无人机载高光谱影像最佳波段组合研究开题报告

全文总字数：1060字

1. 研究目的与意义

无人机载高光谱影像光谱分辨率高，信息量丰富，但同时也带来了维数高，数据量庞大等问题，在进行高光谱数据处理前，若不进行降维处理，则会影响高光谱数据的分析精度与应用价值，且大大增加数据处理工作量。对无人机载高光谱影像一些常用的波段选择方法进行归纳，并结合相关专业知识，为针对植被冠层信息提取的高光谱影像最佳波段组合研究提供辅助决策，使无人机载高光谱遥感技术在植被冠层信息提取方面能得到更好的应用。

2. 国内外研究现状分析

目前国内外常用的高光谱影像波段选择方法有最佳指数法、自适应波段选择法、自动子空间划分、基于类别可分性的最佳波段选择方法等。在经典波段选择方法的基础上，国内外学者不断进行完善和改进，针对不同应用目的对各种算法或方法进行结合，以提高高光谱数据的分析精度与应用价值。年波等人在提取云岭中部山区森林植被类型信息时，利用OIF指数以及研究区域植被的光谱特征曲线和卫星各个波段的用途相结合的方法来选取最优波段，使合成的图像包含丰富的地物信息，且各植被类型在色调上区分较大，便于目视解译。夏浪等人通过利用无人机高光谱数据计算归一化植被指数（normalized vegetation index,NDVI），对植被指数和地面小麦生物量建立线性回归分析来获得优选波段，从而提高模型精度。程志庆等人将最佳指数与相关系数通过熵权评价值进行融合，提出最佳指数相关系数法（optimum index factor and correlation coefficient,OIFC），基于OIFC法选取小麦叶片叶绿素含量的最佳组合波段，并利用最佳组合波段的高光谱数据建立小麦叶片叶绿素含量预测模型。曾帅等人提出一种基于均值极差阈值法的植被光谱特征波段筛选方法，以鄱阳湖五种典型植被实测光谱数据为研究对象，并利用马氏距离-光谱角法对不同植被种类进行识别，最后对统计的典型植被光谱分类精度进行分析评价。

3. 研究的基本内容与计划

1、研究内容

通过对无人机载高光谱遥感数据的最佳波段组合方法进行研究，结合植被相关专业知识，为针对植被冠层信息提取的高光谱影像最佳波段组合研究提供辅助决策。

2．研究计划

4. 研究创新点

针对无人机载高光谱影像提出提取植被冠层信息的最佳波段组合具有一定的特色与创新。