CN108195771A - 一种海洋高光谱遥感影像目标识别方法 - Google Patents

一种海洋高光谱遥感影像目标识别方法 Download PDF

Info

Publication number
CN108195771A
CN108195771A CN201711368312.8A CN201711368312A CN108195771A CN 108195771 A CN108195771 A CN 108195771A CN 201711368312 A CN201711368312 A CN 201711368312A CN 108195771 A CN108195771 A CN 108195771A
Authority
CN
China
Prior art keywords
ocean
target
image
sensing
remotely sensed
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.)
Pending
Application number
CN201711368312.8A
Other languages
English (en)
Inventor
高红民
杨耀
李臣明
樊悦
蔺硕
张振
洪建�
黄昌运
沈杨
杨琪
杨佳林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201711368312.8A priority Critical patent/CN108195771A/zh
Publication of CN108195771A publication Critical patent/CN108195771A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • G01N2021/1765—Method using an image detector and processing of image signal
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种海洋高光谱遥感影像目标识别方法，涉及海洋高光谱遥感影像技术领域。该海洋高光谱遥感影像目标识别方法，包括以下证明步骤，S1，获取影像：先通过无人遥控潜水器将高光谱遥感带入海洋中，再通过高光谱遥感扑捉海洋水色和水温的影像；S2，图像预处理：通过数据传输设备在远程获取数据信息，将高光谱遥感辐射校正，其中辐射校正包括传感器定标。该海洋高光谱遥感影像目标识别方法，解决了海洋高光谱遥感影像目标识别方法识别过程过于繁琐，使得海洋高光谱遥感影像目标识别能力较差，效率较低的问题，通过采用MAIS成像光谱仪和图像处理技术，加强了海洋高光谱遥感对于影像目标的识别能力。

