基于图像质量评价的高光谱森林监测波段选择研究

发布时间：2020-03-21 15:54

【摘要】：与多光谱相比,高光谱遥感影像具有较高的光谱分辨率和丰富的光谱信息,已被广泛用于监测森林资源,适宜对森林进行精细识别和分类。在实际研究与应用中,学者需要从众多的波段中进行选择,但数据量较大,运算时间长,效率较低;另一方面,波段选择完成后,缺少成像后遥感影像质量情况及应用效果的分析。本文以广西壮族自治区高峰林场为研究区,采用AISAEagleII高光谱遥感数据,结合遥感图像质量评价指标,建立了适合森林资源监测的高光谱数据波段选择的图像质量综合评价模型。研究分别利用综合评价模型、自适应波段选择法、波段指数法对高光谱数据单波段进行选择,并将K-Means聚类法、最佳指数法(Optimun Index Factor,OIF)与以上三种方法结合,进行最佳波段组合的研究,比较各个方法的优劣。主要研究结论如下:(1)信息熵、信噪比、变异系数、基于灰度共生矩阵的对比度和模糊度对遥感图像质量有显著影响。研究选取了 6个基于光谱信息的评价指标和7个基于灰度共生矩阵(纹理)的评价指标。通过比较两个指标间的相关性,信息熵、信噪比、变异系数、基于灰度共生矩阵的对比度和模糊度5个参数的相关性最小,参与构建综合评价模型,用于全面描述图像清晰度、受噪声影响程度、信息量等。(2)研究得到的适用于评价高光谱影像的综合评价模型,模型的决定系数(R2)为0.707、均方根差(Root Mean Square Error,RMSE)为0.029、估测精度(Estimation Accuracy,EA)为99.94%和相对误差(Relative Error,RE)为0.42%,说明模型拟合效果非常好。将综合评价模型选出的前10个波段与波段指数法选出的前10个波段、自适应波段选择法选出的前10个波段进行比较可知,综合评价方法选出的波段数据整体分类精度高,在森林资源监测中整体效果更好。(3)利用K-Means聚类法解决了综合评价模型没有考虑的波段间相关性的问题。当波段组合中波段数量为3时,基于K-Means聚类和综合评价模型选出了该方法下的最佳波段组合为17-55-84,利用最佳指数法分别选出了基于波段指数法和自适应波段选择法的最佳波段组合分别为:41-62-11,58-99-110。通过波段间的平均相关系数、OIF值、分类精度3个指标比较了三种方法选出的最佳波段组合,整体来看,K-Means聚类和综合评价模型选出最佳波段组合最好。(4)从整体来看,当波段组合中波段数目为3～10时,随着波段组合中波段数目的增加,K-Means+CEM、波段指数+OIF、ABS+OIF三种方法得到的最佳波段组合的分类精度提高,组合中波段间的相关性也升高。其中,K-Means+ CEM方法的分类精度最高,组合中波段间的相关性最低。
【图文】：

