CN104050252A - 一种高光谱遥感蚀变信息提取方法 - Google Patents
一种高光谱遥感蚀变信息提取方法 Download PDFInfo
- Publication number
- CN104050252A CN104050252A CN201410260818.7A CN201410260818A CN104050252A CN 104050252 A CN104050252 A CN 104050252A CN 201410260818 A CN201410260818 A CN 201410260818A CN 104050252 A CN104050252 A CN 104050252A
- Authority
- CN
- China
- Prior art keywords
- rule
- decision tree
- spectrum
- mineral
- alteration information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于地质矿产勘查技术领域,具体公开一种高光谱遥感蚀变信息提取方法,高光谱影像数据预处理;野外实测数据预处理;在决策树规则提取区域上根据样本点集信息,建立蚀变矿物类型与影像各波段灰度值的判定关系和初始决策树判定规则;待识别蚀变矿物划分大类,圈定大类中特征吸收谱带区间;对比野外实测波谱曲线特征,找出待分类蚀变矿物在特征吸收谱带诊断性波谷波峰位置,标记不确定波谷波峰,建立特征吸收峰分类规则;将初始决策树判定规则与特征吸收峰分类规则合并后建立决策树规则,并将决策树规则作为蚀变信息提取规则提取蚀变信息。该方法具有良好的稳定性和可靠性,具有批量化和规模化提取蚀变信息能力。
Description
技术领域
本发明属于地质矿产勘查技术领域,具体涉及一种高光谱遥感蚀变信息提取方法。
背景技术
高光谱遥感技术是地质矿产勘查领域的重要新技术新方法,它将传统的图像维与光谱维信息融为一体,在获取地表空间图像的同时,也能得到地物目标的连续光谱信息,应用高光谱遥感提取矿化蚀变信息是近些年来遥感地质应用研究的热点之一。
自高光谱遥感技术提出以后,探索研究了许多的高光谱遥感识别分类理论与方法,在岩矿蚀变信息识别领域归纳起来主要有:基于单个诊断性吸收特征参数的方法、基于光谱整体形态的方法和基于光谱知识模型的方法三大类。基于单个诊断性吸收特征参数的方法主要有IHS编码与吸收波段图和相对吸收深度图(RBD image)等,由于吸收峰的非对称性,RBD方法准确性较低;基于光谱整体形态的方法,主要有光谱匹配(SM)、相似指数(SI)、光谱角识别方法(SAM)、光谱相关系数识别方法(SCM)和交叉相关光谱匹配方法(CCSM)等,这些方法相对于单个吸收特征参数的方法可靠,但往往由于光谱数据分辨率的影响使光谱的差异不明显,难以对地物进行准确分类与识别;基于光谱知识模型的方法,如线性混合光谱分解模型(SMA/SUM)修正的光谱混合分析模型(MSMA)和能量约束最小模型(CEM)等,克服了前两类方法的缺陷,但更多地依赖光谱物理学知识,由于难以确定特征物理参数或难以准确描述光谱模型。
发明内容
本发明的目的在于提供一种高光谱遥感蚀变信息提取方法,该方法具有良 好的稳定性和可靠性,具有批量化和规模化提取蚀变信息能力。
实现本发明目的的技术方案:一种高光谱遥感蚀变信息提取方法,该方法具体包括以下步骤:
(1)高光谱影像数据预处理,选取决策树规则提取区域;
(2)野外实测数据预处理,利用光谱聚类分析将蚀变矿物光谱聚类取均值后建立光谱数据库;
(3)在上述步骤(1)中得到的决策树规则提取区域上根据样本点集信息,采用CART数据挖掘算法建立蚀变矿物类型与影像各波段灰度值的判定关系,建立初始决策树判定规则;
(4)待识别的蚀变矿物根据矿物基因分子类型划分大类,圈定大类中特征吸收谱带区间;对比野外实测波谱曲线特征,找出待分类蚀变矿物在特征吸收谱带诊断性波谷波峰位置,并标记不确定波谷波峰,建立特征吸收峰分类规则;
(5)将上述步骤(3)中得到的初始决策树判定规则与上述步骤(4)中得到的特征吸收峰分类规则合并后建立决策树规则,并将决策树规则作为蚀变信息提取规则提取整副影像蚀变信息。
所述的步骤(1)中对高光谱影像进行预处理包括几何校正、图像增强、图像掩膜、大气校正预处理,并裁剪出区域作为决策树规则提取区域。
所述的步骤(2)中采用可见光—短波红外地面光谱仪(ASD)测量得到野外实测数据。
所述的步骤(2)中野外实测数据进行预处理包括去除水汽吸收、光谱平均、光谱去噪平滑处理、光谱重采样预处理。
所述的步骤(4)中根据矿物基因分子,将待识别的矿物蚀变矿物分为Al-OH、Mg-OH、CO3 2-三大类,根据吸收光谱曲线深度的大小来分析相应矿物 基因分子特征吸收峰区间。
