文摘

为了提高多光谱遥感图像数据的真实性分析,然而算法和高光谱遥感技术用于有机结合先进的多媒体技术和光谱技术细分光谱。不同分类方法用于分类克里斯·0°和结果进行了分析和比较,支持向量机分类精度最高的72 8448%,Kappa系数为0.6770,与支持向量机用于CHRIS图像从五个角度进行分类,结果进行比较和分析:分类精度从高到低顺序是FZA 36 > FZA = = 0 > FZA =−−55 > FZA = 36 > FZA = 55;使用支持向量机分类multiangle形象相结合,结果与克里斯0°结果:angle-combined图像类型的总体分类精度低于单角图像;使用支持向量机分类band-combined形象,结果与克里斯0°:乐队组合的总体分类精度图像森林类型是非常低的,和效果不如结合multiangle图像分类结果。验证,如果克里斯multiangle hyper-spectral数据用于分类的支持向量机方法应该用于光谱遥感图像数据进行分类的最佳效果。

1。介绍

机器学习是一个过程从大量的数据自动或半自动地的发现模式。如图1一旦发现一个模式,它是重复的。不同的翻译可以得到相同的结果将该模型应用于其他类似的数据1),从而大大提高了工作效率,并比较结果的可信度。目前,常用的机器学习方法包括决策树、人工神经网络、资讯,支持向量机,随机森林。资讯分类学习算法是一种典型的非参数方法。它在许多领域得到了广泛的应用,因为它的简单实现,分类精度高。一直是一个热点问题在数据挖掘、机器学习和统计模式识别研究。算法分析了K样本最相似的样本进行分类,并确定类别的样本分类根据K样本的类别属性。K最相似样本是由样本之间的距离被分类训练样本。再在分类器,K值的选择是非常重要的。如果选择K值太小了,它不会完全反映样本的特征分类。但是,当K值过大,选择一些样品没有类似样品还包括分类,从而导致减少的分类效果2]。它也有一些缺点:资讯是一个懒散的学习方法,它缓存所有训练样本和不建立一个分类,直到数据需要分类。当训练集规模较大或维度高,分类效率将降低0.8。传统的基于像素的分类方法使用一个像素作为图像处理的一个单位。当图像面积大,将严重影响分类效率。基于对象的图像分析使用对象作为原语代替像素的图像分类。除了充分利用的优点,纹理,形状,大小,和地面的对象,它可以极大地减少图像处理的数据量,提高分类效率。绝大多数识别9.0软件的基础上,本文使用Landsat-8融合数据中卫市宁夏,数据源和使用资讯分类器来执行基于像素和基于对象的分类。还比较了使用相同的训练样本图像的分类特征,验证样本和特征数据集和探索的优势整合多光谱遥感图像分类基于对象的图像分析和资讯算法(3]。

2。文献综述

遥感光谱特性是一项重要的基础方法来检测各种物质的性质和形状。秦等人发现电磁波的相互作用下,由于电子跃迁,原子和分子振动和转动,和其他复杂的影响,光谱吸收和反射特性,反映了物质的组成和结构将形成特定波长的位置(4]。阿伦和Govindan的进一步研究发现,这些诊断重要的光谱特性,如吸收峰宽,通常只有几纳米到几十纳米(5]。Ulhaq等人发现,尤其是在红边称为植物的活力指标的特性,位移通常只有几纳米到几十纳米(6]。李等人认为这样好光谱信息很难反映资源卫星遥感数据的几百纳米(纳米)在目前广泛使用的带宽7]。换句话说,只有少数离散成像乐队在可见光light-near-infrared-shortwave红外范围,与传统的遥感方法几百纳米的光谱分辨率是难以满足的要求进一步深入和详细的研究材料特性和组成。邢和李需要深入研究材料的性质,甚至成分增加一天(8]。为了弥补传统遥感的缺点,扩大潜在的遥感应用中,人们一直致力于不断的理论研究和实际应用狭窄乐队获得地面物体的光谱信息超过20年。这种组合与高光谱图像光谱分辨率的连续光谱范围(可见光近红外、短波红外,甚至热红外),与数十甚至数百个乐队,已成为成像光谱技术。Bing和其他人认为,持续改进的光谱分辨率遥感的另一个重要的发展趋势(9]。杜等人发现与光谱分辨率遥感在10 - 1的顺序被称为多光谱,俗称传统或传统遥感。这样的遥感传感器只有几个乐队在可见光和近红外光谱区域,如美国地球资源卫星、地球资源卫星系列现货法国资源卫星系列。光谱分辨率的遥感10-2A叫做高光谱遥感。因为它的光谱分辨率高达纳米在可见光区域,它通常具有多个乐队的特点,其在可见光到近红外的光谱通道光谱地区多达数十到数百。与遥感光谱分辨率的进一步改善,当它到达10-3A,遥感进入ultraspectral阶段。此时,光谱分辨率高达0.2 - 1 nm0中的可见光和近红外光谱区域(10]。目前,多光谱成像和光谱成像已经实现。基于多光谱遥感已广泛应用,高光谱遥感也进入了测试和实践阶段。Yesilbudak和其他人认为超高光谱分辨率是目前大多非成象方法。高光谱遥感是一个不可避免的发展,人们希望获得通过遥感方法的更多信息,它是当代的前沿和热点之一遥感(11]。张等人发现,高光谱遥感带来强大的生命力与丰富的光谱信息遥感应用程序由其高光谱分辨率的特点(12]。李等人发现,宽带多光谱遥感相比,高光谱遥感带来了地面的分类对象分类的植被、道路、耕地、居民区、水体的细分类不同物种相同的物种。它带来的宏观理解植被的微观领域的研究植物生化成分,显示一个巨大的和有吸引力的前景13]。

