高光谱遥感论文PPT(原创版)
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
选取三屯碑的Band 8和Band 16进行分析：
MNF变换前后2-D散点图变化
对比发现，经过MNF变换后的图像波 段之间的相关性有效地降低了 。
MNF变换前后图像对比
试验区辐射畸变、随机点噪声和条块 状噪声都得到了有效的消除和降低
基于PPI的端元提取
Band 1 Band 10 Band 20
2 是基于交互式数据语言IDL开发的一套功能强大的遥感影像
处理系统。
3
ENVI卓越的波谱分析工具能够快速准确地从遥感影像中
提取出用户所需要的各种目标信息，具有自动高效的
信息提取和目标识别能力。
EO-1高光谱数据
EO-1 卫星平台： EO-1(Earth Observing-1) 1 EO-1上搭载了3种传感器，高光谱成像光谱
将来会得到普遍的应用。克服一些技术难题之后， 高光谱遥感将可以凭借其精度高，操作简便等优势 应用于各方面。
高光谱遥感的应用
——土地利用分类中的应用
论文结构
1 绪论 2 高光谱遥感波谱分析和地物识别 3 高光谱遥感在土地利用分类中的应用 4 结论与展望
一、绪论
选题背景 高光谱遥感技术的发展和现状 研究的目的和意义
全色影像
高光谱遥感的发展
从全色宽波段到高光谱遥 感实质是光谱谱分辨率的
不断提高
多光谱遥感
问题3
不同材料道路的反射波谱曲线形状大体相似 ，很难区分，所以要认真提取并分析波谱反 射率曲线。
结论与展望
1、“同物异谱”和“异物同谱”现象严重影响了遥 感信息提取的准确性。
2、高光谱遥感的操作与运算方面还不够完善。 3、目前遥感信息提取的精度通常用误差矩阵来度量,
它不能描述不确定性的空间分布。 4、随着科技的不断发展，高光谱遥感作为前沿技术
征参量
反 射 率
0.4
波
长 2.5
高光谱遥感影像分类方法
1
非监督 分类
2
监督分类
三、高光谱遥感在土地利用分类中的应用
1
ENVI软件概述 2 EO-1高光谱数据
3
研究区域概况与高光谱遥感预处理 4 研究区土地利用分类图制作 5 高光谱技术在土地利用分类中的问题分析
ENVI软件概述
1
ENVI （ The Environment for Visualizing Images ）遥 感影像处理软件是美国RSI公司的旗帜产品。
高光谱遥感预处理
•定标及水汽波段去除 •DN值转换绝对辐射值 •坏线修复 •垂直条纹的去除
•FLASSH大气校正 •输入文件准备 •模型参数设置 •几何校正
LOGO
预处理结果图对比分析
原图
预处理结果图
研究区土地利用分类图制作
1
最低噪声分数变换
2
基于PPI的端元提取
3
丰度解混
4
利用端元进行分类
最低噪声分数（MNF）变换
彩色摄影
高光谱影像
二、高光谱遥感波谱分析和地物识别
主要内容
高光谱遥感成像机理
高光谱遥感波谱分析与地物识别 高光谱图像分类方法 高光谱遥感在分类应用中的优势
光谱维
高光谱遥感成像模型
在高光谱影像中每个物体的 每一像元或像元组都包含一 个特有的连续光（波）谱， 正是这一光谱在经大气校正 后可作为识别这一地物的特
高光谱技术在土地利用分类中的问题分析
1. 高光谱数据存在冗余问题 2. 居民地等分类存在错分现象 3. 道路用地分类技术不理想 4. 山脉地区同物异谱
高光谱数据存在冗余问题探究
Band 1
Band 10
Band 20
可以看出，Band 10 后面的波段基本为 噪声，在处理时可将其去除，降低数据 冗余度，减少运算量、提高计算速度。
山脉地区同物异谱问题探究（乌鲁木齐市南山为例）
