高光譜溢油圖像特征提取在油種識(shí)別中的應(yīng)用.pdf

1、高光譜遙感技術(shù)在農(nóng)業(yè)、礦石等領(lǐng)域得到了廣泛的應(yīng)用，而且發(fā)展比較迅速。此技術(shù)迅速發(fā)展的原因在于其自身的優(yōu)點(diǎn)：高光譜圖像波段多，且圖譜合一，分辨率高，數(shù)據(jù)量豐富，包含整個(gè)可見光、近紅外、短波紅外、熱紅外波段的多而窄的連續(xù)光譜。高光譜遙感的出現(xiàn)使得本來在寬波段遙感中不可預(yù)測(cè)或不容易區(qū)分的物質(zhì)，在高光譜遙感中將能被探測(cè)或較好的區(qū)分。國(guó)內(nèi)外現(xiàn)有的對(duì)溢油檢測(cè)的研究大都是基于紅外、近紅外等圖像數(shù)據(jù)的研究，把高光譜圖像數(shù)據(jù)用于溢油檢測(cè)方面的例子很少，因

2、此此項(xiàng)研究具有重大的研究?jī)r(jià)值。
　　 由于高光譜圖像波段多(最多可達(dá)幾百個(gè)波段)，數(shù)據(jù)量非常大，處理異常復(fù)雜，而且有些波段所帶的信息量極少或者沒有，甚至?xí)o后續(xù)處理帶來干擾，因此降維便成了高光譜圖像處理的一個(gè)關(guān)鍵性步驟。高光譜圖像降維有兩種方法，一種方法是特征提取，另一種方法是波段選擇。本文著重就高光譜圖像特征提取和溢油油種分類識(shí)別做了深入分析，研究了基于GA-PCA的特征提取方法和基于SAM-SFF的油種識(shí)別方法，且利用實(shí)驗(yàn)室

3、現(xiàn)有的實(shí)驗(yàn)設(shè)備做了溢油實(shí)驗(yàn)，建立了溢油油種波譜庫?；贕A-PCA的特征提取算法將遺傳算法引入特征提取過程，并將遺傳算法和主成分分析結(jié)合共同實(shí)現(xiàn)降維過程；基于SAM-SFF的油種識(shí)別方法將光譜角匹配和波譜特征擬合這兩種方法相結(jié)合，實(shí)現(xiàn)了較好的識(shí)別效果。
　　 本文利用美國(guó)內(nèi)華達(dá)州(Nevada)Cuprite地區(qū)的高光譜影像數(shù)據(jù)和溢油實(shí)驗(yàn)所得圖像分別對(duì)基于GA-PCA的特征提取方法和基于SAM-SFF的油種識(shí)別方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證