论文部分内容阅读
现有遥感观测技术为各领域提供了高光谱的遥感影像数据,如何在高光谱遥感影像数据中快速、有效及便捷的获取有效信息,成为制约高光谱遥感影像数据应用、发展的关键问题之一。近年来,面向“高光谱遥感影像”的降维方法,引起了国内外研究学者的广泛关注,但由于高光谱遥感影像具有多波段性、高冗余性和波段间强关联性等特征,现有的降维方法存在无法同时兼顾计算效率及降维后地物信息提取结果精度的现象。同时,针对高光谱遥感影像地物信息提取结果的精度评价亦是影响其应用的关键问题。因此,本文以高光谱遥感影像的降维和降维后地物信息提取结果的精度评价为目的,研究利用粗集的高光谱遥感影像降维方法和基于多级不均匀空间抽样的地物信息提取精度评价方法。主要的研究内容包括:(1)针对高光谱遥感影像的多波段性和高冗余性,提出了一种利用粗集的高光谱遥感影像降维方法。在对高光谱遥感影像的降维研究中,提出了一种利用粗集的高光谱遥感影像降维方法。算法的主要思想是:首先利用粗集理论中的差别矩阵对高光谱遥感影像进行降维,保留重要波段,降低高光谱遥感影像的信息冗余度;其次利用信息熵对剩余的重要波段进行信息量排序,根据地物信息提取的精度要求,按排序选择波段组合,从而达到降维的目的。(2)针对高光谱遥感影像的大面积覆盖特性,提出了一种多级不均匀空间抽样的地物信息精度评价方法。在对遥感影像的抽样研究中,提出了一种基于多级不均匀空间抽样的精度评价方法。算法的主要思想是:通过计算遥感影像地物信息结果的破碎度指数,首先将遥感影像进行了自低而高的逐级区划,根据区划等级设计了一种自高到低的样本点布设方案,保证在复杂、异质、破碎度高的区域内用于精度评价的样本检验点高概率入样,以确保样本点的代表性。最后以Urban数据集的高光谱遥感影像为实验数据,对本文的研究方法进行了实证分析。结果表明,本文所提方法较传统的降维方法在时间效率及降维后的分类精度上具有优势;同时,基于多级不均匀抽样的精度评价方法较传统方法保证了用于精度评价的样本点在不同地物类型间的均衡性,亦保证了用于精度检验的样本点在空间上的代表性。