导读:本文包含了高光谱论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:光谱,遥感,卷积,图像,神经网络,华南地区,岩心。
高光谱论文文献综述
田青林,潘蔚,李瑶,张川,陈雪娇[1]（2019）在《基于小波包变换和权重光谱角制图的岩心高光谱蚀变信息提取》一文中研究指出高光谱数据波段数多且波段间存在强相关性,采用光谱角制图(spectral angle mapper,SAM)算法进行信息提取容易受光谱信号噪声的影响,在一定程度上影响地物识别的精度。针对这一问题,提出一种基于小波包变换和权重SAM的岩心高光谱蚀变信息提取方法。其基本思路为:在对原始高光谱数据进行辐射校正、反射率转换和小波去噪等预处理的基础上,选择daubechies4作为小波基,分别对高光谱图像像元光谱与参考光谱进行8层小波包分解,基于子分量系数构建小波包信息熵矢量来刻画原始光谱曲线特性,并找到像元光谱与参考光谱信息熵矢量差异较大的特征区间,对其设置权重,最后依据SAM算法原理进行蚀变矿物匹配,达到信息提取的目的。通过对我国南方某火山岩型铀矿区Hy Spex钻孔岩心短波红外高光谱数据的实验表明,该方法利用小波包信息熵特征矢量可以有效表征原始光谱信息,通过设置差异特征区间,突出了局部特征信息,增大了不同矿物类别间的可区分性,总体分类精度达到了75. 33%,Kappa系数为0. 706 3,优于传统的SAM算法,具有较好的适用性。(本文来源于《国土资源遥感》期刊2019年04期）
叶发旺,张川,徐清俊,孟树,邱骏挺[2]（2019）在《热液流体活动规律高光谱遥感分析示范研究——以新疆白杨河铀矿床为例》一文中研究指出高光谱遥感技术可以有效地用于分析热液流体活动规律,进而指导找矿预测。利用国际先进的CASI/SASI航空高光谱遥感技术、并结合ASD便携式地面高光谱技术手段,文章从航空、地面、深部钻孔岩芯等不同尺度对白杨河铀矿区及周围地表和深部的热液蚀变类型和热液活动规律等进行了立体识别与研究。研究表明,白杨河铀矿区及周围航空高光谱遥感识别的蚀变矿物在空间上可分为北部蚀变区、矿区蚀变区、南部蚀变区等3个蚀变带。北部蚀变区发育一套以叶腊石、明矾石、高铝绢云母为主的酸性热液蚀变组合;矿区蚀变区地表发育高铝绢云母、中铝绢云母、赤铁矿、硅化等热液蚀变,矿区深部钻孔岩芯主要发育高铝绢云母、中铝绢云母、低铝绢云母、高岭石、赤铁矿、褐铁矿、绿泥石等蚀变矿物及其混合蚀变,且绢云母蚀变矿物的Al-OH吸收峰波长位置存在"单向递减"和"先减后增"等2种明显变化规律;南部蚀变区发育低铝绢云母和中铝绢云母蚀变。分析表明,北部蚀变区是相对的区域热液流体活动中心,铀矿区蚀变区是流体活动中心旁侧的一个明显的热液流体活动区,南部蚀变区是更加远离流体活动中心的,温度进一步降低的流体活动区。矿区北缘接触带的热液蚀变温度要比南缘接触带蚀变温度高,北缘接触带热液流体蚀变温度具有由中西部向东部不断降低、由接触带向接触带外围不断降低的特点。总之,白杨河铀矿区深部热液流体活动至少存在"直流型"和"分流型"2种典型的形式,前者反映热液流体活动温度自深部→接触带→浅部不断降低的特点,后者反映热液流体活动温度自接触带分别向上和向下逐渐降低的特点。此外,文章还对热液流体活动与铀矿化关系,以及矿区外围铀矿找矿方向进行了分析。(本文来源于《矿床地质》期刊2019年06期）
