CN105510241A - 一种多光谱遥感反射率影像吸收特征提取方法 - Google Patents
一种多光谱遥感反射率影像吸收特征提取方法 Download PDFInfo
- Publication number
- CN105510241A CN105510241A CN201510830783.0A CN201510830783A CN105510241A CN 105510241 A CN105510241 A CN 105510241A CN 201510830783 A CN201510830783 A CN 201510830783A CN 105510241 A CN105510241 A CN 105510241A
- Authority
- CN
- China
- Prior art keywords
- wave band
- band
- remote sensing
- virtual
- reflectivity image
- 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
- 238000002310 reflectometry Methods 0.000 title claims abstract description 70
- 238000010521 absorption reaction Methods 0.000 title claims abstract description 31
- 238000000605 extraction Methods 0.000 title abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000001228 spectrum Methods 0.000 claims description 24
- 238000012952 Resampling Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 9
- 239000011707 mineral Substances 0.000 abstract description 9
- 238000011160 research Methods 0.000 abstract description 4
- 239000002689 soil Substances 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 238000011002 quantification Methods 0.000 abstract 1
- 238000005070 sampling Methods 0.000 abstract 1
- 239000000284 extract Substances 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000000985 reflectance spectrum Methods 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- -1 vegetation Substances 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910001919 chlorite Inorganic materials 0.000 description 1
- 229910052619 chlorite group Inorganic materials 0.000 description 1
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052900 illite Inorganic materials 0.000 description 1
- 229910052935 jarosite Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000010445 mica Substances 0.000 description 1
- 229910052618 mica group Inorganic materials 0.000 description 1
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种多光谱遥感反射率影像吸收特征提取方法，包括以下步骤：根据原始多光谱反射率影像波段设置，按照特定规则生成虚拟波段反射率影像数据；对虚拟波段反射率影像数据逐像素求取包络线；将虚拟波段影像反射率数据每个像素的包络线重采样到原始影像波段设置；依照上述过程求得的包络线对原始多光谱反射率影像逐像素进行包络线去除处理。本发明通过采用添加虚拟波段的方法，提出根据原始多光谱遥感影像波段设置生成虚拟波段数据，根据虚拟波段数据逐像素生成包络线，并重采样到原始波段设置，从而实现了多光谱遥感反射率数据各波段吸收特征精细提取，可以进而实现对矿物、植被、土壤、水体等地面目标成分定量化研究。
Description
技术领域
本发明涉及遥感图像处理技术领域，尤其涉及一种基于虚拟波段的多光谱遥感反射率影像吸收特征提取方法。
背景技术
遥感信息提取主要依赖于地物的光谱和空间特征的差异。由于技术条件的限制，遥感传感器同时达到很高的空间分辨率和光谱分辨率有较大难度。目前，具有较高空间分辨率的多光谱遥感传感器仍然是遥感发展的主流和热点，如Worldview3,Landsat8，ASTER等等。但是，如何充分发掘多光谱遥感数据的光谱维信息，仍是亟待解决的难题。通常，多光谱遥感光谱维信息采用主成分分析、波段比值等方法获取，但这些方法需要较多的背景知识，并且无法逐波段单独提取吸收特征信息。
