高光谱溢油图像波段选择在油膜厚度估算中应用解析.doc

该【高光谱溢油图像波段选择在油膜厚度估算中应用解析 】是由【泰山小桥流水】上传分享，文档一共【2】页，该文档可以免费在线阅读，需要了解更多关于【高光谱溢油图像波段选择在油膜厚度估算中应用解析 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。高光谱溢油图像波段选择在油膜厚度估计中应用剖析高光谱溢油图像波段选择在油膜厚度估计中应用剖析高光谱溢油图像波段选择在油膜厚度估计中应用剖析高光谱溢油图像波段选择在油膜厚度预计中的应用因为成像光谱仪的发展日趋成熟,对高光谱遥感图像的研究日趋紧急。高光谱和多光谱数据存在大批的冗余信息,在预计油膜厚度的过程中,降维成为整个过程中的一个重要环节,是做好后续办理的必需条件。本文把基于分层合并聚类算法的波段选择方法应用于AVIRIS传感器50波段高光谱图像。因为分层合并聚类算法中的矩阵更新过程能够影响后续的分类精度,因此本文对最短距离法、最长距离法、中间距离法、重心法、均匀距离法和最小方差法等矩阵更新算法进行比较剖析,实验结果证明,最长距离法的分类精度最高,运转时间最短,最长距离法在选择25个波段时运转时间为44分钟54秒,%,在六种距离计算方法中是最优的,因此本文在矩阵更新算法中选择最长距离计算方法。最后把分层合并聚类算法应用于实验室已有的遥感设备(红外热像仪、多光谱相机、紫外相机)获得的5波段多光谱溢油图像。在众多的波段选择模型中,选择了应用比较宽泛的分层合并聚类算法,并把该方法应用于预计油膜厚度上,本文的中心工作是建立了分层合并聚类模型。因为实验条件的限制本文利用AVIRIS传感器50波段高光谱图像和实验室已有的遥感设备获得的5波段多光谱溢油图像对建立的模型进行测试实验,获得了实验结果。测试实验主要观察的是该模型的鉴别精度和速度,并在此基础上利用波谱角填图分类方法对5波段图像的油膜厚度进行分类,鉴别油膜厚度,预计溢油量。实验结果表示,分层合并聚类算法去掉了大批的冗余信息,计算量相对较低。它是一种很有前程的方法,更合适于高光谱图像。同主题文章[1].杨诸胜,郭雷,罗欣,'[J]..(12)[2].杨诸胜,郭雷,罗欣,'[J]..(03)[3].王立国,谷延锋,'.(06)[4].赵冬,'[J]..(06)[5].王立国,赵春晖,'[J].吉林大学学报(工学版).2007.(04)[6].范伟,王毅,'[J]..(02)[7].常红,'西北师范大学学报(自然科学版).1998.(04)[8].'[J]..(07)[9].袁军,黄坚,'武汉大学学报(理学版).2005.(01)[10].吴昊,李士进,林林,'[J]..(05)【重点词相关文档搜寻】:计算机科学与技术;高光谱遥感图像;波段选择;分层合并聚类算法;油膜厚度【作者相关信息搜寻】:大连海事大学;计算机科学与技术;黄健;臧影;高光谱溢油图像波段选择在油膜厚度估计中应用剖析高光谱溢油图像波段选择在油膜厚度估计中应用剖析高光谱溢油图像波段选择在油膜厚度估计中应用剖析