以乌鲁木齐南山为例进行分析，会发现同 样的山脉呈现出不同的波谱。这是因为不 同矿物反射率不同和地物光谱的不稳定性
造成的。
解决办法
问题1
选择信息量最大且波段间的相关性最弱，欲 识别土地利用类型在所选择波段上可分性最 好。
问题2
最好采用其它分辨率较高的遥感图像作为辅 助，或者进行实地考察，对最终结果作为补 充。
丰度解混
解决高光谱图像中混合像元问题
利用端元进行分类
土地利用分类成果图
结果分析
根据土地利用分类成果图，可以看 出，山脉由黄色表示，居民区及工矿 用地显示为红色，道路、平地显示为 蓝色等等。根据不同颜色进行聚类， 分辨出不同的地物，充分体现了高光 谱遥感在土地利用分类中的应用。但 是，在分类中也遇到了问题，进行了 探究，并提出了解决办法。
Band 50
分析可知：选择MNF变换结果的前面 10个波段（MNF后面波段基本为噪声）
纯净像元提取PPI结果
越亮的像素说明它被标记为极值的次数越 多，相应地也越纯；相反，暗一些的图像 纯度就低 。之后选择符合条件的样本区。
利用n-D散点法提取端元
n-D观察仪用于连接最低噪声分数转换(MNF) 和（定位、识别）纯净像元指数，并收集数 据集中最纯的像元和极值波谱反应 。
仪Hyperion是其中之一。
Hyperion 产品分级 ：Hyperion 产品分为 2 两级：Level 0 和 Level 1。 Hyperion L1
数据又可以分为 L1A、L1B和 LHale Waihona Puke BaiduR 三种。
研究区概况
三屯碑位于新疆乌鲁木齐市南部,全境内地势高低 不一,地貌多样。
南部为水库所在地,同时山脉较多，北部、东部和西 部为建筑物集中区。全境土地覆被类型多样,土地利 用类型丰富。工矿用地、居民地、道路用地呈集中 分布。 乌鲁木齐三屯碑地区交通发达，有较多公路干线，是 相对繁华的地带，以此作为研究区能充分体现高光谱 遥感在土地利用分类中的应用，并可以为以后此地区 的规划提供资料。
MNF变换前后2-D散点图变化
对比发现，经过MNF变换后的图像波 段之间的相关性有效地降低了 。
MNF变换前后图像对比
试验区辐射畸变、随机点噪声和条块 状噪声都得到了有效的消除和降低
基于PPI的端元提取
Band 1 Band 10 Band 20
2 是基于交互式数据语言IDL开发的一套功能强大的遥感影像
处理系统。
3
ENVI卓越的波谱分析工具能够快速准确地从遥感影像中
提取出用户所需要的各种目标信息，具有自动高效的
信息提取和目标识别能力。
EO-1高光谱数据
EO-1 卫星平台： EO-1(Earth Observing-1) 1 EO-1上搭载了3种传感器，高光谱成像光谱
将来会得到普遍的应用。克服一些技术难题之后， 高光谱遥感将可以凭借其精度高，操作简便等优势 应用于各方面。
高光谱遥感的应用
——土地利用分类中的应用
论文结构
1 绪论 2 高光谱遥感波谱分析和地物识别 3 高光谱遥感在土地利用分类中的应用 4 结论与展望
一、绪论
选题背景 高光谱遥感技术的发展和现状 研究的目的和意义
全色影像
高光谱遥感的发展
从全色宽波段到高光谱遥 感实质是光谱谱分辨率的
不断提高
多光谱遥感
问题3
不同材料道路的反射波谱曲线形状大体相似 ，很难区分，所以要认真提取并分析波谱反 射率曲线。
结论与展望
1、“同物异谱”和“异物同谱”现象严重影响了遥 感信息提取的准确性。
2、高光谱遥感的操作与运算方面还不够完善。 3、目前遥感信息提取的精度通常用误差矩阵来度量,
它不能描述不确定性的空间分布。 4、随着科技的不断发展，高光谱遥感作为前沿技术
征参量
反 射 率
0.4
波
长 2.5
高光谱遥感影像分类方法
1
非监督 分类
2