包络线去除法是一种常用的光谱分析方法，它可以将光谱特征归一到一致的光谱背景上，有利于和其他光谱曲线进行吸收特征参量数值的比较，从而为定量分析奠定基础。1984年，包络线去除法由Clark首次提出，此后被广泛用于高光谱遥感影像处理以及点光谱数据处理当中，成为光谱吸收特征提取最重要的方法。然而，传统的包络线去除法在处理多光谱数据时，由于其方法需要选定首尾波段及中间凸集节点，并且在这些波段无法提取有效吸收特征信息，从而导致多光谱遥感有限的光谱信息被极大浪费，特征提取效果不佳。
发明内容
本发明是为了解决上述不足，提供了一种多光谱遥感反射率影像吸收特征提取方法。
本发明的上述目的通过以下的技术方案来实现：一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：包括以下步骤：根据原始多光谱遥感反射率影像波段设置生成虚拟波段反射率影像数据；
对虚拟波段反射率影像数据逐像素获取包络线；
将虚拟波段反射率影像数据获取的包络线按原始遥感影像波段设置进行重采样；
采用上述步骤获得的包络线对原始多光谱反射率影像数据进行包络线去除。
优选地，所述多光谱遥感反射率影像为经过大气校正等预处理后得到的地表反射率影像。
优选地，所述根据原始多光谱遥感反射率影像波段设置生成虚拟波段反射率影像具体包括:
在原始影像首波段之前生成虚拟首波段；
在原始影像末波段之后生成虚拟末波段；
在原始影像相邻波段之间生成虚拟中间波段；
将虚拟首波段、虚拟中间波段以及虚拟末波段按照波长递增顺序组合在一起，生成虚拟波段反射率影像。
优选地，所述在原始影像首波段之前生成虚拟首波段具体包括：
计算原始影像首波段与第二波段之间的中心波长间隔；
在原始影像首波段短波方向，距其一半上述波长间隔位置，生成虚拟首波段，其各像素取值与真实影像首波段完全相同。
优选地，所述在原始影像末波段之后生成虚拟末波段具体包括：
计算原始影像末波段与倒数第二波段之间的中心波长间隔；
在原始影像末波段长波方向，距其一半上述波长间隔位置，生成虚拟末波段影像，其各像素取值与真实影像末波段完全相同。
优选地，所述在原始影像两两波段之间生成虚拟中间波段具体包括：
取原始影像相邻波段中心波长平均值，作为虚拟中间波段中心波长；
取原始影像各像素相邻波段较大值，作为虚拟中间波段各像素取值。
优选地，所述包络线为对虚拟波段光谱采用外壳系数法处理获得的背景光谱。
优选地，所述重采样指按照目标波段设置对原始光谱进行线性插值。
优选地，所述包络线去除指将原始光谱与包络线逐波段相除，获得包络线去除光谱。
本发明与现有技术相比的优点是：通过采用本发明公开的一种多光谱遥感反射率影像吸收特征提取方法，克服了传统包络线去除法在多光谱反射率数据波段吸收特征提取当中的局限性，提出根据原始多光谱遥感影像波段设置生成虚拟波段数据，采用虚拟波段数据逐像素生成包络线，并重采样到原始波段设置完成包络线去除，从而实现了多光谱遥感反射率数据各波段吸收特征定量提取，可以进而实现对矿物、植被、土壤、水体等地面目标成分定量化研究。
附图说明
图1是本发明的流程图。
图2是5种矿物的平均反射率光谱。
图3是经过处理后五种矿物的平均光谱。
具体实施方式
下面结合实施例对本发明进一步详述。
一种多光谱遥感反射率影像吸收特征提取方法，如图1所示，包括以下步骤：
步骤101，根据原始多光谱遥感反射率影像波段设置生成虚拟波段反射率影像数据；
步骤102，对虚拟波段反射率影像数据逐像素获取包络线；
步骤103，将虚拟波段反射率影像数据获取的包络线按原始遥感影像波段设置进行重采样；
步骤104，采用上述步骤获得的包络线对原始多光谱反射率影像数据进行包络线去除。
本实施例中AdvancedSpaceborneThermalEmissionandReflectionRadiometer(ASTER)采集到的遥感影像数据经大气校正等预处理被转换成地表反射率影像后，首先基于其波段设置生成虚拟波段反射率影像。然后，对虚拟波段反射率影像数据逐像素获取包络线，并将其按原始波段设置进行重采样，得到实际使用的包络线。最后，对地表反射率影像逐像素进行包络线去除处理，从而提取出吸收特征信息。
本实施例中所用的遥感影像数据为Terra卫星搭载的ASTER传感器(AdvancedSpaceborneThermalEmissionandReflectionRadiometer)采集的数据，使用的波段为可见近红外的3个波段(空间分辨率15m)，以及短波红外的6个波段(空间分辨率30米)，共9个波段数据。将该数据短波红外波段重采样到15m分辨率，与可见近红外波段组合在一起进行大气校正，得到反射率影像。该反射率影像各波段中心波长如表1所示。
表1所用ASTER遥感反射率影像各波段中心波长
| 波段 | 中心波长/μm |
| 1 | 0.556 |
| 2 | 0.661 |
| 3 | 0.807 |
| 4 | 1.656 |
| 5 | 2.167 |
| 6 | 2.209 |
| 7 | 2.262 |
| 8 | 2.336 |
| 9 | 2.400 |
本发明实施例中选择的ASTER遥感影像获取于2005年4月30日，实验区域是位于智利北部的丘基卡玛塔铜矿。王桂珍等人曾使用该地区数据开展矿物蚀变信息提取方法研究，为与实际验证结果进行比较，本方法也使用该区域数据进行吸收特征提取。
将选取的ASTERL1B产品转换成地表反射率影像。
