高光谱遥感论文PPT(原创版)解析.pptVIP

一、绪论 二、高光谱遥感波谱分析和地物识别 高光谱遥感影像分类方法 ENVI软件概述 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 研究区概况 高光谱遥感预处理 预处理结果图对比分析 研究区土地利用分类图制作 最低噪声分数（MNF）变换 基于PPI的端元提取 纯净像元提取PPI结果 利用n-D散点法提取端元 丰度解混 利用端元进行分类 高光谱数据存在冗余问题探究 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。 山脉地区同物异谱问题探究（乌鲁木齐市南山为例） 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 绪论 1 高光谱遥感波谱分析和地物识别 2 高光谱遥感在土地利用分类中的应用 3 结论与展望 4 高光谱遥感技术的发展和现状 选题背景 研究的目的和意义 彩色摄影 高光谱影像 多光谱遥感 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 高光谱遥感的发展 全色影像 高光谱图像分类方法 高光谱遥感在分类应用中的优势 高光谱遥感波谱分析与地物识别 高光谱遥感成像机理 主要内容 反 射 率 波 长 0.4 2.5 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征参量 高光谱遥感成像模型 光谱维 扫描方向 空间维 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 ENVI软件概述 2 EO-1高光谱数据 3 4 5 研究区域概况与高光谱遥感预处理 研究区土地利用分类图制作 高光谱技术在土地利用分类中的问题分析 1 1 2 3 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。 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。 1 EO-1 卫星平台： EO-1(Earth Observing-1) EO-1上搭载了3种传感器，高光谱成像光谱仪Hyperion是其中之一。 2 Hyperion 产品分级 ：Hyperion 产品分为两级：Level 0 和 Level 1。 Hyperion L1 数据又可以分为 L1A、L1B和 L1R 三种。 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。 LOGO 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 原图 预处理结果图 利用端元进行分类 4 最低噪声分数变换 1 基于PPI的端元提取 2 丰度解混 3 选取三屯碑的Band 8和Band 16进行分析： 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2-D散点图变化 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 MNF变换前后图像对比 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） Band 1 Band 10 Band 20 Band 50 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。 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 。 解决高光谱图像中混合像元问题 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