重庆市自然科学基金(cstc2012jjA40055)
- 作品数：6 被引量：19H指数：3
- 相关作者：林娜王斌杨武年陈雪洋更多>>
- 相关机构：重庆交通大学重庆市地理信息中心成都理工大学更多>>
- 发文基金：重庆市自然科学基金国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：天文地球自动化与计算机技术电子电信更多>>
- 高光谱遥感影像核最小噪声分离变换特征提取被引量：6
- 2013年
- 针对高光谱遥感影像线性特征提取方法易导致信息丢失和失真的特点,在最小噪声分离(MNF)变换的基础上,引入核方法,提出核最小噪声分离(KMNF)变换高光谱影像非线性特征提取方法。Cuprite矿区AVIRIS数据实验结果表明,样本个数对KMNF特征提取的结果影响很小,较少的样本即可达到较多样本时特征提取的效果;KMNF特征提取体现了高光谱影像的非线性特征,KMNF特征提取后的影像可获得优于MNF特征提取的端元提取效果。
- 林娜杨武年王斌
- 关键词：高光谱遥感特征提取核方法
- 广域范围建筑物信息普查关键技术探讨被引量：6
- 2014年
- 以重庆市为例,全面介绍了全市域范围内城市建成区建筑物信息普查的工作流程和技术方法,总结了一套适用于大面积山地城市的建筑物信息普查关键技术体系,可为类似的地理调查工作提供借鉴。
- 王斌陈雪洋林娜瞿晓雯
- 基于KMNF和BP神经网络的高光谱遥感影像分类被引量：4
- 2013年
- 为了对高维非线性的高光谱影像进行降维及信息提取,提出了高光谱影像核最小噪声分离变换(kernel minimumnoise fraction,KMNF)特征提取后利用BP神经网络分类的方法。以高光谱影像KMNF特征提取后的前几个特征分量作为BP神经网络的输入,进行BP神经网络分类,并与单独的高光谱影像BP神经网络分类进行比较。美国内华达州CU-PRITE矿区AVIRIS数据的实验结果表明,基于KMNF和BP神经网络的高光谱影像分类较单独BP神经网络分类总体精度及时间性能均得到提高。
- 林娜杨武年王斌
- 关键词：高光谱遥感核方法BP神经网络
- 基于核最小噪声分离变换的高光谱遥感影像特征提取研究被引量：2
- 2013年
- 高光谱遥感影像具有高维非线性的特点,线性特征提取方法容易造成信息丢失和失真。在最小噪声分离变换(MNF)线性特征提取算法的基础上,引入核方法,提出核最小噪声分离变换(KM-NF)高光谱遥感影像非线性特征提取方法。KMNF通过核函数,将样本映射到高维特征空间,在特征空间中运算线性MNF,实现原始空间中的非线性KMNF算法。进行基于KMNF的高光谱影像特征提取实验,分析样本个数对KMNF特征提取的效果,发现样本数量对KMNF特征提取的结果影响很小,较少的样本数即可达到较多样本时特征提取的效果。对比KMNF与MNF特征提取的效果,分析它们降维的效率与保留的信息量,发现KMNF总体降维效率与MNF相当,且体现出高光谱图像的非线性特征;在KMNF和MNF特征提取的基础上,利用SVM进行高光谱图像分类,KMNF+SVM的分类精度优于MNF+SVM。
- 林娜杨武年
- 关键词：高光谱遥感影像特征提取支持向量机
- 基于FLAASH的AVIRIS高光谱影像大气校正被引量：1
- 2013年
- 分析了FLAASH大气辐射传输模型的原理,并利用该模型对美国内华达州CUPRITE矿区AVIRIS高光谱影像进行了大气校正。通过对比校正前后典型地物的光谱曲线、校正后反射率曲线与USGS波谱库反射率曲线发现,大气校正消除了水汽等大气因素的影响,获得了地物反射率;校正后反射率曲线与波谱库反射率曲线相关系数达到0.92,说明利用FLAASH进行大气校正是有效的。
- 林娜杨武年王斌
- 关键词：高光谱遥感大气校正FLAASHAVIRIS
- 基于核最小噪声分离变换的高光谱遥感影像多类SVM分类被引量：3
- 2014年
- 高光谱遥感影像具有高维非线性、数据冗余多、训练样本难以获得等特点。在线性最小噪声分离变换MNF(Minimum Noise Fraction)的基础上,引入核方法,提出核最小噪声分离变换KMNF(Kernel Minimum Noise Fraction)高光谱遥感影像非线性特征提取方法。在KMNF特征提取后的影像上利用多类SVM进行高光谱影像分类,分析数据维数、样本个数对分类结果的影响,并与传统的最小距离分类方法进行对比。发现最小距离分类法存在维数灾难现象,当达到一定的特征维数之后,多类SVM分类方法受维数影响较小,具有一定的抗噪声能力,在一定程度上避免了维数灾难现象;利用多类SVM进行分类时,随着样本数目的减少,合理设置有关参数,高光谱图像的分类能够维持在较高精度;而传统的最小距离分类法当样本数量较小时,效果很差,这说明了SVM小样本分类的优势。
- 林娜杨武年王斌
- 关键词：高光谱遥感多类SVM
