高光譜溢油圖像波段選擇在油膜厚度估算中的應(yīng)用.pdf

1、由于成像光譜儀的發(fā)展日益成熟，對(duì)高光譜遙感圖像的研究日趨緊迫。高光譜和多光譜數(shù)據(jù)存在大量的冗余信息，在估算油膜厚度的過(guò)程中，降維成為整個(gè)過(guò)程中的一個(gè)重要環(huán)節(jié)，是做好后續(xù)處理的必要條件。本文把基于分層合并聚類(lèi)算法的波段選擇方法應(yīng)用于AVIRIS傳感器50波段高光譜圖像。由于分層合并聚類(lèi)算法中的矩陣更新過(guò)程能夠影響后續(xù)的分類(lèi)精度，所以本文對(duì)最短距離法、最長(zhǎng)距離法、中間距離法、重心法、平均距離法和最小方差法等矩陣更新算法進(jìn)行對(duì)比分析，實(shí)驗(yàn)結(jié)果

2、證明，最長(zhǎng)距離法的分類(lèi)精度最高，運(yùn)行時(shí)間最短，最長(zhǎng)距離法在選擇25個(gè)波段時(shí)運(yùn)行時(shí)間為44分鐘54秒，分類(lèi)精度可達(dá)到87.0636％，在六種距離計(jì)算方法中是最優(yōu)的，所以本文在矩陣更新算法中選擇最長(zhǎng)距離計(jì)算方法。最后把分層合并聚類(lèi)算法應(yīng)用于實(shí)驗(yàn)室已有的遙感設(shè)備(紅外熱像儀、多光譜相機(jī)、紫外相機(jī))獲取的5波段多光譜溢油圖像。
　　 在眾多的波段選擇模型中，選擇了應(yīng)用比較廣泛的分層合并聚類(lèi)算法，并把該方法應(yīng)用于估算油膜厚度上，本文的核心

3、工作是建立了分層合并聚類(lèi)模型。由于實(shí)驗(yàn)條件的限制本文利用AVIRIS傳感器50波段高光譜圖像和實(shí)驗(yàn)室已有的遙感設(shè)備獲取的5波段多光譜溢油圖像對(duì)建立的模型進(jìn)行測(cè)試實(shí)驗(yàn)，得到了實(shí)驗(yàn)結(jié)果。測(cè)試實(shí)驗(yàn)主要考察的是該模型的識(shí)別精度和速度，并在此基礎(chǔ)上利用波譜角填圖分類(lèi)方法對(duì)5波段圖像的油膜厚度進(jìn)行分類(lèi)，識(shí)別油膜厚度，估算溢油量。
　　 實(shí)驗(yàn)結(jié)果表明，分層合并聚類(lèi)算法去掉了大量的冗余信息，計(jì)算量相對(duì)較低。它是一種很有前途的方法，更適合于高光譜