Description

一种海洋高光谱遥感影像目标识别方法
技术领域
本发明涉及海洋高光谱遥感影像的技术领域，具体为一种海洋高光谱遥感影像目标识别方法。
背景技术
高光谱分辨率遥感是用很窄而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，因此高光谱遥感又通常被称为成像光谱遥感。高光谱分辨率遥感在电磁波谱的可见光、近红外、中红外和热红外波段范围内，获取许多非常窄的光谱连续的影像数据的技术。其成像光谱仪可以收集到上百个非常窄的光谱波段信息。海洋遥感是20世纪后期海洋科学取得重大进展的关键技术之一，其主要目的是了解海洋、研究海洋、开发利用和保护海洋资源，因而具有十分重要的战略意义。随着科学技术的发展，高光谱遥感已成为当前海洋遥感前沿领域。由于高分辨率成像光谱仪具有光谱覆盖范围广、分辨率高和波段多等许多优点，因此已成为海洋水色、水温的有效探测工具。它不仅可用于海水中叶绿素浓度、悬浮泥沙含量、某些污染物和表层水温探测，也可用于海冰、海岸带等的探测。由于海洋光谱特性是海洋遥感的一项重要研究内容，各国在发射海洋遥感卫星前后都开展了海洋波谱特性研究，其中包括大量的海洋光谱特性测量研究。
现有的海洋高光谱遥感影像目标识别方法在一些方面存在着一些缺点，需要进一步的改进，现有的海洋高光谱遥感影像目标识别方法识别过程过于繁琐，使得海洋高光谱遥感影像目标识别能力较差，效率较低。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种海洋高光谱遥感影像目标识别方法，解决了海洋高光谱遥感影像目标识别方法识别过程过于繁琐，使得海洋高光谱遥感影像目标识别能力较差，效率较低的问题。
(二)技术方案
为实现上述过程简单和检测结果明显的目的，本发明提供如下技术方案：一种海洋高光谱遥感影像目标识别方法，包括以下证明步骤，
S1，获取影像：先通过无人遥控潜水器将高光谱遥感带入海洋中，再通过高光谱遥感扑捉海洋水色和水温的影像；
S2，图像预处理：通过数据传输设备在远程获取数据信息，将高光谱遥感辐射校正，其中辐射校正包括传感器定标、大气纠正、水色处理和水温处理；
S3，显示图像波普：打开高光谱数据，通过调节显示真彩色图像，并且绘制波谱曲线，而后选择需要的光谱波段进行输出；
S4，波普识别和图像分类；高光谱遥感通过二进制编码、波谱角分类、线性波段预测、线性波谱分离和光谱信息散度的方法对图像进行分析并且进行分类；
S5，分类结果浏览及后处理：高光谱遥感以RGB方式在ENVI中显示高光谱数据，进行查询分类结果，而后利用波谱沙漏工具进行分类后处理；
S6，对数据进行整理：将分类后处理的数据进行整理和对比，通过计算得出最终的结果。
进一步改进的是：所述高光谱遥感为MAIS成像光谱仪。
进一步改进的是：所述高光谱遥感为内置扫描设计，且整个高光谱遥感光谱仪具有防水的性能。
进一步改进的是：所述图像波普的显示包括波普库和端元波普提取两大部分，所述端元波普提取由MNF变换、计算纯镜像元指数PPI、N维可视化工具、选取样本像元和获取样本像元的平均波增五大部分组成。
(三)有益效果
本发明提供了一种海洋高光谱遥感影像目标识别方法。具备以下有益效果：
1、该海洋高光谱遥感影像目标识别方法，解决了海洋高光谱遥感影像目标识别方法识别过程过于繁琐，使得海洋高光谱遥感影像目标识别能力较差，效率较低的问题，通过采用MAIS成像光谱仪和图像处理技术，加强了海洋高光谱遥感对于影像目标的识别能力，再通过采用二进制编码、波谱角分类、线性波段预测、线性波谱分离和光谱信息散度的方法，使海洋高光谱遥感对于影像目标的图像计算分析能力大大加强，从而达到使海洋高光谱遥感影像目标识别能力提高，效率提高的作用。
2、该海洋高光谱遥感影像目标识别方法，通过以RGB方式在ENVI中显示高光谱数据和利用波谱沙漏工具进行分类后处理的方法，使海洋高光谱遥感对于影像目标识别处理能力提高，再通过波普库和端元波普提取的方法，使海洋高光谱遥感对于影像目标识别更加的精确，从而使海洋高光谱遥感影像目标识别更加准确和快速的效果。
具体实施方式
下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明涉及一种海洋高光谱遥感影像目标识别方法，包括以下证明步骤，
S1，获取影像：先通过无人遥控潜水器将高光谱遥感带入海洋中，高光谱遥感为MAIS成像光谱仪，高光谱遥感为内置扫描设计，且整个高光谱遥感光谱仪具有防水的性能，再通过高光谱遥感扑捉海洋水色和水温的影像。
S2，图像预处理：通过数据传输设备在远程获取数据信息，将高光谱遥感辐射校正，其中辐射校正包括传感器定标、大气纠正、水色处理和水温处理，通过采用MAIS成像光谱仪和图像处理技术，加强了海洋高光谱遥感对于影像目标的识别能力。
S3，显示图像波普：打开高光谱数据，通过调节显示真彩色图像，并且绘制波谱曲线，而后选择需要的光谱波段进行输出，图像波普的显示包括波普库和端元波普提取两大部分，通过波普库和端元波普提取的方法，使海洋高光谱遥感对于影像目标识别更加的精确，从而使海洋高光谱遥感影像目标识别更加准确和快速的效果，所述端元波普提取由MNF变换、计算纯镜像元指数PPI、N维可视化工具、选取样本像元和获取样本像元的平均波增五大部分组成，MNF变换的作用为用于判定图像内在的维数、分离数据中的噪声、减少计算量和弥补了主成分分析在高光谱数据处理中的不足，计算纯镜像元指数PPI过程中PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯，纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最“纯”的像元。
S4，波普识别和图像分类；高光谱遥感通过二进制编码、波谱角分类、线性波段预测、线性波谱分离和光谱信息散度的方法对图像进行分析并且进行分类，通过采用二进制编码、波谱角分类、线性波段预测、线性波谱分离和光谱信息散度的方法，使海洋高光谱遥感对于影像目标的图像计算分析能力大大加强，从而达到使海洋高光谱遥感影像目标识别能力提高，效率提高的作用。
S5，分类结果浏览及后处理：高光谱遥感以RGB方式在ENVI中显示高光谱数据，进行查询分类结果，通过以RGB方式在ENVI中显示高光谱数据和利用波谱沙漏工具进行分类后处理的方法，使海洋高光谱遥感对于影像目标识别处理能力提高，而后利用波谱沙漏工具进行分类后处理，其中流程为测量出影像亮度值定标为反射率，而后再测量出最小噪声分离(MNF)，而后测量出纯净像元指数(PPI)，然后进行多维散度分析，而后选择终端单元，最后进行地物制图，从而得出数据。
S6，对数据进行整理：将分类后处理的数据进行整理和对比，通过计算得出最终的结果，高光谱分辨率遥感信息分析处理，集中于光谱维上进行图像信息的展开和定量分析，其图像处理模式的关键技术为，首先超多维光谱图像信息的显示，如图像立方体的生成；其次光谱重建，即成像光谱数据的定标、定量化和大气纠正模型与算法，依此实现成像光谱信息的图像和光谱之间的转换；而后进行光谱编码，尤其指光谱吸收位置、深度和对称性等光谱特征参数的算法；而后是基于光谱数据库的地物光谱匹配识别算法；而后是混合光谱分解模型；最后为基于光谱模型的海洋生物物理化学过程与参数的识别和反演算法。
综上所述，海洋高光谱遥感影像目标识别方法，解决了海洋高光谱遥感影像目标识别方法识别过程过于繁琐，使得海洋高光谱遥感影像目标识别能力较差，效率较低的问题，通过采用MAIS成像光谱仪和图像处理技术，加强了海洋高光谱遥感对于影像目标的识别能力，再通过采用二进制编码、波谱角分类、线性波段预测、线性波谱分离和光谱信息散度的方法，使海洋高光谱遥感对于影像目标的图像计算分析能力大大加强，从而达到使海洋高光谱遥感影像目标识别能力提高，效率提高的作用。
同时，通过以RGB方式在ENVI中显示高光谱数据和利用波谱沙漏工具进行分类后处理的方法，使海洋高光谱遥感对于影像目标识别处理能力提高，再通过波普库和端元波普提取的方法，使海洋高光谱遥感对于影像目标识别更加的精确，从而使海洋高光谱遥感影像目标识别更加准确和快速的效果。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (4)

