收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于时序的遥感影像混合像元分解模型的研究

胡霞  雷星松  
【摘要】:地物的复杂性和遥感技术的局限性,使得遥感影像每个像元都是由多个地物(端元)的光谱组合而成的。在实际应用中,为了反演地物的组成,进行混合像元分解显得尤其必要了。混合像元分解的研究,在解决遥感影像判读精度、提高遥感对人们生产和生活的贡献等方面,具有重要的作用。传统的混合像元分解模型,分为统计模型和几何光学模型,统计模型又分为线性和非线性模型。这些模型是在考虑地物特征和波谱特征的基础上,运用数学、物理知识建立起来的。然而,这些模型都是基于一个时间点的数据进行建模的,并且存在一定的假设和适用条件,模型的精确性有待改进。在对基于时间序列的遥感影像做分类研究的过程中,发现传统的混合像元分解方法并不适用。本文是在总结上述模型的数学物理方法的基础上,结合地物的时序性和遥感影像的特征,利用高斯分布、贝叶斯原理、马尔科夫链等数学知识建立起的基于时间序列的混合像元分解的理论模型。传统的GMM模型认为组分在每个波段上光谱值的分布符合高斯密度函数。本文在GMM模型的基础上,基于地物的时间连续性,改进参数的估计方法,进一步提高了参数的精度,从而减少了模型的误差。在进行参数估计时,利用马尔科夫链模型的特点,结合MCMC算法的原理,估计出每个时刻参数的值。在GMM模型中,每种地物又分为几个子类,根据贝叶斯原理推导出的地物的混合系数的后验概率,由每种地物的光谱值的均值、子类的混合概率以及每种地物的混合系数的先验概率这三个参数决定,这三个参数是相互制约的。本文采用较为简单的方式进行参数估计,用上一时刻参数的后验值作为下一时刻参数的先验值,降低了参数估计的复杂度。并且在同一时刻进行了参数的迭代校正,一定程度上提高了参数估计的精度。混合像元分解的精度直接影响了遥感影像分类的精度,本文提出的基于高斯分布的联合贝叶斯混合像元分解模型精度高、复杂度低,具有一定的实践指导意义,能够为科研和实际应用提供一定的理论支撑。

知网文化
【相似文献】
中国期刊全文数据库 前18条
1 奚祯苑;刘丽娟;陆灯盛;葛宏立;陈耀亮;;基于线性混合像元分解技术提取山核桃空间分布[J];林业科学;2015年10期
2 陈晋;马磊;陈学泓;饶玉晗;;混合像元分解技术及其进展[J];遥感学报;2016年05期
3 谭熊;余旭初;张鹏强;余岸竹;黄伟杰;;一种基于模糊混合像元分解的高光谱影像分类方法[J];测绘科学技术学报;2013年03期
4 张志新;邓孺孺;李灏;陈蕾;陈启东;何颖清;;基于混合像元分解的南方地区植被覆盖度遥感监测——以广州市为例[J];国土资源遥感;2011年03期
5 李剑萍,郑有飞;气象卫星混合像元分解研究综述[J];中国农业气象;2000年02期
6 李剑萍;气象卫星混合像元分解研究综述[J];气象科技;1999年02期
7 张彦,邵美珍;基于径向基函数神经网络的混合像元分解[J];遥感学报;2002年04期
8 施长惠;王红;;基于混合像元分解和知识规则的人工刺槐林健康分类[J];地理与地理信息科学;2014年02期
9 陈丽;张晓丽;焦志敏;;基于混合像元分解模型的森林叶面积指数反演[J];农业工程学报;2013年13期
10 胡健波;陈玮;李小玉;何兴元;;基于线性混合像元分解的沈阳市三环内城市植被盖度变化[J];应用生态学报;2009年05期
11 吴波;周小成;高海燕;;面向混合像元分解的光谱维小波特征提取[J];华侨大学学报(自然科学版);2008年01期
12 蔡薇;郭洪海;隋学艳;杨丽萍;;基于混合像元分解提取小麦种植面积的技术与方法研究[J];山东农业科学;2009年05期
13 张伟;杜培军;张华鹏;;基于神经网络的高光谱混合像元分解方法研究[J];测绘通报;2007年07期
14 张飞飞;孙旭;薛良勇;高连如;刘长星;;融合简单线性迭代聚类的高光谱混合像元分解策略[J];农业工程学报;2015年17期
15 刘俊;姚国清;;混合像元分解方法的研究[J];电脑知识与技术;2009年13期