本发明的有益技术效果在于:(1)本发明基于数据挖掘和波谱诊断特征建立决策树分类的高光谱影像蚀变信息提取方法,对高光谱影像运用数据挖掘算法建立的蚀变矿物统计特征与野外实测波谱诊断特征吸收波谷波峰相结合,建立一种决策树算法提取蚀变信息,圈定成矿靶区。(2)本发明的高光谱遥感蚀变信息提取结果分副跨行带过度平滑,具有稳定性和可靠性;建立的决策树规则可应用于同一区域不同分副大量高光谱影像,具有批量化和规模化提取蚀变信息能力。(3)本发明充分利用高光谱图像图谱合一的特点,将当数据挖掘算法应用于地学研究中,充分挖掘影像信息。(4)采用野外实测的样品光谱数据,比通常利用标准波谱库数据进行分析更有说服力,分层谱系划分特征吸收带,并与数据挖掘算法一并建立决策树分类规则,从图像信息统计和光谱分析两方面着手建立规则。
附图说明
图1为本发明所提供的一种高光谱遥感蚀变信息提取方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
如图1所示,一种高光谱遥感蚀变信息提取方法,该方法具体包括以下步骤:
(1)高光谱影像数据预处理
高光谱遥感具有多光谱遥感所不具备的优势,主要体现在其影像比多光谱影像的光谱分辨率提高了几十倍,获取方式主要有航天和航空两种方式。高光谱影像数据包括航空高光谱数据和航天高光谱数据。机载高光谱传感器主要由的空间分辨率很高,具备了高光谱分辨率和高空间分辨率的特点。CASI/SASI航 空成像光谱测量系统总波段数最高达388个,空间分辨率可以达到亚米级。CASI/SASI数据相对于Hyperion航天高光谱数据具有更高的空间分辨率,受大气的影响相对较小。
采用ENVI或者ERDAS软件对高光谱影像进行几何校正、图像增强、图像掩膜、大气校正预处理,消除大气和水汽干扰,便于后续信息提取;根据地质图和野外实地踏勘,选择蚀变程度较强,野外采样点集中,并且没有经过云层遮挡的影像作为决策树规则提取区域。
(2)野外实测数据预处理
在野外选取特征区域,利用可见光—短波红外地面光谱仪(ASD)测量得到光谱曲线数据。采用ENVI或者ERDAS软件对野外实测数据进行去除水汽吸收、光谱平均、光谱去噪平滑处理、光谱重采样预处理,便于后续选取诊断性波谱特征;并利用光谱聚类分析将蚀变矿物光谱聚类取均值后建立光谱数据库。
(3)在上述步骤(1)中得到的决策树规则提取区域上根据样本点集信息,采用CART数据挖掘算法建立蚀变矿物类型与影像各波段灰度值的判定关系,建立初始决策树判定规则。
在上述步骤(1)中得到的决策树规则提取区域上,根据上述步骤(2)中数据预处理后得到的野外测量点坐标和记录的矿物类型,建立矿物类型样本点集,矿物类型样本点集采用CART数据挖掘算法自动建立蚀变矿物类型与影像各波段灰度值的最佳判定关系,采用CART数据挖掘算法获取初始决策树规则。
(4)待识别的蚀变矿物根据矿物基因分子类型划分大类,圈定大类中特征吸收谱带区间;对比野外实测波谱曲线特征,找出待分类蚀变矿物在特征吸收谱带诊断性波谷波峰位置,每种矿物分别确定出1-2个波谷波峰位置,并标记不确定波谷波峰,建立特征吸收峰分类规则。
待识别的矿物根据矿物基因分子,可将蚀变矿物分为Al-OH、Mg-OH、CO3 2-三大类,分析相应矿物基因分子特征吸收峰区间。利用ENVI软件根据吸收光谱曲线深度的大小来分析相应矿物基因分子特征吸收峰区间。在矿物基因分子特征吸收峰区间内,对比野外测量到的波谱曲线预处理后的波形特征,找出待分类物质特征波谷波峰位置,每种矿物分别标记出1-2个波谷波峰位置,并标记不确定波谷波峰,建立特征吸收峰分类规则,为决策树分类建立光谱划分基础。
波谷波峰语义信息用求导函数Deriv表示,波峰语义信息表示为:一阶导数为0且二阶导数小于0(1st_deriv=0&&2nd_deriv<0),波谷信息语义信息表示为:一阶导数为0且二阶导数大于0(1st_deriv=0&&2nd_deriv>0);如波谷波峰信息不明显,可只表示二阶导数语义信息大于0或者小于0。
如高铝绢云母波谱诊断性特征语义信息表述为:波峰语义信息表示为1st_deriv=0&&2nd_deriv>0&&(一阶导数为0且二阶导数大于0),波谷信息语义信息表示为1st_deriv=0&&2nd_deriv>0&&(一阶导数为0且二阶导数大于0),如波谷波峰信息不明显2nd_deriv<0(二阶导数小于0)。
(5)将上述步骤(3)中得到的初始决策树判定规则与上述步骤(4)中得到的特征吸收峰分类规则合并后建立决策树规则,并将决策树规则作为蚀变信息提取规则提取整副影像蚀变信息。
上述步骤(3)中采用CART数据挖掘算法建立初始决策树规则,在将该初始决策树规则与上述步骤(4)中野外实测波特征吸收波谷波峰相结合,建立各矿物的决策树判别规则,在ENVI软件中进行波段运算时可以通过“并且”关系运算符建立联系。应用建立的各矿物的决策树判规则对全副高光谱影像或其他分副影像中的各种蚀变矿物进行分类处理,提取各种矿化蚀变信息。
表1波段对应关系
对于某类矿物,特征变量B6、B13、B14、B11、B8、B14、B24、B19对应的波段范围如表1所示。值均处于某一范围,这5个波段的采样均值位于(0.3422,0.3818)之间,方差大于0.1641,并且当特征吸收带位于B14(波)谷、B24(波谷)、B19(波峰)时可判定此类矿物为高铝绢云母。
上面结合附图和实施例对本发明作了详细说明,但是本发明并不限于上述实施例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。