1.一种海洋高光谱遥感影像目标识别方法，其特征在于，包括以下证明步骤，
S1，获取影像：先通过无人遥控潜水器将高光谱遥感带入海洋中，再通过高光谱遥感扑捉海洋水色和水温的影像；
S2，图像预处理：通过数据传输设备在远程获取数据信息，将高光谱遥感辐射校正，其中辐射校正包括传感器定标、大气纠正、水色处理和水温处理；
S3，显示图像波普：打开高光谱数据，通过调节显示真彩色图像，并且绘制波谱曲线，而后选择需要的光谱波段进行输出；
S4，波普识别和图像分类；高光谱遥感通过二进制编码、波谱角分类、线性波段预测、线性波谱分离和光谱信息散度的方法对图像进行分析并且进行分类；
S5，分类结果浏览及后处理：高光谱遥感以RGB方式在ENVI中显示高光谱数据，进行查询分类结果，而后利用波谱沙漏工具进行分类后处理；
S6，对数据进行整理：将分类后处理的数据进行整理和对比，通过计算得出最终的结果。
2.根据权利要求1所述的一种海洋高光谱遥感影像目标识别方法，其特征在于：所述高光谱遥感为MAIS成像光谱仪。
3.根据权利要求1所述的一种海洋高光谱遥感影像目标识别方法，其特征在于：所述高光谱遥感为内置扫描设计，且整个高光谱遥感光谱仪具有防水的性能。
4.根据权利要求1所述的一种海洋高光谱遥感影像目标识别方法，其特征在于：所述图像波普的显示包括波普库和端元波普提取两大部分，所述端元波普提取由MNF变换、计算纯镜像元指数PPI、N维可视化工具、选取样本像元和获取样本像元的平均波增五大部分组成。
CN201711368312.8A 2017-12-18 2017-12-18 一种海洋高光谱遥感影像目标识别方法 Pending CN108195771A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711368312.8A CN108195771A (zh) 2017-12-18 2017-12-18 一种海洋高光谱遥感影像目标识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711368312.8A CN108195771A (zh) 2017-12-18 2017-12-18 一种海洋高光谱遥感影像目标识别方法

