首页--生物科学论文--植物学论文--植物生态学和植物地理学论文

基于光谱匹配技术的青藏高原典型植被识别与提取

摘要第5-6页
Abstract第6-7页
1 绪论第10-15页
    1.1 研究背景第10页
    1.2 研究目的与意义第10-11页
    1.3 研究现状第11-13页
        1.3.1 高光谱第11-12页
        1.3.2 光谱数据库第12页
        1.3.3 光谱匹配技术第12-13页
    1.4 研究内容与技术路线第13-15页
        1.4.1 研究内容第13页
        1.4.2 技术路线第13-15页
2 研究区及数据获取第15-25页
    2.1 研究区概况第15-17页
        2.1.1 地形地貌第15页
        2.1.2 气候和水文第15-16页
        2.1.3 土壤和植被第16-17页
    2.2 数据获取第17-25页
        2.2.1 ASD光谱仪实测高光谱数据第17-21页
        2.2.2 HJ_1A高光谱遥感影像数据第21-24页
        2.2.3 其他辅助数据第24-25页
3 实测高光谱数据预处理与波谱库建立第25-33页
    3.1 ASD高光谱数据预处理第25-31页
        3.1.1 水汽吸收波段剔除第25页
        3.1.2 高光谱数据平滑去噪第25-31页
    3.2 波谱库的建立第31-33页
        3.2.1 基于ENVI建立高原植被波谱库第31-32页
        3.2.2 波谱库重采样第32-33页
4 高光谱影像预处理与端元提取第33-46页
    4.1 HJ-1A高光谱数据预处理第33-40页
        4.1.1 数据格式转换第33页
        4.1.2 无效波段去除第33-35页
        4.1.3 垂直条纹去除第35-39页
        4.1.4 大气校正第39-40页
    4.2 端元提取第40-46页
        4.2.1 最小噪声分离变换(MNF)第40-42页
        4.2.2 纯净像元指数(PPI)第42-43页
        4.2.3 N维可视化(n-D Visualizer)第43-46页
5 光谱匹配与光谱角填图第46-70页
    5.1 光谱特征参数和光谱吸收指数第46-50页
        5.1.1 算法介绍第46-49页
        5.1.2 实验分析第49-50页
    5.2 交叉相关光谱匹配第50-55页
        5.2.1 算法介绍第50-52页
        5.2.2 实验分析第52-55页
    5.3 小波变换光谱匹配第55-60页
        5.3.1 影像最佳分解层数计算第55-56页
        5.3.2 小波分量特征值提取第56-58页
        5.3.3 特征值匹配和影像地物识别第58-59页
        5.3.4 实验分析第59-60页
    5.4 光谱角匹配第60-63页
        5.4.1 算法介绍第60-61页
        5.4.2 实验分析第61-63页
    5.5 波谱特征拟合第63-66页
        5.5.1 算法介绍第63-64页
        5.5.2 实验分析第64-66页
    5.6 光谱角填图与结果分析第66-70页
        5.6.1 影像提取端元光谱角填图第66-68页
        5.6.2 匹配结果原因分析第68-70页
6 总结第70-72页
    6.1 研究结论第70页
    6.2 存在不足与建议第70-72页
致谢第72-74页
参考文献第74-78页

论文共78页,点击 下载论文
上一篇:基于土壤肥力的水稻变量施肥模型建立及应用研究
下一篇:四川凉山州南红玛瑙的宝石矿物学特征研究