在影像上根据之前研究结果，选取白云母、伊利石、高岭石、绿泥石以及黄钾铁矾等五种矿物的感兴趣区，作为已知样本，用于验证吸收特征提取效果。图2展示了这5种矿物的平均反射率光谱。
本发明实例中，基于ASTER多光谱反射率影像，生成虚拟首波段、虚拟末波段以及8个虚拟中间波段，并按波长顺序组合在一起，生成虚拟波段反射率影像，共计10个波段。表2展示了虚拟波段反射率影像各波段中心波长。
表2ASTER虚拟波段反射率影像各波段中心波长
| 波段 | 中心波长/μm |
| 1 | 0.5035 |
| 2 | 0.6085 |
| 3 | 0.734 |
| 4 | 1.2315 |
| 5 | 1.9115 |
| 6 | 2.1883 --> |
| 7 | 2.2355 |
| 8 | 2.299 |
| 9 | 2.368 |
| 10 | 2.432 |
对虚拟波段反射率影像，按照外壳系数法逐像素提取包络线，并线性插值重采样到原始影像波段设置，得到原始影像实际使用的包络线，并保存成包络线影像。
对原始影像逐像素与包络线影像相除，得到处理后的包络线去除光谱，从而获得吸收特征信息。图3展示了经过处理后五种矿物的平均光谱。
优选地，所述多光谱遥感反射率影像为经过大气校正后的地表反射率影像。
优选地，所述根据原始多光谱遥感反射率影像波段设置生成虚拟波段反射率影像具体包括:
在原始影像首波段之前生成虚拟首波段；
在原始影像末波段之后生成虚拟末波段；
在原始影像相邻波段之间生成虚拟中间波段；
将虚拟首波段、虚拟中间波段以及虚拟末波段按照波长递增顺序组合在一起，生成虚拟波段反射率影像。
优选地，所述在原始影像首波段之前生成虚拟首波段具体包括：
计算原始影像首波段与第二波段之间的中心波长间隔；
在原始影像首波段短波方向，距其一半上述波长间隔位置，生成虚拟首波段，其各像素取值与真实影像首波段完全相同。
优选地，所述在原始影像末波段之后生成虚拟末波段具体包括：
计算原始影像末波段与倒数第二波段之间的中心波长间隔；
在原始影像末波段长波方向，距其一半上述波长间隔位置，生成虚拟末波段影像，其各像素取值与真实影像末波段完全相同。
优选地，所述在原始影像两两波段之间生成虚拟中间波段具体包括：
取原始影像相邻波段中心波长平均值，作为虚拟中间波段中心波长；
取原始影像各像素相邻波段较大值，作为虚拟中间波段各像素取值。
优选地，所述包络线为对虚拟波段光谱采用外壳系数法处理获得的背景光谱。
优选地，所述重采样指按照目标波段设置对原始光谱进行线性插值。
优选地，所述包络线去除指将原始光谱与包络线逐波段相除，获得包络线去除光谱。
通过采用本发明公开的一种多光谱遥感反射率影像吸收特征提取方法，克服了传统包络线去除法在多光谱反射率数据波段吸收特征提取当中的局限性，提出根据原始多光谱遥感影像波段设置生成虚拟波段数据，根据虚拟波段数据逐像素生成包络线，并重采样到原始波段设置，从而实现了多光谱遥感反射率数据各波段吸收特征精细提取，可以进而实现对矿物、植被、土壤、水体等地面目标成分定量化研究。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：包括以下步骤：
根据原始多光谱遥感反射率影像波段设置生成虚拟波段反射率影像数据；
对虚拟波段反射率影像数据逐像素获取包络线；
将虚拟波段反射率影像数据获取的包络线按原始遥感影像波段设置进行重采样；
采用上述步骤获得的包络线对原始多光谱反射率影像数据进行包络线去除。
2.根据权利要求1所述的一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：所述多光谱遥感反射率影像为经过大气校正等预处理后得到的地表反射率影像。
3.根据权利要求1所述的一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：所述根据原始多光谱遥感反射率影像波段设置生成虚拟波段反射率影像具体包括:
在原始影像首波段之前生成虚拟首波段；
在原始影像末波段之后生成虚拟末波段；
在原始影像相邻波段之间生成虚拟中间波段；
将虚拟首波段、虚拟中间波段以及虚拟末波段按照波长递增顺序组合在一起，生成虚拟波段反射率影像。
4.根据权利要求3所述的一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：所述在原始影像首波段之前生成虚拟首波段具体包括：
计算原始影像首波段与第二波段之间的中心波长间隔；
在原始影像首波段短波方向，距其一半上述波长间隔位置，生成虚拟首波段，其各像素取值与真实影像首波段完全相同。
5.根据权利要求3所述的一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：所述在原始影像末波段之后生成虚拟末波段具体包括：
计算原始影像末波段与倒数第二波段之间的中心波长间隔；
在原始影像末波段长波方向，距其一半上述波长间隔位置，生成虚拟末波段影像，其各像素取值与真实影像末波段完全相同。
6.根据权利要求3所述的一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：所述在原始影像两两波段之间生成虚拟中间波段具体包括：
取原始影像相邻波段中心波长平均值，作为虚拟中间波段中心波长；
取原始影像各像素相邻波段较大值，作为虚拟中间波段各像素取值。
7.根据权利要求1所述的一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：所述包络线为对虚拟波段光谱采用外壳系数法处理获得的背景光谱。
8.根据权利要求1所述的一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：所述重采样指按照目标波段设置对原始光谱进行线性插值。
