改进最佳指数的高光谱快速波段选择方法

最佳指数法是一种常用的波段选择方法,具有操作简单,物理意义明确等特点,但由于高光谱的波段数目较多导致其运算量大,运算时间长。为提高该算法的运算效率,提出了基于极值最佳指数法的波段选择方法,该方法可以有效地对原有数据进行初步筛选,将标准差的极大值所对应的波段组成新的数据源,之后进行最佳指数因子的运算,有效地降低运算量,最后利用支持向量机分类算法进行分类。通过两组实验表明,改进算法在保证总体精度、Kappa系数比原算法有所提高的同时,达到大量节约运算时间的目的,运算效率提高近百倍。

多光谱遥感数据最佳波段选择方法试验研究

分析了多光谱遥感数据最佳波段选择的标准差、熵和联合熵、相关性系数及最佳指数等计算方法的内在联系。通过试验,说明了各种计算方法的有效性和局限性,最后得出OIF指数法为多光谱遥感数据最佳波段选择的最优方法。

基于ETM+影像竹林信息提取的最佳波段组合研究

以竹林信息提取为研究目的,应用最佳指数法(OIF)法和典型地物影像光谱特征曲线分析,对福建省顺昌县ETM+多光谱数据的波段选组合进行了研究。研究结果表明:345波段是竹林信息提取的最佳波段组合;典型地物影像光谱特征曲线可以直观的看出地物在不同波段上的光谱差异,能为最佳波段选择提供可靠的参考依据;竹林在第5波段与其他地物光谱差异最大,分离效果最好,在第1波段的光谱影像特征曲线与阔叶林相近,在第2波段与针叶林相近,说明在第1波段和第2波段中竹林分别与阔叶林、针叶林容易混淆,不利于竹林信息提取。

运用资源三号卫星影像数据提取水体信息的方法研究

运用资源三号卫星影像的多光谱影像数据,分别运用单波段阈值法、归一化差异水体指数法、谱间关系以及最佳指数法(OIF)等方法进行水体信息提取的研究与比较。研究结果表明针对资源三号遥感影像波段的特殊性,采用谱间关系法和最佳指数法(OIF)相结合的方法能完整地提取出水体信息。

高分一号卫星影像水体信息提取方法比较研究

针对高分一号卫星影像中水体信息的提取,本文分别采用单波段阈值法、归一化差异水体指数法(NDWI)、支持向量机(SVM)法与最佳指数法(OIF)对天津市武清近郊的水体信息进行提取,并对提取结果进行细节比较与精度评价,分析4种提取方法的优势和不足。结果表明,运用不同的方法对高分一号卫星遥感影像中的水体进行提取,精度不尽相同。其中,OIF综合方法提取的水体信息最完整,精度可达95.62%;SVM法操作针对性强,提取精度为91.1%;归一化水体指数法精度最低,但结合阈值法提取水体后精度明显得到改善,精度可达到92.29%。此次试验为高分一号水体信息的提取提供了有效的参考依据。

基于波段选择改进的高光谱端元提取方法

为了解决传统N-FINDR算法降维时破坏像元光谱曲线的物理意义这个问题,采用波段选择方法中的最佳指数法代替特征提取,改进N-FINDR算法的降维方式;利用模拟和真实高光谱数据进行实验,分别用改进的N-FINDR算法与其它两种算法提取端元,并用全约束最小二乘法解混.结果表明,改进的N-FINDR算法的解混精度更高,用时更少.用波段选择代替特征提取改进降维方式,保留了光谱曲线的物理意义,在N-FINDR算法中是可行的.

基于聚类和最佳指数的快速高光谱波段选择方法

最佳指数法是常用的高光谱图像数据波段选择方法,但存在运算时间过长的问题。运用K-means聚类算法,对最佳指数方法进行了改进,提出了聚类最佳指数法,并进行了一系列伪装目标识别的对比实验。实验结果表明,与最佳指数法相比,改进后的方法在保证目标分类精度的前提下,运算速度提高了数十倍;与单纯使用K-means聚类运算相比,不仅运算时间缩短,而且分类精度有所提高。利用改进算法能够在伪装环境下更加快速有效地识别目标。

基于Landsat5 TM的麻城杜鹃花光谱分析与波段选择

以2010年4月27日Landsat 5 TM影像数据为基础,利用影像的光谱数据对麻城市杜鹃花进行了光谱特征分析,并运用均值、标准差和相关系数等指标定量分析了TM数据各波段间的特征,用最佳指数法(OIF)对各种波段组合进行了比较,确认345波段组合最适合麻城杜鹃花分布研究。研究结果可为进一步应用TM影像进行杜鹃花资源信息提取参考。

基于MODIS数据的重庆市植被覆盖度动态变化研究

通过最佳指数斜率提取法(BISE)重建研究区MODIS-NDVI时间序列数据.以像元二分模型为基础,用IDL计算机语言构建植被覆盖度定量模型,估算了重庆市2006-2010年植被覆盖度,分析其空间分布与季节变化特征.结果表明:研究区植被覆盖度在缓慢增长,整体生态环境呈良性发展趋势.同时,较高的植被覆盖度反演精度(78%),证实通过BISE方法重构NDVI时间序列和运用像元二分模型来反演植被覆盖度的方法是可行的.

