一种基于地物波谱特征的最佳波段组合选取方法

对多光谱数据选取最佳的波段组合,是图像解译和专题信息提取的重要前提。文中提出一种基于地物波谱特征的最佳波段组合选取方法,即综合考虑方差、相关系数、OIF指数和地物间的可分离性4个因素,利用ERDAS和EXCEL等工具进行各指标的解算,并通过实验,选择红菱矿区1995年的TM多光谱影像为数据源,选取了基于水体波谱特征的最佳波段组合TM345。经定性分析和定量计算,验证了该方法的可行性。

潮滩植被调查最佳波段组合研究

以TM影像为遥感数据信息源,使用FieldSpec3 Hi-Res便携式地物波谱仪采集研究区内典型地物的光谱数据,IDL程序设计语言为开发工具,编程实现了遥感影像的统计特征计算。将遥感影像按照地物类别进行分区,从遥感影像的统计特征入手,结合典型地物的光谱特征分析和遥感数据定量分析的方法,在上海崇明东滩展开了波普特性和波段组合的试验研究。经过分析及反复试验将TM3赋予红色波段、TM5赋予绿色波段、TM4赋予蓝色波段,不同植被类型可由绿色色调加以区分,对于潮滩植被调查效果较好。

LANDSAT数据在沙地动态监测中提取沙地信息的最佳波段组合研究

多光谱遥感数据是沙地动态监测的数据源,从中提取的沙地信息是监测的基础数据。波段是否为最佳组合,直接影响沙地信息的提取和地物的分类。笔者结合研究区域的实际情况,通过对单波段信息、波段间的相关性和OIF指数的分析,研究了提取物及其背景的特征,获得提取沙地信息的最佳波段组合为波段3、4、7。该组合形成的彩色图像地物信息丰富,沙地信息突出,易于目视解译,效果良好。波段的组合研究为后期数据处理提供了有力的技术支撑。

特征优选下的GF-6影像土地利用分类方法研究

考虑多特征组合下的遥感影像分类时,信息量冗余会影响分类精度的问题。本文采用最佳波段指数(OIF)选择最佳波段组合,然后提取纹理和植被指数特征并结合随机森林特征重要性与分类精度之间的线性关系达到特征优选目标:获取最佳特征集合。最后采用随机森林算法、SVM、最大似然算法对实验区进行土地利用分类,对比原始波段、最佳波段组合、全特征集合、优选特征集合分类结果,研究多特征优选下适宜于土地利用分类的最优分类模型。研究结果表明:不同特征集合的分类结果存在一定的差异,在相同的算法下:最大似然算法下原始光谱波段分类精度最高;随机森林算法下优选特征分类精度最高;支持向量算法下全特征集合分类精度最高。在不同算法的特征集合结合中基于随机森林算法的优选特征分类精度最高:总体精度88.07%、F1函数0.843 4、kappa系数0.830 5。因此特征优选下的特征集合结合优势算法在土地利用分类中具有一定的应用价值。

基于多光谱图像选取马铃薯叶片的最佳彩色波段组合

为了快速目测识别马铃薯叶片,利用Spectrocam多光谱相机获取健康C-88马铃薯叶片的可见光及近红外通道的多光谱图像。采用波段指数法提取叶片的特征波段,通过真彩色原理及标准假彩色对所提取的特征波段进行彩色合成,在此基础上得到最佳彩色波段组合。实验结果表明,用波段指数法提取多光谱图像的特征波段进行彩色合成,能快速获取马铃薯叶片的最佳波段,并得到680,558,475nm和800,680,558nm为最佳彩色波段组合,为遥感图像的目视解译和更多有效信息的提取提供了可靠依据。