9.根据权利要求1所述的一种多光谱遥感反射率影像吸收特征提取方法，其特征在于：所述包络线去除指将原始光谱与包络线逐波段相除，获得包络线去除光谱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510830783.0A CN105510241B (zh) | 2015-11-25 | 2015-11-25 | 一种多光谱遥感反射率影像吸收特征提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510830783.0A CN105510241B (zh) | 2015-11-25 | 2015-11-25 | 一种多光谱遥感反射率影像吸收特征提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105510241A true CN105510241A (zh) | 2016-04-20 |
| CN105510241B CN105510241B (zh) | 2019-04-16 |
Family
ID=55718380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510830783.0A Active CN105510241B (zh) | 2015-11-25 | 2015-11-25 | 一种多光谱遥感反射率影像吸收特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105510241B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106644946A (zh) * | 2016-10-28 | 2017-05-10 | 核工业北京地质研究院 | 一种野外岩石矿物光谱的包络线去除方法 |
| CN111811998A (zh) * | 2020-09-01 | 2020-10-23 | 中国人民解放军国防科技大学 | 一种目标波段下强吸收性生物颗粒组分的确定方法 |
| CN114018861A (zh) * | 2021-10-28 | 2022-02-08 | 四川启睿克科技有限公司 | 一种基于特征峰的光谱重构方法 |
| CN114371138A (zh) * | 2022-01-13 | 2022-04-19 | 中国自然资源航空物探遥感中心 | 一种高光谱遥感光谱特征吸收位置确定方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6606401B1 (en) * | 1999-02-25 | 2003-08-12 | Tokyo Seimitsu Co. Ltd. | Inspection of edge periods of two-dimensional periodic structures |
| CN101008621A (zh) * | 2007-01-12 | 2007-08-01 | 浙江大学 | 基于多传感器信息融合的水果缺陷检测方法和装置 |
-
2015
- 2015-11-25 CN CN201510830783.0A patent/CN105510241B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6606401B1 (en) * | 1999-02-25 | 2003-08-12 | Tokyo Seimitsu Co. Ltd. | Inspection of edge periods of two-dimensional periodic structures |
| CN101008621A (zh) * | 2007-01-12 | 2007-08-01 | 浙江大学 | 基于多传感器信息融合的水果缺陷检测方法和装置 |
Non-Patent Citations (4)
| Title |
|---|
| HSUAN REN ET AL: "A Generalized Orthogonal Subspace Projection Approach to Unsupervised Multispectral Image Classification", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
| LINING LIU ET AL: "Adaptive steepest descent method for pan-sharpening of multispectral images", 《OPTICAL ENGINEERING》 * |
| WG SU ET AL: "Virtual Satellite Construction and Application for Image Classification", 《35TH INTERNATIONAL SYMPOSIUM ON REMOTE SENSING OF ENVIRONMENT》 * |
| 张春桂等: "福建沿海防护林资源的卫星遥感监测", 《中国农业气象》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106644946A (zh) * | 2016-10-28 | 2017-05-10 | 核工业北京地质研究院 | 一种野外岩石矿物光谱的包络线去除方法 |
