高光谱遥感基本原理和实际应用.pptVIP

高光谱遥感数据处理与分析 五、高光谱图像分类与地物识别 传统图像分类算法对高光谱遥感图像的适用性——光谱特征选择——多波段数据监督分类：平行六面体法、最小距离分类、马氏距离、最大似然法、神经元网络非监督分类法：ISODATA、K－means 高光谱遥感图像分类算法： （1）基于整波形特征的光谱匹配： 根据光谱之间的最小距离——曲线间距离 光谱曲线之间的最小夹角 光谱之间的最大相似系数 （2）基于光谱特征参量的匹配 光谱特征提取（地物物理化学性质――光谱特征分析） 例： 光谱角度填图(Spectral Angle Mapping， SAM) 高光谱遥感数据处理与分析 五、高光谱图像分类与地物识别 高光谱图像分类与识别的一般流程： 高光谱遥感数据处理与分析 五、高光谱图像分类与地物识别 其它分类策略： （1）像元空间关联下的高光谱数据分析 （2）空间信息支持下的多边形光谱分解与分类 （3）DEM支持下的像元光谱分解与亚像元定位 （4）光谱指数时间序列分析与图像分类 目标识别或光谱识别是个复杂的问题其中三个最大的难点在于： （1）地物在复杂环境中的光谱不确定性（Spectral Variability）； （2）光谱识别需要很高信噪比（Signal-to-Noise）的高光谱图像； （3）混合像元问题