薛庆文,王瑞,刘思宇,佟雪松,李钰尧[3]（2019）在《绿泥石高光谱和地球化学特征在找矿勘查中的意义——以西藏驱龙矿床为例》一文中研究指出斑岩铜矿是世界上最重要的成矿类型之一，目前已经为世界上提供了超过75%的铜(Sillitoe,2010)。国民经济的发展需要消耗大量的铜矿资源，我国对铜矿资源的需求逐年增加，因而对斑岩铜矿的找矿勘查势在必行。传统的俯冲型斑岩铜矿矿化主体发育在钾硅酸岩化蚀变阶段的晚期(Sillitoe,2010)，但目前有新的研究证据表明，发育在后碰撞背景下的斑岩铜矿，在青磐岩化阶段也有大量黄铜矿的发育(Yang and Cooke,2019)，绿泥石是青磐岩化带最主要的蚀变矿物，易于识别，可以作为一种有效的找矿勘查指示矿物在后碰(本文来源于《第九届全国成矿理论与找矿方法学术讨论会论文摘要集》期刊2019-12-13）
职露,余旭初,谭熊,赵传,刘辉[4]（2019）在《特征重标定网络的高光谱影像分类方法》一文中研究指出高光谱影像特征的利用率对提高其分类精度具有重要意义。为充分利用影像的特征,提出了一种特征重标定网络的高光谱影像分类方法。该方法通过全局平均池化将特征图转换为具有全局信息的实数,利用全连接层与非线性层生成能够代表各通道相对重要性的权值,进而采取加权法完成初始特征的重标定。为验证该方法的有效性,选取PaviaU和KSC两组高光谱影像数据进行实验。结果表明,提出方法总体分类精度分别达到98.38%和95.61%,可为高光谱影像提供有效的类别判定特征,有助于提高影像分类精度并获取平滑的分类结果图。(本文来源于《测绘科学技术学报》期刊2019年03期）
田文忠,赵庆展,胡浩伟,李沛婷,马永建[5]（2019）在《无人机高光谱载荷性能交叉验证》一文中研究指出无人机定量遥感已成为当前遥感研究领域的热点之一,辐射定标是定量遥感的基础,在定量遥感研究中,首先需要确保无人机载荷性能的可靠性。基于辐射定标原理,以多光谱仪的固有波段为中心波长,设置高光谱仪对应波段范围,利用灰阶靶标,将高光谱影像中靶标的辐亮度值与多光谱仪的光谱响应函数进行卷积运算,得到多光谱各波段的等效入瞳辐亮度模拟值,从而拟合获得无人机多光谱载荷辐射定标系数;最后通过辐射定标系数验证分析及光谱曲线比对,最终实现无人机高光谱载荷性能交叉验证。结果表明:对于均匀地物如裸土,定标先后平均相对误差小于0.12;两次定标系数相对差异在±1%之内,且两次拟合相关系数r2分别在0.96和0.92以上,传感器线性响应度较高。实验结果可为相关多、高光谱遥感载荷性能分析提供参考。(本文来源于《中国测试》期刊2019年11期）
王莹[6]（2019）在《改进的基于CNN的高光谱遥感图像分类办法》一文中研究指出由于高光谱遥感图像光谱维度大,标注样本相对较少,提出了一种结合主成分分析和改进的二维卷积神经网络的高光谱遥感图像的分类方法。首先,通过主成分分析,降低光谱维度,消除光谱亢余信息。然后,将数据进行分块处理,获得分块数据的样本标签,并将数据分为训练集和验证集,用训练集和验证集训练改进的针对高光谱遥感图像分类的卷积神经网络的参数。最后,将测试集投入训练好的2D-CNN上进行分类,得到分类结果。实验结果表明,提出的模型的分类精度明显提高,从而验证了该方法的有效性和实用性。(本文来源于《现代商贸工业》期刊2019年35期）
