论文部分内容阅读
高光谱遥感以其极高的光谱分辨率而著称。高光谱遥感丰富的光谱信息为地物识别提高了便利,是当前国际遥感应用研究的热点。高光谱遥感已在众多领域得到较好的应用，但在林业方面的应用研究中尚无较好的适用于森林树种分类的算法。本文以高光谱数据的树种分类波段选择方法研究为切入点，旨在探索提高树种分类精度的方法。文中重点分析了几种不同的特征波段选择方法。本研究考虑寻找同一类地物不同建模样本间光谱反射率变动较小的波段作为优选波段的思想，采用了基于回归残差的特征波段选择方法。结合顺序后退法的思想，提出一种基于回归残差的顺序后退法特征波段选择方法。本文将该两种方法应用于叶片非成像高光谱数据以及EO-1Hyperion遥感影像数据的树种分类研究中，并比较两种方法与基于组内组间离差的顺序后退法特征波段选择的分类结果。叶片非成像高光谱数据以及EO-1Hyperion遥感影像数据的分类结果均显示，基于回归残差的顺序后退法明显优于回归残差法。同时文中采用基于特征提取的偏最小二乘回归法分类方法，并取得了较好的结果。文中分别采用顺序后退法、逐步判别分析法、遗传编码算法和TM对应波段法对EO-1Hyperion遥感影像数据进行树种分类特征波段的选择研究。结果显示，各波段选择方法对检验样本的分类精度均优于全波段法。其中，逐步判别分析法和遗传编码法具有较高的分类精度，分别为74.73%和73.69%；其次为TM对应波段法分类精度为70.06%；相反波段数5倍于TM对应波段法的顺序后退法的分类精度最低。此外，文中采用了费希尔判别法对EO-1Hyperion影像光谱维进行转换,结果显示其对检验样本的分类精度最高78.24%。各波段选择方法的分类结果显示，采用较少的波段即可达到甚至超过采用全部波段时的分类精度。因此，在应用高光谱数据对树种分类研究中，通过适当波段选择方法可以在不降低树种分类精度的同时，对高光谱数据进行压缩提高数据处理效率。