Claims (5)
1.一种高光谱遥感蚀变信息提取方法,其特征在于,该方法具体包括以下步骤:
(1)高光谱影像数据预处理,选取决策树规则提取区域;
(2)野外实测数据预处理,利用光谱聚类分析将蚀变矿物光谱聚类取均值后建立光谱数据库;
(3)在上述步骤(1)中得到的决策树规则提取区域上根据样本点集信息,采用CART数据挖掘算法建立蚀变矿物类型与影像各波段灰度值的判定关系,建立初始决策树判定规则;
(4)待识别的蚀变矿物根据矿物基因分子类型划分大类,圈定大类中特征吸收谱带区间;对比野外实测波谱曲线特征,找出待分类蚀变矿物在特征吸收谱带诊断性波谷波峰位置,并标记不确定波谷波峰,建立特征吸收峰分类规则;
(5)将上述步骤(3)中得到的初始决策树判定规则与上述步骤(4)中得到的特征吸收峰分类规则合并后建立决策树规则,并将决策树规则作为蚀变信息提取规则提取整副影像蚀变信息。
2.根据权利要求1所述的一种高光谱遥感蚀变信息提取方法,其特征在于:所述的步骤(1)中对高光谱影像进行预处理包括几何校正、图像增强、图像掩膜、大气校正预处理,并裁剪出区域作为决策树规则提取区域。
3.根据权利要求2所述的一种高光谱遥感蚀变信息提取方法,其特征在于:所述的步骤(2)中采用可见光—短波红外地面光谱仪(ASD)测量得到野外实测数据。
4.根据权利要求3所述的一种高光谱遥感蚀变信息提取方法,其特征在于:所述的步骤(2)中野外实测数据进行预处理包括去除水汽吸收、光谱平均、光谱去噪平滑处理、光谱重采样预处理。
5.根据权利要求4所述的一种高光谱遥感蚀变信息提取方法,其特征在于:所述的步骤(4)中根据矿物基因分子,将待识别的矿物蚀变矿物分为Al-OH、Mg-OH、CO3 2-三大类,根据吸收光谱曲线深度的大小来分析相应矿物基因分子特征吸收峰区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410260818.7A CN104050252B (zh) | 2014-06-12 | 2014-06-12 | 一种高光谱遥感蚀变信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410260818.7A CN104050252B (zh) | 2014-06-12 | 2014-06-12 | 一种高光谱遥感蚀变信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104050252A true CN104050252A (zh) | 2014-09-17 |
CN104050252B CN104050252B (zh) | 2017-05-17 |
Family
ID=51503084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410260818.7A Active CN104050252B (zh) | 2014-06-12 | 2014-06-12 | 一种高光谱遥感蚀变信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104050252B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105606537A (zh) * | 2015-08-31 | 2016-05-25 | 山东科技大学 | 基于多类型光谱特征参数协同的矿物类型遥感识别方法 |
CN106226212A (zh) * | 2016-08-30 | 2016-12-14 | 上海交通大学 | 基于深度残差网络的高光谱霾监测方法 |
CN106570912A (zh) * | 2016-10-28 | 2017-04-19 | 核工业北京地质研究院 | 一种成像高光谱钻孔岩心数据蚀变提取的方法 |
CN106840400A (zh) * | 2017-01-24 | 2017-06-13 | 深圳企管加企业服务有限公司 | 多光谱成像系统 |
CN107230184A (zh) * | 2016-03-24 | 2017-10-03 | 核工业北京地质研究院 | 一种成像高光谱岩芯扫描图像自动裁剪方法 |
CN108007902A (zh) * | 2016-10-27 | 2018-05-08 | 核工业北京地质研究院 | 一种用高光谱数据计算白云母Al-OH吸收位置的方法 |
CN108021887A (zh) * | 2017-12-05 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 基于空间光谱差比参量的遥感影像分析方法及应用 |
CN108333129A (zh) * | 2018-02-12 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种蚀变信息获取方法及系统 |