彭一平,刘振华,王璐,赵理,胡月明[7]（2019）在《华南地区土壤全钾含量高光谱反演模型研究》一文中研究指出【目的】为更快速准确地估算土壤全钾含量。【方法】本文以土壤高光谱数据和实验室分析所得的土壤全钾含量数据为数据源,研究土壤光谱与土壤全钾含量的关系。在土壤原始光谱预处理的基础上,对其进行光谱平滑、一阶微分、二阶微分和倒数对数等光谱变换处理,筛选出与对土壤全钾含量相关性最高的光谱指标,最终建立模型预测土壤全钾含量。【结果】基于一阶微分变换的光谱变量是估算土壤全钾含量的最佳光谱指标,其构建的土壤全钾高光谱反演模型(y=2E+06x~2+11328x+16.372)效果最佳,决定系数R~2为0.64,均方根误差RMSE为4.850 g/kg。【结论】利用该模型快速估算广东省土壤全钾含量是可行的。(本文来源于《西南农业学报》期刊2019年10期）
姜博厚[8]（2019）在《基于深度学习的高光谱图像超分辨处理方法》一文中研究指出针对目前高光谱图像超分辨处理方法应用过程存在的问题,笔者从实践角度出发,分析了高光谱图像超分辨处理方法的应用现状,并提出了基于深度学习方法的高光谱图像超分辨处理。结果表明,只有从问题角度入手,才能使超分辨处理方法在各领域的广泛运用达到预期。(本文来源于《信息与电脑(理论版)》期刊2019年22期）
陈青莲,方晓平,蔡之华[9]（2019）在《基于核ELM的主动学习及其在高光谱中应用》一文中研究指出针对高光谱图像分类中分类精度有待提升和时间复杂度高的问题,论文提出基于核超限学习机的主动学习并用于高光谱遥感图像分类,与几个常见的算法Mclu_Elm,Mclu_Nb,Mclu_SVM和Mclu_Knn进行了对比验证,结果表明,论文提出的方法不仅具有较强的泛化能力,还能极大地缩短响应时间,因此,论文提出的方法适用于实时应用领域。(本文来源于《计算机与数字工程》期刊2019年11期）
邱云飞,王星苹,王春艳,孟令国[10]（2019）在《应用级联多分类器的高光谱图像分类》一文中研究指出目的高光谱分类任务中,由于波段数量较多,图像中存在包含噪声以及各类地物样本分布不均匀等问题,导致分类精度与训练效率不能平衡,在小样本上分类精度低。因此,提出一种基于级联多分类器的高光谱图像分类方法。方法首先采用主成分分析方法将高度相关的高维特征合成无关的低维特征,以加快Gabor滤波器提取纹理特征的速度;然后使用Gabor滤波器提取图像在各个尺寸、方向上的纹理信息,每一个滤波器会生成一张特征图,在特征图中以待分类样本为中心取一个d×d的邻域,计算该邻域内数据的均值和方差来作为待分类样本的空间信息,再将空间信息和光谱信息融合,以降低光线与噪声的影响;最后将谱—空联合特征输入级联多分类器中,得到预测样本关于类别的概率分布的平均值。结果实验采用Indian Pines、Pavia University和Salinas 3个数据集,与经典算法如支持向量机和卷积神经网络进行比较,并利用总体分类精度、平均分类精度和Kappa系数作为评价标准进行分析。本文方法总体分类精度在3个数据集上分别达到97. 24%、99. 57%和99. 46%,相对于基于径向基神经网络(RBF)核函数的支持向量机方法提高了13. 2%、4. 8%和5. 68%,相对于加入谱—空联合特征的RBFSVM(radial basis function-support vector machine)方法提高了2. 18%、0. 36%和0. 83%,相对于卷积神经网络方法提高了3. 27%、3. 2%和0. 3%; Kappa系数分别是0. 968 6、0. 994 3和0. 995 6,亦有提高。结论实验结果表明,本文方法应用于高光谱图像分类具有较优的分类效果,训练效率较高,无需依赖GPU,而且在小样本上也具有较高的分类精度。(本文来源于《中国图象图形学报》期刊2019年11期）