16 马雪梅;陈亮;俞冰;徐锋;;基于决策树和混合像元分解的城市扩张分类[J];测绘通报;2006年10期
17 蓝金辉;邹金霖;郝彦爽;曾溢良;张玉珍;董铭巍;;高光谱遥感影像混合像元分解研究进展[J];遥感学报;2018年01期
18 李熙;陈锋锐;于之锋;;小波系数插值支持下的遥感影像混合像元分解[J];应用科学学报;2012年06期
中国重要会议论文全文数据库 前10条
1 胡霞;雷星松;;基于时序的遥感影像混合像元分解模型的研究[A];第十七届中国遥感大会摘要集[C];2010年
2 王强;黄楠;;混合像元分解研究综述[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年
3 魏一苇;黄世奇;;高光谱混合像元分解技术研究综述[A];国家安全地球物理丛书(九)——防灾减灾与国家安全[C];2013年
4 俞晨;邹伟;余先川;;遥感图像混合像元分解方法研究[A];第十二届全国图象图形学学术会议论文集[C];2005年
5 张良培;丛浩;;一种可选端元的混合像元分解方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
6 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年
7 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];第十七届中国遥感大会摘要集[C];2010年
8 牛贝贝;武静;;混合像元分解中的端元提取综述[A];全国测绘科技信息网中南分网第三十次学术信息交流会论文集[C];2016年
9 魏一苇;黄世奇;刘代志;;基于独立成分分析的高光谱混合像元分解方法[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
10 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
中国博士学位论文全文数据库 前8条
1 徐超;传感器点扩散函数对混合像元分解影响模拟研究[D];中国科学院研究生院(东北地理与农业生态研究所);2016年
2 李二森;高光谱遥感图像混合像元分解的理论与算法研究[D];解放军信息工程大学;2011年
3 张逸然;地表温度空间降尺度方法及其基于国产高分影像的应用研究[D];浙江大学;2017年
4 孔祥兵;基于同质区分析的高光谱影像混合像元分解[D];武汉大学;2012年
5 李华丽;高光谱遥感影像自动混合像元分解研究[D];武汉大学;2012年
6 夏威;高光谱遥感图像的解混和波段选择方法研究[D];复旦大学;2013年
7 王来刚;基于多源遥感信息融合的小麦生长监测研究[D];南京农业大学;2012年
8 许菡;遥感影像混合像元分解新方法及应用研究[D];首都师范大学;2013年
中国硕士学位论文全文数据库 前10条
1 王鹏举;高温目标遥感识别及混合像元分解方法研究[D];吉林大学;2018年
2 郑柱;高光谱图像混合像元分解与压缩感知重构算法研究[D];杭州电子科技大学;2018年
3 陈香香;基于流形约束的高光谱图像混合像元分解研究[D];湖南大学;2017年
4 罗恩湖;基于进化多目标优化的高光谱稀疏混合像元分解技术研究[D];西安电子科技大学;2015年
5 李君;线性与非线性混合像元分解模型的比较研究[D];东北林业大学;2008年
6 蔡薇;基于MODIS遥感数据混合像元分解的小麦识别及其面积估算[D];山东师范大学;2010年
7 高钛;基于近似稀疏约束非负矩阵分解的高光谱图像混合像元分解[D];江西科技师范大学;2015年
8 刘学;棉花遥感识别的混合像元分解研究[D];石河子大学;2008年
9 范旻昊;基于MODIS遥感数据的混合像元分解技术与方法研究[D];南京信息工程大学;2007年
10 杨超;基于混合像元分解决策树的土地利用/覆被分类研究[D];云南师范大学;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978