基于小波分析的Hyperion影像地物分类波段宽度

• 作者: 房秀凤 李太兴 杜华强 王怀警 谭炳香
• 来源期刊: 南京林业大学学报（自然科学版）
• 学科: 农学
• 关键词: Hyperion影像 小波分解 小波融合 林分分类识别
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 141-147
• 页数: 7页
• 分类号: S758|TP79
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2006.201710042

摘要

[目的]高光谱遥感为地物的精细识别提供优势的同时,也带来了数据量多、波段间相关性大、处理精度和效率下降等问题,而且在遥感分类中并不是使用的通道越多、波段越窄效果越好.因此笔者从光谱角度出发探讨降低高光谱数据量,以寻求适宜遥感分类波段宽度的方法.[方法]首先对Hyperion影像进行处理,主要包括去除未定标和受水汽影像波段、坏线、条纹和Smile效应,辐射定标和大气校正处理后得到161个波段,对选用的LIR级数据进行几何校正.根据样地调查情况确定试验区待分类别,对提取的14类地物样本平均光谱进行7次Sym3小波分解,由得到的小波细节系数方差和小波细节系数熵分析适宜各类型识别的光谱区间,然后将不同光谱区间内窄波段进行小波融合,最后选取支持向量机方法进行分类识别.[结果]美人松林、落叶松林、樟子松林、针叶混交林、阔叶混交林、火烧迹地、水体、耕地和未利用地9类地物识别的适宜光谱分辨率为40nm,剩余5种地物识别的适宜光谱分辨率为80 nm,不同光谱区间对应的波段数大大降低,且最终分类精度总体都达到81％以上.[结论]将小波分析与支持向量机方法(SVM)结合,解决了高光谱存在的“维数灾难”问题,提高了高光谱数据的利用率,遥感分类中并不是使用的通道越多、波段越窄效果越好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭炳香	中国林业科学研究院资源信息研究所	43	898	18.0	29.0
2	杜华强	浙江农林大学环境与资源学院	4	9	2.0	3.0
3	王怀警	中国林业科学研究院资源信息研究所	4	6	1.0	2.0
4	房秀凤	中国林业科学研究院资源信息研究所	4	6	1.0	2.0
5	李太兴		4	8	1.0	2.0