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程中，降維成為整個過程中的一個重要環(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。由于分層合并聚類算法中的矩陣更新過程能夠影響后續(xù)的分類精度，所以本文對最短距離法、最長距離法、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)行對比分析，實驗結(jié)果

2、證明，最長距離法的分類精度最高，運行時間最短，最長距離法在選擇25個波段時運行時間為44分鐘54秒，分類精度可達(dá)到87.0636％，在六種距離計算方法中是最優(yōu)的，所以本文在矩陣更新算法中選擇最長距離計算方法。最后把分層合并聚類算法應(yīng)用于實驗室已有的遙感設(shè)備(紅外熱像儀、多光譜相機、紫外相機)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模型。由于實驗條件的限制本文利用AVIRIS傳感器50波段高光譜圖像和實驗室已有的遙感設(shè)備獲取的5波段多光譜溢油圖像對建立的模型進(jìn)行測試實驗，得到了實驗結(jié)果。測試實驗主要考察的是該模型的識別精度和速度，并在此基礎(chǔ)上利用波譜角填圖分類方法對5波段圖像的油膜厚度進(jìn)行分類，識別油膜厚度，估算溢油量。
　　 實驗結(jié)果表明，分層合并聚類算法去掉了大量的冗余信息，計算量相對較低。它是一種很有前途的方法，更適合于高光譜