高光谱论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
高光谱遥感技术可以有效地用于分析热液流体活动规律,进而指导找矿预测。利用国际先进的CASI/SASI航空高光谱遥感技术、并结合ASD便携式地面高光谱技术手段,文章从航空、地面、深部钻孔岩芯等不同尺度对白杨河铀矿区及周围地表和深部的热液蚀变类型和热液活动规律等进行了立体识别与研究。研究表明,白杨河铀矿区及周围航空高光谱遥感识别的蚀变矿物在空间上可分为北部蚀变区、矿区蚀变区、南部蚀变区等3个蚀变带。北部蚀变区发育一套以叶腊石、明矾石、高铝绢云母为主的酸性热液蚀变组合;矿区蚀变区地表发育高铝绢云母、中铝绢云母、赤铁矿、硅化等热液蚀变,矿区深部钻孔岩芯主要发育高铝绢云母、中铝绢云母、低铝绢云母、高岭石、赤铁矿、褐铁矿、绿泥石等蚀变矿物及其混合蚀变,且绢云母蚀变矿物的Al-OH吸收峰波长位置存在"单向递减"和"先减后增"等2种明显变化规律;南部蚀变区发育低铝绢云母和中铝绢云母蚀变。分析表明,北部蚀变区是相对的区域热液流体活动中心,铀矿区蚀变区是流体活动中心旁侧的一个明显的热液流体活动区,南部蚀变区是更加远离流体活动中心的,温度进一步降低的流体活动区。矿区北缘接触带的热液蚀变温度要比南缘接触带蚀变温度高,北缘接触带热液流体蚀变温度具有由中西部向东部不断降低、由接触带向接触带外围不断降低的特点。总之,白杨河铀矿区深部热液流体活动至少存在"直流型"和"分流型"2种典型的形式,前者反映热液流体活动温度自深部→接触带→浅部不断降低的特点,后者反映热液流体活动温度自接触带分别向上和向下逐渐降低的特点。此外,文章还对热液流体活动与铀矿化关系,以及矿区外围铀矿找矿方向进行了分析。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高光谱论文参考文献
[1].田青林,潘蔚,李瑶,张川,陈雪娇.基于小波包变换和权重光谱角制图的岩心高光谱蚀变信息提取[J].国土资源遥感.2019
[2].叶发旺,张川,徐清俊,孟树,邱骏挺.热液流体活动规律高光谱遥感分析示范研究——以新疆白杨河铀矿床为例[J].矿床地质.2019
[3].薛庆文,王瑞,刘思宇,佟雪松,李钰尧.绿泥石高光谱和地球化学特征在找矿勘查中的意义——以西藏驱龙矿床为例[C].第九届全国成矿理论与找矿方法学术讨论会论文摘要集.2019
[4].职露,余旭初,谭熊,赵传,刘辉.特征重标定网络的高光谱影像分类方法[J].测绘科学技术学报.2019
[5].田文忠,赵庆展,胡浩伟,李沛婷,马永建.无人机高光谱载荷性能交叉验证[J].中国测试.2019
[6].王莹.改进的基于CNN的高光谱遥感图像分类办法[J].现代商贸工业.2019
[7].彭一平,刘振华,王璐,赵理,胡月明.华南地区土壤全钾含量高光谱反演模型研究[J].西南农业学报.2019
[8].姜博厚.基于深度学习的高光谱图像超分辨处理方法[J].信息与电脑(理论版).2019
[9].陈青莲,方晓平,蔡之华.基于核ELM的主动学习及其在高光谱中应用[J].计算机与数字工程.2019
[10].邱云飞,王星苹,王春艳,孟令国.应用级联多分类器的高光谱图像分类[J].中国图象图形学报.2019
论文知识图
