版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、高光譜傳感器具有很高的光譜分辨率,—般在10-2λ量級,可以在紫外到短波紅外的波段范圍內(nèi)(0.4~2.5um)獲得很窄且連續(xù)的地物波譜曲線。高光譜遙感影像集連續(xù)的地物波譜、地物的輻射強度以及空間成像于一身,使得原本在多光譜影像波譜空間中無法識別的地物,在高光譜遙感中能夠被識別出來。高光譜遙感的這一特點使得其在礦物識別和地質(zhì)填圖中得到了廣泛的應用。研究表明,內(nèi)部結(jié)構(gòu)穩(wěn)定的巖礦往往具有比較明顯的吸收特征。這些吸收特征的吸收寬度一般在20~4
2、0nm之間。高光譜傳感器(如AVIRIS和Hyperion)的光譜分辨率一般小于10nm,且具有連續(xù)的波譜,可以用于探測巖礦的吸收特征。而多光譜傳感器(如MSS和TM)的波段寬度一般在0.1~0.2um,無法用于探測巖石礦物。
本文以美國內(nèi)華達州Cuprite礦區(qū)為研究區(qū),基于AVIRIS高光譜數(shù)據(jù),采用光譜匹配和監(jiān)督分類兩種方法來識別礦物。其中以光譜匹配技術(shù)為研究重點,監(jiān)督分類作為輔助手段。在光譜匹配識別礦物中,基于USGS
3、礦物波譜庫,采用最小距離、光譜角、光譜相關性、光譜相關角、光譜信息散度和光譜梯度角等6種匹配算法,對光譜重采樣后的原始影像光譜、連續(xù)統(tǒng)去除后的光譜、波段深度以及導數(shù)后的光譜進行匹配。在監(jiān)督分類識別礦物中,主要依據(jù)假彩色合成圖來選擇感興趣區(qū),采用最大似然、支持向量機、二值編碼等方法識別礦物。其中,假彩色合成比較使用了最佳波段因子、MNF變換和診斷性光譜吸收特征參數(shù)影像三種方法。本文還提出了一種基于光譜匹配技術(shù)的改進的礦物識別方法。研究表明
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于光譜匹配的高光譜巖礦識別技術(shù)研究.pdf
- 基于貓群算法的高光譜遙感森林類型識別研究.pdf
- 高光譜遙感圖像光譜特征提取與匹配技術(shù)研究.pdf
- 高光譜遙感森林類型識別及其郁閉度定量估測研究.pdf
- 56996.基于高光譜數(shù)據(jù)庫的光譜匹配技術(shù)研究
- 基于Hyperion高光譜數(shù)據(jù)的森林類型精細識別研究.pdf
- 基于HJ-1A高光譜遙感樹種識別的研究.pdf
- 高光譜遙感綜述
- 高光譜遙感實驗
- 小麥全蝕病高光譜遙感識別方法研究.pdf
- 基于HSI高光譜數(shù)據(jù)的水稻光譜特征分析與識別技術(shù)研究.pdf
- 基于近紅外光譜技術(shù)對幾種礦物類中藥的快速鑒別研究.pdf
- 高光譜遙感影像光譜解混算法研究.pdf
- 基于張量的高光譜遙感圖像壓縮研究.pdf
- 基于高光譜圖像技術(shù)的指紋識別研究.pdf
- 高光譜遙感圖像解混技術(shù)研究.pdf
- 多-高光譜遙感圖像光譜分解研究與應用.pdf
- 高光譜遙感考試必備
- 基于高光譜數(shù)據(jù)的北疆棉花遙感監(jiān)測研究.pdf
- 基于圖像融合的高光譜遙感圖像分類研究.pdf
評論
0/150
提交評論