论文部分内容阅读
与传统的多光谱遥感技术相比,高光谱遥感能够获得连续窄波段的丰富信息,大大增强了地物精细识别和分类能力。但由于高光谱数据波段数目多,存在较大的波段冗余,导致分类精度随着特征维数增加而快速饱和或先增后降的 Hughes现象,即出现了维数灾难现象。一方面,针对高光谱的这一问题,在保存高光谱数据的原有信息的同时,减少数据量、降低数据维数是非常有必要的。探究一种强大的波段优选算法是本文研究的一个重大问题。另一方面,现有卫星载荷研制发射后其光谱和空间观测模式固定,无法根据复杂地表的多样化需求进行模式优化和调整,且目前遥感器波段设置尚不完善还存在优化空间。本文应用对不同地区不同地物类型的高光谱数据进行波段优选,通过优选波段组合的波谱分析,提出优化对地观测卫星传感器的波段设置方案。使得卫星传感器的观测模式向着以应用为导向,实时灵活变化的模式转变,可以使得如今对地观测“给什么要什么”的模式向“要什么给什么”的模式转变,从而提高遥感成像效率和数据利用效率。 论文主要内容与成果如下: 首先,文中调研分析了现有几种传统高光谱波段优选方法,包括组合波段的协方差矩阵行列式法、熵及联合熵法、OIF最佳指数法等,发现传统的优选方法存在问题,一个是程序实现,一个是方法本身的局限性,紧接着提出了一种传统方法的改进方法-基于子空间划分的改进方法。应用该改进算法对高光谱进行波段优选,从运行速度以及优选结果两个方面都得到很大提高,从而证明该算法为一种优秀的改进算法。 其次,论文引入蚁群优化算法(Ant colony optimization,ACO),利用该先进的算法对 CASI+SASI高光谱数据开展波段优选的深入研究,同时引入子空间划分的组合波段协方差矩阵行列式法进行同一区域的优选研究,并且评价利用两种算法得到优选波段组合进行分类得到的结果,得出蚁群优化算法对于高光谱数据的波段选择更加具有优势,优选的波段组合能够充分表达数据的大部分信息,并且分类精度提高,充分表明蚁群优化算法在处理高光谱数据方面的优势。 第三,利用蚁群优化算法,开展了不同地表类型的最优波段组合研究,发现每种地表类型的最优波段组合都存在一定差异,针对每种地表类型的观测都有特有的波段组合设置方案,此研究结果为智能观测的波段优化提供了重要的先验知识支持。 最后,开展了典型多光谱卫星载荷波段设置优化研究,结果表明一些边缘波段,如红边波段、深蓝波段等对于对地观测具有重要作用,在对地观测传感器上应该增加这些谱段设置。并且得到典型多光谱卫星载荷波段设置优化方案,通过优化方案评价现有卫星传感器,如TM、OLI、SPOT等陆地资源遥感器,结果表明固定的传感器模式对于广泛的观测对象具有一定的局限性,现有传感器的波段设置还需要进一步优化调整。