图２．１研究样区位置图逡逑Ｆｉｇ２．１邋Ｔｈｅ邋ｌｏｃａｔｉｏｎ邋ｏｆ邋ｓａｍｐｌｅ邋ｐｌｏｔ逡逑２．２数据获取逡逑

中南林业科技大学硕士学位论文逦基于图像质量评价的高光谱森林监测波段选择研宄逡逑２．３．４影像镶嵌与裁剪逡逑影像镶嵌是指对若干景影像通过几何镶嵌、色调调整、去重叠等处理，镶嵌逡逑到一起生成一幅大的图像的影像处理方法。在２０１８年１月１３日、１月３０日，研逡逑究组分别采集ＡＩＳＡ邋Ｅａｇｌｅ邋ＩＩ高光谱影像２０景、１０景，每景影像的实际覆盖面积逡逑约为１２３３ｈｍ２。通过ＥＮＶＩ５．３软件中的无缝镶嵌模块，将采集的影像镶嵌成一景逡逑图。逡逑根据研究目的及试验设计要求，在遥感影像上选取地物清晰、地类较为丰富逡逑的两块样区，，分别作为实验样区与验证样区。通过ＡｒｃＧＩＳ软件，新建样区的矢逡逑量数据，再在ＥＮＶＩ５．３软件中，通过矢量数据进行影像的裁剪。图２．３中，（ａ）逡逑为预处理前样区所处位置的影像，是由３景ＡＩＳＡ邋Ｅａｇｌｅ邋ＩＩ高光谱影像组成。从图逡逑中可以看到，影像整体色彩不统一，样区东边边界处，道路存在明显的偏差。（ｂ）逡逑为预处理后样区的影像，影像色彩同意，且预处理前存在的偏差也得到了修正。逡逑ＩＩＩＮ逦ＩＩＷ邋：＞＜？．，＂？々．逦ＭＷ邋．＇0■邋？＇ｉ，，邋ｌｉｍ邋．邋ｉ．邋．逦｜ＩＷ邋｜邋Ｈｉ＂邋％，邋｜ＩＷ逦｜？ＩＮ邋’逦＾邋｜ＩＷ邋ＪＯ＊邋｜ｌｌ￣邋％邋ＨＩＭ邋」ｌ．＿邋＇，，？＊逡逑
【学位授予单位】：中南林业科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S757.2;S771.8;TP751

【参考文献】

相关期刊论文 前10条

1 王志明;;无参考图像质量评价综述[J];自动化学报;2015年06期

2 秦方普;张爱武;王书民;孟宪刚;胡少兴;孙卫东;;基于谱聚类与类间可分性因子的高光谱波段选择[J];光谱学与光谱分析;2015年05期

3 李俊峰;方建良;戴文战;;基于色彩感知的无参考图像质量评价[J];仪器仪表学报;2015年02期

4 胡文婷;周献中;欣益行;刘浈;;一种基于模糊核聚类的视觉注意分配度量方法[J];统计与信息论坛;2015年02期

5 杨迪威;余绍权;;利用相位一致性的图像质量评价方法[J];计算机工程与应用;2015年02期

6 朱晓玲;许妙忠;丛铭;;基于支持向量机的无参考遥感图像质量评价方法[J];航天返回与遥感;2014年06期

7 盛鸿宇;曹阳光;;一种噪声近似图像的质量区分方法[J];通化师范学院学报;2014年08期

8 付建红;;相对定向的机载惯性测量装置视准轴误差求解方法[J];测绘学报;2014年07期

9 邵宇;孙富春;李洪波;;基于视觉特性的无参考型遥感图像质量评价方法[J];清华大学学报(自然科学版);2013年04期

10 孙华;鞠洪波;张怀清;林辉;刘华;凌成星;符利勇;;Hyperion高光谱影像波段选择方法比较研究[J];红外;2013年02期

相关博士学位论文 前3条

1 李俊枝;森林生态功能区适应性管理研究[D];东北林业大学;2016年

2 田媛;灰度图像无参考质量评价方法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

3 修吉宏;基于图像功率谱的航空图像质量判别技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2005年

相关硕士学位论文 前9条

1 张悦;高光谱遥感图像降维技术研究[D];东华理工大学;2018年

2 夏冰;高光谱影像非监督波段选择技术研究[D];苏州大学;2015年

3 祝汉城;数字图像的客观质量评价方法研究[D];中国矿业大学;2015年

4 王旭;无参考遥感图像质量综合评价算法研究[D];西安电子科技大学;2015年

5 江鉴行;基于MOS数据库的图像质量评价的度量方法[D];安徽大学;2014年

6 许炜敏;基于BP神经网络的杉木林蓄积量估测方法研究[D];福建师范大学;2012年

7 赵洋;基于高分辨率遥感影像的城市公园绿地信息提取及景观格局分析[D];山东农业大学;2012年

8 郭生良;γ能谱的蒙特卡罗计算方法探讨与模拟软件设计[D];成都理工大学;2008年

9 杨金红;高光谱遥感数据最佳波段选择方法研究[D];南京信息工程大学;2005年

本文编号：2593570