3所示。方法

资讯算法的主要思想是首先计算样本之间的距离或相似分类和一个已知类别的训练样本,找到最近的K邻居的距离或相似的样本分类;然后,根据这些邻居所属类别,分类样本数据的类型决定。算法的具体步骤如下:(1)训练集年代搜索和发现k最近的邻居样品最接近的对象d分类。“最近的邻居”用距离度量,如欧氏距离。两个对象的欧氏距离 和 是 距离测量的选择是非常重要的,和其他的距离也可以用来测量。(2)的重量d属于每个类计算,重量的计算公式d属于是 在哪里 之间的相似性d和我th最近邻对象(3)类的重量相比,类被分配到类的最大重量。

目前,高光谱遥感应用于森林映射,森林资源调查中,森林面积监测、生物化学和物理投资估算。然而,大多数的数据,可以使用由航空成像光谱仪获得。星载成像光谱仪已经成功开发,但他们是在实验阶段(14,15]。截至2008年11月,有四十多个世界上高品质的机载仪器,和只有三个星载高光谱传感器已成功发射。一个是亥伯龙神由试验卫星E0-1发起美国11月21日,2000年。这是阿特拉斯测量仪器用来测量目标的光谱特征和图像目标;它是兼容的多光谱成像仪。的主要区别是高光谱分辨率和多光谱波段。其他两个类似的工具(1)FTHSI(傅里叶变换高光谱成像仪),安装在美国空军mightysat - 2.1卫星,发射了7月19日,2000;(2)高分辨率成像光谱仪克里斯进行了小卫星PROBA发起的ESA组织于10月22日,2001年。表1展示了主要的表演明星目前在轨道上的高光谱范围。

很少有星载高光谱传感器,主要是因为一些技术问题仍难以解决卫星。星载和机载的区别是由伟大的高度差引起的。同样的地面分辨率,瞬时视场(IFOV)的小星载仪器数十到数百倍,和相应的仪器灵敏度高出数十倍。数百次,这是一个困难;因为检测元素的辐射特性的差异更明显的输入信号的情况下,它是不容易得到检测元素具有良好的一致性。这是第二个困难。从公布的eo - 1卫星发射后的图片,质量是好的,但其几何和辐射特性的定量评价需要验证后验证(16,17]。CHRIS multiangle基于高光谱遥感数据和测试的了解调查的区域,使用multiangle高光谱遥感数据,主要围绕森林类型分类的主题,以下主要工作进展。具体内容如下。(1)基于深入理解multiangle高光谱遥感数据的光谱特性,一系列的预处理程序克里斯multiangle高光谱遥感数据总结,包括分段、大气校正,orthorectification,延长变换。(2)为了探索最好的分类方法,FZA = 0数据作为一个例子,和不同的分类方法对图像数据进行分类,分析和比较结果和获得更理想的分类方法。(3)用最准确的和理想的分类方法,克里斯的五multiangle高光谱数据分为森林类型和结果进行了比较和评价。(4)基于以上研究,得出的结论multiangle组合和乐队组合的方法是探索提高分类精度的森林类型,以及各种multiangle和乐队组合图像进行分类,分析和评估。技术路线如图2。

克里斯拿扫帚获得可见光和近红外光谱数据的方法。克里斯产品分为两个级别,0和1级水平,瞧是原始数据,仅用于生产L1的产品。用户使用L1产品和L1产品只有一个数据格式,即HDF(分层数据格式)Hlxe。其特点如表所示2。克里斯是一个小星载遥感高光谱成像仪,包括一个望远镜和一个成像光谱仪连接到770列576 -行CCD多个列检测系统。CHRISL1数据中有5个成像模式:模式3、4和5主要是土地成像,成像模式2是水,模式1包括土地和水成像。具体分类如下:模式1:所有的列宽,62光谱波段,光谱范围是773∼1036海里,地面分辨率的最低点是34米模式2:水乐队:所有的列宽,18个光谱波段,和地面分辨率的最低点是17米模式3:土地乐队:所有的列宽,18个光谱波段,和地面分辨率的最低点是17米模式4:叶绿素带设置:所有的列宽,18个光谱波段,和地面分辨率的最低点是17米模式5:土地乐队:一半列宽,37个光谱波段,天底点的地面分辨率是17 mlk41。克里斯的MODE4植被遥感数据的光谱范围在490 nm - 796 nm之间。CHRIS数据用于纸的特点如表所示2:

从表可以看出3,实验数据来源克里斯共有18个乐队,16米的空间分辨率,同时获得高光谱数据从五个不同的角度(0 36°−36°,55°,和−55°)。产品没有几何纠正。表4显示每个带的中心波长和光谱宽度的克里斯。

从表可以看出4克里斯的高光谱遥感数据摘要:使用带1是蓝色的乐队,光谱范围是484.4∼496海里;带2是绿带,光谱范围是544.9∼557.8 nm;带3∼15是红光波段,光谱范围是631.2∼758.8 nm;乐队16∼18是近红外波段(VNIR)和光谱范围是777∼796海里。高光谱遥感技术有机地结合了先进的成像技术和光谱技术细分光谱和获取图像与高光谱分辨率的地球表面的纳米(纳米)。它包含了极其丰富的信息;也就是说,它含有丰富的空间和光谱信息。成像光谱仪接收到电磁波辐射(反射和发射)从地面目标和记录图像灰度的形式通过数模转换,生动地显示表面物质的空间分布特征,互连,和地理过程的发生,法律的发展和演变。高光谱数据的多个乐队最重要的特性。传统远程传感器只在一些离散的波段,获取图像和波段宽度通常是100 - 200纳米,而高光谱技术是执行连续光谱成像的目标波段宽度的海里。 In this way, while obtaining the spatial image of the ground surface, the continuous spectral information of the ground objects can also be obtained [18,19]。如果波长是灰度值的水平轴和垂直轴,每个像素点的灰度值在每个通道可以形成高光谱图像光谱曲线,也就是所谓的“地图统一。“高光谱数据的ultra-multiband构成其独特的ultra-multidimensional光谱空间。因此,在分析和提取信息时,我们关心的是不同类型的地面物体的分布特征在这个n维光谱空间。在保留重要信息的前提下,如何项目从高维数据空间到低维空间,消除或降低数据维度之间的相关性,降低数据维数,减少组内差异,和增加类间距。因此,它更方便,快速,有效,准确提取有用的信息(20.,21]。CHRIS数据预处理过程如图3。克里斯/ PROBA反射率图像预处理后返回。

4所示。结果和分析

各种各样的辐射能利用遥感(这里主要指的是太阳短波辐射能量)与地球大气的相互作用,如散射和吸收,变弱的能量和光谱变化特征。消除这些大气影响过程称为大气校正(22,23]。遥感成像的过程是一个复杂的过程。在成像过程中,光信号经过两次大气过程从太阳传感器和不能避免受到大气的影响。由于大气的存在,吸收的太阳辐射减弱大气分子和气溶胶粒子的散射。同时,散射信号的一部分进入传感器直接或通过地面物体的反射并再次增强。在实际处理中,大气的影响降低了图像的对比度,减少图像的可读性,增加解释的难度。目前使用最广泛的大气校正方法是辐射传输模型方法与最好的物理意义和最高的精度。这种方法使用一个模型建立了电磁波辐射在大气中传输的原理对遥感图像进行大气校正。最广泛使用的模型是6 s模型,LOWTRAN模型,MORTRAN模型、ACTOR2/3模型。其中,6 s模型是基于辐射传输理论。 The model has a wide range of applications and is not affected by the characteristics of the study area and the types of targets. Combining actual remote sensing images and existing meteorological conditions, considering that the CHRIS map is small, it can be considered that the aerosol is uniform within the map [24,25]。此外,重要的大气参数的当天克里斯照片拍摄当地气象部门。现在,6 s大气物理辐射传输模型的校正工具纠正克里斯选择形象,获得重要的大气参数作为输入参数的6 s。因为6 s参数文件需要输入太阳天顶角、方位角,并观测天顶角、方位角,CHRIS数据结合太阳方位角计算需要。假设太阳的方位中,计算公式 在哪里是太阳赤纬,阳光直射点的纬度,而今年是每天的函数,并与观察点的位置,θ是太阳天顶角,φ的纬度观测目标。的方位角φ太阳必须计算公式。输出文件运行程序后可以获得。运行6 s模型后,像素值是0到100之间的一个值。你可以除以100的反射或乘以2.25灰度值图像。从图4,不难发现大气校正效果非常明显,和光谱曲线更符合植被的光谱特征(26,27]。图像是由大气纠正后,地面反射率数据得到,扮演一个角色在改善遥感应用研究的准确性。

5。结论

高光谱遥感技术的发展前沿遥感技术在21世纪的当今世界主要的遥感。它主要使用五种不同角度的图像分类,和实验结果表明,FZA = 0的总体分类精度最高。然而,这并不意味着每一个植被类型的分类精度是最高的。例如,水体的分类精度为53%,但水体的分类精度的分类结果FZA = 36和FZA =−36高于FZA = 0,分别是78%和72%。如果水体的分类精度要求高,图像分类不应使用FZA = 0,但分类结果图像FZA = 36或FZA =−36应该选择(28),分类结果图像FZA =−36应该被选中,并FZA = 0分类图片不能使用。它表明,在应对需求的不同类型的高精度特性,图像的分类结果选择从不同的角度,和五个角度发挥互补作用在某种程度上,验证了高光谱遥感技术的重要性。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。