Publications (1)

Publication Number Publication Date
CN108195771A true CN108195771A (zh) 2018-06-22

Family

ID=62574564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711368312.8A Pending CN108195771A (zh) 2017-12-18 2017-12-18 一种海洋高光谱遥感影像目标识别方法

Country Status (1)

Country Link
CN (1) CN108195771A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109801226A (zh) * 2018-12-13 2019-05-24 中国科学院西安光学精密机械研究所 基于sam和加权自相关cem算法的水面目标探测方法
CN109961073A (zh) * 2019-03-29 2019-07-02 云南电网有限责任公司电力科学研究院 一种输电线路及杆塔信息的获取方法及装置
CN111141698A (zh) * 2019-12-30 2020-05-12 中国地质大学（北京） 一种基于热红外比辐射率的岩性分类方法
CN111310614A (zh) * 2020-01-22 2020-06-19 北京航天宏图信息技术股份有限公司 一种遥感影像的提取方法和装置
CN111929255A (zh) * 2020-08-10 2020-11-13 吉林省中业光电技术有限公司 一种侦察系统用的多波段光谱成像仪及其使用方法
CN115326722A (zh) * 2022-08-12 2022-11-11 宁波拾烨智能科技有限公司 基于高光谱遥感数据的海洋赤潮预警方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473764A (zh) * 2013-09-03 2013-12-25 中国科学院深圳先进技术研究院 一种遥感影像目标变化检测方法
US20140063223A1 (en) * 2008-05-21 2014-03-06 Ecotone As Underwater hyperspectral imaging
CN105760857A (zh) * 2016-03-18 2016-07-13 武汉大学 一种高光谱遥感影像目标探测方法
CN106951873A (zh) * 2017-03-24 2017-07-14 河海大学 一种遥感图像目标识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140063223A1 (en) * 2008-05-21 2014-03-06 Ecotone As Underwater hyperspectral imaging
CN103473764A (zh) * 2013-09-03 2013-12-25 中国科学院深圳先进技术研究院 一种遥感影像目标变化检测方法
CN105760857A (zh) * 2016-03-18 2016-07-13 武汉大学 一种高光谱遥感影像目标探测方法
CN106951873A (zh) * 2017-03-24 2017-07-14 河海大学 一种遥感图像目标识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
GEIR JOHNSEN ET AL: "The use of underwater hyperspectral imaging deployed on remotely operated vehicles-methods and applications"", 《IFAC-PAPERS ONLINE》 *
LONG-JENG LEE ET AL: "THE HEALTH STUDY OF SEAGRASS AND CORAL REFF BY UNDERWATER HYPERSPECTRAL IMAGER", 《IEEE》 *
吴彬: "基于高光谱遥感的东昆仑南带岩矿分类技术研究及其应用", 《中国优秀硕士学位论文全文数据库基础科学辑》 *
吴文瑾等: "基于光谱曲线特性和波谱角分类的赤潮监测方法", 《遥感应用》 *
无: ""高光谱数据处理基本流程"", 《道客巴巴HTTP://WWW.DOC88.COM/P-7748969023368.HTML》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109801226A (zh) * 2018-12-13 2019-05-24 中国科学院西安光学精密机械研究所 基于sam和加权自相关cem算法的水面目标探测方法
CN109961073A (zh) * 2019-03-29 2019-07-02 云南电网有限责任公司电力科学研究院 一种输电线路及杆塔信息的获取方法及装置
CN111141698A (zh) * 2019-12-30 2020-05-12 中国地质大学（北京） 一种基于热红外比辐射率的岩性分类方法
CN111310614A (zh) * 2020-01-22 2020-06-19 北京航天宏图信息技术股份有限公司 一种遥感影像的提取方法和装置
CN111310614B (zh) * 2020-01-22 2023-07-25 航天宏图信息技术股份有限公司 一种遥感影像的提取方法和装置
CN111929255A (zh) * 2020-08-10 2020-11-13 吉林省中业光电技术有限公司 一种侦察系统用的多波段光谱成像仪及其使用方法
CN115326722A (zh) * 2022-08-12 2022-11-11 宁波拾烨智能科技有限公司 基于高光谱遥感数据的海洋赤潮预警方法