| CN111811998A (zh) * | 2020-09-01 | 2020-10-23 | 中国人民解放军国防科技大学 | 一种目标波段下强吸收性生物颗粒组分的确定方法 |
| CN114018861A (zh) * | 2021-10-28 | 2022-02-08 | 四川启睿克科技有限公司 | 一种基于特征峰的光谱重构方法 |
| CN114018861B (zh) * | 2021-10-28 | 2023-07-07 | 四川启睿克科技有限公司 | 一种基于特征峰的光谱重构方法 |
| CN114371138A (zh) * | 2022-01-13 | 2022-04-19 | 中国自然资源航空物探遥感中心 | 一种高光谱遥感光谱特征吸收位置确定方法及系统 |
| CN114371138B (zh) * | 2022-01-13 | 2024-04-12 | 中国自然资源航空物探遥感中心 | 一种高光谱遥感光谱特征吸收位置确定方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105510241B (zh) | 2019-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111626269B (zh) | 一种实用的大空间范围滑坡提取方法 | |
| CN105510241A (zh) | 一种多光谱遥感反射率影像吸收特征提取方法 | |
| Tigges et al. | Urban vegetation classification: Benefits of multitemporal RapidEye satellite data | |
| George et al. | Forest tree species discrimination in western Himalaya using EO-1 Hyperion | |
| CN102072885B (zh) | 一种基于机器视觉的水稻穗颈瘟染病程度分级方法 | |
| CN106950177A (zh) | 一种gf‑4卫星遥感影像的水体提取方法 | |
| Huang et al. | Distance metric-based forest cover change detection using MODIS time series | |
| CN114398948A (zh) | 一种基于空-谱联合注意力网络的多光谱影像变化检测方法 | |
| CN105139369A (zh) | 消除基于palsar雷达影像的森林分类结果中城市建筑像元方法 | |
| CN114708490A (zh) | 水稻种植提取及复种指数监测方法、系统、终端及存储介质 | |
| CN111474117B (zh) | 作物病害监测的方法及装置 | |
| CN103268587A (zh) | 利用仿建筑用地指数获取城市建筑用地信息的方法 | |
| Qian et al. | A smartphone-based apple yield estimation application using imaging features and the ANN method in mature period | |
| Piekarczyk et al. | Winter oilseed-rape yield estimates from hyperspectral radiometer measurements | |
| Kang et al. | Assessing the severity of cotton Verticillium wilt disease from in situ canopy images and spectra using convolutional neural networks | |
| CN108229356A (zh) | 动态集成自然灾害遥感监测方法 | |
| CN105259127A (zh) | 基于综合吸收能力的植被指数计算方法 | |
| Fadaei | Advanced land observing satellite data to identify ground vegetation in a juniper forest, northeast Iran | |
| JP2014023456A (ja) | 植生図作成プログラム、植生図作成装置及び植生図作成方法 | |
| CN111091113A (zh) | 一种高光谱影像数据融合方法 | |
| Benbahria et al. | Automatic mapping of irrigated areas in Mediteranean context using Landsat 8 time series images and random forest algorithm | |
| CN103871065A (zh) | 一种基于半球影像的植被冠层聚集效应定量评估方法 | |
| Brannstrom et al. | Remote classification of Cerrado (Savanna) and agricultural land covers in northeastern Brazil | |
| CN111693463B (zh) | 一种南极半岛优化地衣覆盖度指数提取方法 | |
| CN114565859A (zh) | 考虑谐波模型系数和物候参数的森林树种组分类方法 |
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 |