥感数据在城市植被信息提取研究现状 | 第12-17页 |
| ·存在的问题 | 第17页 |
| ·研究目的与研究意义 | 第17-18页 |
| ·研究内容与科学问题 | 第18-19页 |
| ·技术路线与研究方案 | 第19-20页 |
| ·预期研究成果 | 第20-21页 |
| 2 遥感在城市绿地调查中的应用 | 第21-23页 |
| ·城市绿地的概念 | 第21页 |
| ·城市绿地的光谱特征及植被影像特征 | 第21-22页 |
| ·基于遥感的城市绿地研究内容 | 第22-23页 |
| 3 Hyperion 高光谱遥感数据预处理 | 第23-31页 |
| ·Hyperion 高光谱数据获取 | 第23-24页 |
| ·Hyperion 数据预处理 | 第24-31页 |
| ·波段的选取 | 第24-25页 |
| ·波段的辐射值计算 | 第25-26页 |
| ·坏线的修复和条带的去除 | 第26-27页 |
| ·大气辐射校正 | 第27页 |
| ·获取相关参数 | 第27-31页 |
| 4 混合像元分解模型 | 第31-38页 |
| ·混合像元分解的地物理解 | 第31页 |
| ·混合像元分解的物理模型 | 第31-35页 |
| ·线性光谱混合模型 | 第32页 |
| ·概率模型 | 第32-33页 |
| ·几何光学模型 | 第33页 |
| ·随机几何模型 | 第33-34页 |
| ·模糊模型 | 第34页 |
| ·神经网络模型 | 第34-35页 |
| ·混合像元分解模型总结与讨论 | 第35页 |
| ·本文研究模型选择 | 第35-38页 |
| 5 应用线性混合光谱模型提取绿地信息 | 第38-53页 |
| ·线性混合光谱模型 | 第38-39页 |
| ·端元获取 | 第39-48页 |
| ·端元提取算法 | 第39-41页 |
| ·纯净端元提取 | 第41-48页 |
| ·绿地信息提取应用 | 第48-53页 |
| 6 采用其它方法提取绿地信息 | 第53-62页 |
| ·ISODATA 算法提取绿地 | 第53-56页 |
| ·分类处理及其分类后处理 | 第53-55页 |
| ·ISODATA 分类精度评价 | 第55-56页 |
| ·监督分类法提取绿地信息 | 第56-58页 |
| ·监督分类基本原理 | 第56-58页 |
| ·基于植被指数的阈值分割提取绿地 | 第58-60页 |
| ·NDVI 的计算 | 第58-60页 |
| ·各种方法提取绿地结果比较 | 第60-62页 |
| 7 结论与展望 | 第62-64页 |
| ·研究内容总结 | 第62-63页 |
| ·研究方法展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