CN108387529A (zh) * | 2018-01-15 | 2018-08-10 | 北京矿产地质研究院 | 基于岩石组合和实地提取的岩石光谱特征提取方法 |
CN108985130A (zh) * | 2017-05-31 | 2018-12-11 | 核工业北京地质研究院 | 一种基于缓冲区干扰信息去除的蚀变信息提取方法 |
CN109839356A (zh) * | 2017-11-29 | 2019-06-04 | 核工业北京地质研究院 | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 |
CN109934915A (zh) * | 2017-12-18 | 2019-06-25 | 核工业北京地质研究院 | 一种深部蚀变矿物三维建模方法 |
CN110188716A (zh) * | 2019-06-04 | 2019-08-30 | 中国煤炭地质总局勘查研究总院 | 一种矿化信息提取方法及系统 |
CN113486778A (zh) * | 2021-07-01 | 2021-10-08 | 中国科学院空天信息创新研究院 | 一种识别蚀变类型的方法、装置及电子设备 |
CN114612779A (zh) * | 2022-03-14 | 2022-06-10 | 中科海慧(北京)科技有限公司 | 一种基于时空大数据分析的地质矿产勘察方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012528A (zh) * | 2010-11-23 | 2011-04-13 | 北京理工大学 | 一种稀疏植被地区的高光谱遥感油气勘探方法 |
CN103454693A (zh) * | 2013-09-12 | 2013-12-18 | 核工业北京地质研究院 | 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法 |
-
2014
- 2014-06-12 CN CN201410260818.7A patent/CN104050252B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012528A (zh) * | 2010-11-23 | 2011-04-13 | 北京理工大学 | 一种稀疏植被地区的高光谱遥感油气勘探方法 |
CN103454693A (zh) * | 2013-09-12 | 2013-12-18 | 核工业北京地质研究院 | 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法 |
Non-Patent Citations (5)
Title |
---|
孟佳克,龚灏,周仲礼,芶盛: "多特征匹配决策树在矿物识别中的应用", 《国土资源科技管理》 * |
张兵,周军,王军年: "遥感蚀变矿物填图与找矿方法", 《地球科学与环境学报》 * |
苟盛: "高光谱遥感图像光谱特征提取与匹配技术研究", 《中国优秀硕士学位论文全文数据库》 * |
遥感蚀变矿物填图与找矿方法;张兵,周军,王军年;《地球科学与环境学报》;20080915(第2008年03期);全文 * |
高光谱遥感图像光谱特征提取与匹配技术研究;苟盛;《中国优秀硕士学位论文全文数据库》;20120415(第2012年04期);全文 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105606537A (zh) * | 2015-08-31 | 2016-05-25 | 山东科技大学 | 基于多类型光谱特征参数协同的矿物类型遥感识别方法 |
CN107230184A (zh) * | 2016-03-24 | 2017-10-03 | 核工业北京地质研究院 | 一种成像高光谱岩芯扫描图像自动裁剪方法 |
CN107230184B (zh) * | 2016-03-24 | 2020-10-23 | 核工业北京地质研究院 | 一种成像高光谱岩芯扫描图像自动裁剪方法 |
CN106226212B (zh) * | 2016-08-30 | 2018-10-19 | 上海交通大学 | 基于深度残差网络的高光谱霾监测方法 |
CN106226212A (zh) * | 2016-08-30 | 2016-12-14 | 上海交通大学 | 基于深度残差网络的高光谱霾监测方法 |
CN108007902A (zh) * | 2016-10-27 | 2018-05-08 | 核工业北京地质研究院 | 一种用高光谱数据计算白云母Al-OH吸收位置的方法 |
CN108007902B (zh) * | 2016-10-27 | 2020-06-19 | 核工业北京地质研究院 | 一种用高光谱数据计算白云母Al-OH吸收位置的方法 |
CN106570912A (zh) * | 2016-10-28 | 2017-04-19 | 核工业北京地质研究院 | 一种成像高光谱钻孔岩心数据蚀变提取的方法 |