OIF辅助BP神经网络模式识别的土地覆盖分类

精准高效的土地覆盖分类不仅能提高土地利用类型研究与制图质量,也有助于有序地组织土地的保护与开发。以2020年7月28日银川市三区的美国陆地卫星8号陆地成像仪(Landsat8 OLI)影像为数据源,建立最佳指数法(OIF)辅助前馈(BP)神经网络的模式识别模型,借助遥感影像处理平台(ENVI)选取训练样本集,对银川市三区土地覆盖类型进行分类。结果表明,OIF辅助BP神经网络模式识别的总体精度为86.95%,Kappa系数为0.8435,优于最大似然法和支持向量机(SVM)分类法;从生产者精度来看,该方法在林地、草地、水域和未利用地的分类中优势明显,精度都超过了90.00%,但在建设用地的分类中精度较低,只有70.73%。实验证明,OIF辅助BP神经网络的模式识别在遥感影像的监督分类中是一种精准高效的分类方法。

基于无人机高光谱影像波段选择的薇甘菊分类

薇甘菊是危害最严重的外来入侵物种之一,其生长与传播极其迅速,对我国森林生态系统造成了严重破坏,相关管理部门需要一个有效的薇甘菊监测手段。传统人工调查方式需要投入大量的人力物力,成本高昂、效率低下;近年来快速发展的高光谱遥感技术为薇甘菊的监测提供了新思路。本文以无人机搭载的Nano-Hyperspec高光谱仪获取的广东省增城林场遥感影像数据为基础,对高光谱数据进行几何校正、影像降噪处理、辐射定标及坏带波段剔除等影像预处理;运用最佳指数因子法(OIF)、自适应波段法(ABS)、自动子空间划分(ASP)与自适应波段相结合的波段选择法(ASP+ABS) 3种方法进行波段选择,获取信息量较大且波段间相关性较低的特征波段组成薇甘菊分类最佳波段组合,生成3幅遥感影像;最后采用支持向量机方法(SVM)对生成的3幅不同遥感影像进行分类,以分类结果的精度评价3种波段组合对薇甘菊高光谱特征的响应程度,选出更能反映薇甘菊的光谱特征的波段组合。试验结果表明,针对Nano-Hyperspec遥感影像数据,使用OIF波段选择法,研究区内薇甘菊的制图精度和用户精度分别为74.62%、66.52%;使用ABS波段选择法,研究区内薇甘菊的制图精度和用户精度分别为74.37%、67.43%;使用ASP+ABS波段选择法,研究区内薇甘菊的制图精度和用户精度分别达到95.98%、92.98%,分类精度最佳,相较OIF法中薇甘菊的制图精度和用户精度分别提高了21.35%、26.46%,相较ABS法中薇甘菊的制图精度和用户精度分别提高了17.15%、19.3%。可见,本文使用的子空间划分与自适应波段相结合的波段选择方法相较其他两种波段选择方法能更好地反映薇甘菊的光谱特征,可为薇甘菊监测提供有效的技术手段。

Research on the Summer Drought in Chongqing Using MODIS-EVI Time Series Data

MODIS-EVI time series data from 2000 to 2009 in Chongqing were selected for this study.By the use of best index slope extraction （BISE） method for cloud elimination,analysis on the change vector of EVI time series data were conducted to investigate the EVI response on drought; then,four typical regions were selected to study the relationship between precipitation,temperature and EVI when the sever drought occurred in 2006; finally,based on the time series of vegetation condition index （VCI） and precipitation abnormity percentage,the temporal and spatial distributions of drought were studied.The results showed that,the EVI value of the summer in 2006 was significantly lower than the average EVI at the corresponding period of the other years in Chongqing.In addition,summer drought occurred mainly during the hot and dry weather.Except the southeast area,most of the other regions in Chongqing were all under severe drought.

改进的OIF和SVM结合的高光谱遥感影像分类

文章提出了一种结合改进的最佳指数法(OIF)和支持向量机(SVM)进行高光谱遥感影像分类新方法。利用本文提出的稳定系数进行波段初选择,根据相关系数选择波段组合生成新影像,并对新影像进行OIF计算,得到OIF值最大的波段组合为最佳波段组合;构建SVM分类器,对最佳波段组合分类;最后将分类结果与其他监督分类方法比较,并在相同核函数下与PCA和SVM结合的方法进行精度比较分析。实验结果表明,本文方法能够有效提取最佳波段组合,在SVM算法下获得较高分类精度。