Similar Documents

Publication Publication Date Title
CN108195771A (zh) 一种海洋高光谱遥感影像目标识别方法
CN103383348B (zh) 植被覆盖区高光谱遥感蚀变矿物提取方法
Berman et al. ICE: A statistical approach to identifying endmembers in hyperspectral images
CN100547438C (zh) 一种油气勘探方法及系统
van der Meero et al. Cross correlogram spectral matching: application to surface mineralogical mapping by using AVIRIS data from Cuprite, Nevada
Im et al. Hyperspectral remote sensing of vegetation
Torabzadeh et al. Fusion of imaging spectroscopy and airborne laser scanning data for characterization of forest ecosystems–A review
CN104978573B (zh) 一种应用于高光谱图像处理的非负矩阵分解方法
Goodwin et al. Assessing plantation canopy condition from airborne imagery using spectral mixture analysis and fractional abundances
Mateen et al. The role of hyperspectral imaging: A literature review
CN103632363A (zh) 基于多尺度融合的对象级高分辨率遥感影像变化检测方法
CN109031344A (zh) 一种全波形激光雷达和高光谱数据联合反演森林结构参数的方法
Wang et al. Landscape-level vegetation classification and fractional woody and herbaceous vegetation cover estimation over the dryland ecosystems by unmanned aerial vehicle platform
CN102540271B (zh) 基于增强约束稀疏回归的半监督高光谱亚像元目标检测法
Quan et al. Tree species classification in a typical natural secondary forest using UAV-borne LiDAR and hyperspectral data
Gasmi et al. Surface soil clay content mapping at large scales using multispectral (VNIR–SWIR) ASTER data
Chen et al. Spectral unmixing using a sparse multiple-endmember spectral mixture model
CN109870419A (zh) 一种采用航空高光谱数据预测黑土氮磷钾含量的方法
Camacho et al. An analysis of spectral variability in hyperspectral imagery: a case study of stressed oil palm detection in Colombia
Zhou et al. Estimation of volume resources for planted forests using an advanced LiDAR and hyperspectral remote sensing
Cheng et al. A spatial-spectral clustering-based algorithm for endmember extraction and hyperspectral unmixing
Zhang et al. Feature-band-based unsupervised hyperspectral underwater target detection near the coastline
CN109839356A (zh) 基于WorldView-3卫星数据的矿化蚀变信息提取方法
CN116797935A (zh) 一种岩矿高光谱遥感图像提取方法、装置及计算机设备
CN104931434B (zh) 一种光谱匹配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180622

RJ01 Rejection of invention patent application after publication