基于知识的高光谱图像波谱匹配技术研究与应用

【摘要】： 随着遥感技术的发展,遥感图像的分辨率不断提高。目前在基础地理数据更新、土地利用变化、国土资源调查检测等方面高分辨率遥感图像有着的广泛的应用。由于高光谱遥感覆盖的波长范围比一般的光谱宽,光谱波段众多、分辨率高,从而能够得到地物比较精细的光谱特征曲线,并可以根据需要提取某特定的波段来突出目标的特征,因此研究高分辨率遥感图像的匹配技术有着重要的科学意义和实用价值。 经过了几十年的发展,高光谱遥感图像数据的分析处理技术得到了巨大的进步,在传统分类算法的基础上,发展形成了一系列面向高光谱图像的分类算法。因此本文首先根据高光谱图像的成像特点概要介绍了几种波谱匹配算法,并且分析了其适用条件,由于高光谱图像光谱分辨率高、波段众多特点、波长范围更宽,这些特点导致了对地物的识别面临着的许多困难看,传统的匹配方法在对高光谱图像进行匹配识别时常常会因为图像数据量巨大而导致计算量和处理复杂度都大大增加,从而导致匹配效率大大降低,因此,对于高光谱图像的匹配需要高速、有效、智能化的识别处理方法,本文引入的基于知识的匹配方法满足了这些要求。 基于知识的遥感影像分类过程就是一个知识的发现、表达和推理判读的过程,知识的发现依赖于一个包含完备的空间数据、属性数据和光谱数据的知识库。本文引入的基于知识的光谱匹配方法分为四步进行,分别是:知识定义、规则输入、运行分类树、分类后处理。首先根据矿物的专家知识提取光谱的吸收特征,将这些特征以规则的形式表示出来,然后制定将未知的样本利用这些规则进行分类判决的策略,生成并运行分类树,得到分类结果并分析。通过实践,证明了用基于知识的方法对高光谱数据进行模式分类识别是可行的,有效的。