CN106570912B (zh) * | 2016-10-28 | 2019-08-13 | 核工业北京地质研究院 | 一种成像高光谱钻孔岩心数据蚀变提取的方法 |
CN106840400A (zh) * | 2017-01-24 | 2017-06-13 | 深圳企管加企业服务有限公司 | 多光谱成像系统 |
CN108985130B (zh) * | 2017-05-31 | 2022-01-07 | 核工业北京地质研究院 | 一种基于缓冲区干扰信息去除的蚀变信息提取方法 |
CN108985130A (zh) * | 2017-05-31 | 2018-12-11 | 核工业北京地质研究院 | 一种基于缓冲区干扰信息去除的蚀变信息提取方法 |
CN109839356B (zh) * | 2017-11-29 | 2021-07-20 | 核工业北京地质研究院 | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 |
CN109839356A (zh) * | 2017-11-29 | 2019-06-04 | 核工业北京地质研究院 | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 |
CN108021887A (zh) * | 2017-12-05 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 基于空间光谱差比参量的遥感影像分析方法及应用 |
CN108021887B (zh) * | 2017-12-05 | 2019-10-01 | 中国科学院遥感与数字地球研究所 | 基于空间光谱差比参量的遥感影像分析方法及应用 |
CN109934915A (zh) * | 2017-12-18 | 2019-06-25 | 核工业北京地质研究院 | 一种深部蚀变矿物三维建模方法 |
CN109934915B (zh) * | 2017-12-18 | 2023-09-01 | 核工业北京地质研究院 | 一种深部蚀变矿物三维建模方法 |
CN108387529A (zh) * | 2018-01-15 | 2018-08-10 | 北京矿产地质研究院 | 基于岩石组合和实地提取的岩石光谱特征提取方法 |
CN108333129B (zh) * | 2018-02-12 | 2020-04-21 | 中国科学院遥感与数字地球研究所 | 一种蚀变信息获取方法及系统 |
CN108333129A (zh) * | 2018-02-12 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种蚀变信息获取方法及系统 |
CN110188716A (zh) * | 2019-06-04 | 2019-08-30 | 中国煤炭地质总局勘查研究总院 | 一种矿化信息提取方法及系统 |
CN113486778A (zh) * | 2021-07-01 | 2021-10-08 | 中国科学院空天信息创新研究院 | 一种识别蚀变类型的方法、装置及电子设备 |
CN114612779A (zh) * | 2022-03-14 | 2022-06-10 | 中科海慧(北京)科技有限公司 | 一种基于时空大数据分析的地质矿产勘察方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104050252B (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104050252A (zh) | 一种高光谱遥感蚀变信息提取方法 | |
Qin et al. | Individual tree segmentation and tree species classification in subtropical broadleaf forests using UAV-based LiDAR, hyperspectral, and ultrahigh-resolution RGB data | |
CN101101338A (zh) | 一种油气勘探方法及系统 | |
Szabó et al. | Testing algorithms for the identification of asbestos roofing based on hyperspectral data | |
CN103984940A (zh) | 一种基于高光谱数据识别赤铁矿化的方法 | |
Hentz et al. | Estimating forest uniformity in Eucalyptus spp. and Pinus taeda L. stands using field measurements and structure from motion point clouds generated from unmanned aerial vehicle (UAV) data collection | |