监督分类
三、高光谱遥感在土地利用分类中的应用
1
ENVI软件概述 2 EO-1高光谱数据
3
研究区域概况与高光谱遥感预处理 4 研究区土地利用分类图制作 5 高光谱技术在土地利用分类中的问题分析
ENVI软件概述
1
ENVI （ The Environment for Visualizing Images ）遥 感影像处理软件是美国RSI公司的旗帜产品。
高光谱遥感预处理
•定标及水汽波段去除 •DN值转换绝对辐射值 •坏线修复 •垂直条纹的去除
•FLASSH大气校正 •输入文件准备 •模型参数设置 •几何校正
LOGO
预处理结果图对比分析
原图
预处理结果图
研究区土地利用分类图制作
1
最低噪声分数变换
2
基于PPI的端元提取
3
丰度解混
4
利用端元进行分类
最低噪声分数（MNF）变换
彩色摄影
高光谱影像
二、高光谱遥感波谱分析和地物识别
主要内容
高光谱遥感成像机理
高光谱遥感波谱分析与地物识别 高光谱图像分类方法 高光谱遥感在分类应用中的优势
光谱维
高光谱遥感成像模型
在高光谱影像中每个物体的 每一像元或像元组都包含一 个特有的连续光（波）谱， 正是这一光谱在经大气校正 后可作为识别这一地物的特
高光谱技术在土地利用分类中的问题分析
1. 高光谱数据存在冗余问题 2. 居民地等分类存在错分现象 3. 道路用地分类技术不理想 4. 山脉地区同物异谱
高光谱数据存在冗余问题探究
Band 1
Band 10
Band 20
可以看出，Band 10 后面的波段基本为 噪声，在处理时可将其去除，降低数据 冗余度，减少运算量、提高计算速度。
山脉地区同物异谱问题探究（乌鲁木齐市南山为例）
以乌鲁木齐南山为例进行分析，会发现同 样的山脉呈现出不同的波谱。这是因为不 同矿物反射率不同和地物光谱的不稳定性
造成的。
解决办法
问题1
选择信息量最大且波段间的相关性最弱，欲 识别土地利用类型在所选择波段上可分性最 好。
问题2
最好采用其它分辨率较高的遥感图像作为辅 助，或者进行实地考察，对最终结果作为补 充。
丰度解混
解决高光谱图像中混合像元问题
利用端元进行分类
土地利用分类成果图
结果分析
根据土地利用分类成果图，可以看 出，山脉由黄色表示，居民区及工矿 用地显示为红色，道路、平地显示为 蓝色等等。根据不同颜色进行聚类， 分辨出不同的地物，充分体现了高光 谱遥感在土地利用分类中的应用。但 是，在分类中也遇到了问题，进行了 探究，并提出了解决办法。
Band 50
分析可知：选择MNF变换结果的前面 10个波段（MNF后面波段基本为噪声）
纯净像元提取PPI结果
越亮的像素说明它被标记为极值的次数越 多，相应地也越纯；相反，暗一些的图像 纯度就低 。之后选择符合条件的样本区。
利用n-D散点法提取端元
n-D观察仪用于连接最低噪声分数转换(MNF) 和（定位、识别）纯净像元指数，并收集数 据集中最纯的像元和极值波谱反应 。
仪Hyperion是其中之一。
Hyperion 产品分级 ：Hyperion 产品分为 2 两级：Level 0 和 Level 1。 Hyperion L1
数据又可以分为 L1A、L1B和 LHale Waihona Puke BaiduR 三种。
研究区概况
三屯碑位于新疆乌鲁木齐市南部,全境内地势高低 不一,地貌多样。
南部为水库所在地,同时山脉较多，北部、东部和西 部为建筑物集中区。全境土地覆被类型多样,土地利 用类型丰富。工矿用地、居民地、道路用地呈集中 分布。 乌鲁木齐三屯碑地区交通发达，有较多公路干线，是 相对繁华的地带，以此作为研究区能充分体现高光谱 遥感在土地利用分类中的应用，并可以为以后此地区 的规划提供资料。