Liu et al. | Extraction of earthquake-induced collapsed buildings from bi-temporal VHR images using object-level homogeneity index and histogram | |
Raval et al. | A monitoring framework for land use around kaolin mining areas through Landsat TM images | |
Kokaly | Spectroscopic remote sensing for material identification, vegetation characterization, and mapping | |
HUAN XIE et al. | A new binary encoding algorithm for the simultaneous region-based classification of hyperspectral data and digital surface models | |
Ouerghemmi et al. | Urban objects classification by spectral library: Feasibility and applications | |
Hyyppä et al. | Forest inventory using laser scanning | |
Thannoun | Mapping lithological and mineralogical units using hyperspectral imagery | |
Kruse | Expert system analysis of hyperspectral data | |
Lindberg | Estimation of canopy structure and individual trees from laser scanning data | |
Amiri | Assessment of Marker-Controlled Watershed segmentation algorithm for individual tree top detection and crown delineation | |
Huang et al. | Classification of very high spatial resolution imagery based on the fusion of edge and multispectral information | |
Zhao et al. | Detection and Identification of Surface Cover in Coalbed Methane Enrichment Area Based on Spectral Unmixing | |
Mishra et al. | Spectral Indices Across Remote Sensing Platforms and Sensors Relating to the Three Poles: An Overview of Applications, Challenges, and Future Prospects | |
Zhan et al. | Mineral recognition mapping using measured spectra based on classification and regression tree | |
Shen et al. | High spatial resolution hyperspectral mapping for forest ecosystem at tree species level | |
Schneider et al. | Classification of hyperspectral imagery using GPs and the OAD covariance function with automated endmember extraction | |
Li et al. | The recognition of altered rock based on spectral modeling and matching using hyperspectral data | |
Xu et al. | Ground object identification-based on absorption-band position using EO-1 hyperion data | |
Shang et al. | Study on white birch identification in northeastern China using hyperspectral remote sensing data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |