摘要: 地物波谱数据库设计与开发 任利华 【摘要】: 由于高光谱数据可以获得地物的连续光谱曲线,具有精细探测地球表面、定量分析地球表层生物物理化学过程与参数,精确解 译遥感图像等优势,已越来越受到业内人士的欢迎和重视。随着高光谱研究的深入,建立地物波谱数据库渐渐成为...
地物波谱数据库设计与开发 任利华
【摘要】: 由于高光谱数据可以获得地物的连续光谱曲线,具有精细探测地球表面、定量分析地球表层生物物理化学过程与参数,精确解 译遥感图像等优势,已越来越受到业内人士的欢迎和重视。随着高光谱研究的深入,建立地物波谱数据库渐渐成为关注的核心。由于应用领域、光谱采集仪器等因素的影响,地物 的属性参数、仪器参数会发生很大的变化。因此,必须针对不同的研究领域建立不同的地物波谱库。尽管我国已建立了土壤、植被等波谱数据库系统,但针对地形图测绘与更新中 地形要素属性信息分类提取的实用化波谱数据库系统还未见报道。
本文以此为切入点,通过研究国内外地物波谱数据库的发展现状,设计和实现了一个符合测绘级应用要求的地形 信息波谱数据库,并对其中关键技术做了研究。主要的研究内容有以下几个方面:
1、通过阐述高光谱遥感的技术特点以及技术优势,对地物波谱特性在地形图测绘与更新中的 潜力进行了详细分析,并结合国内外地物波谱数据库的发展现状,论述了建立地形信息波谱数据库的必要性和可行性。
2、根据系统需求分析,详细讨论了系统设计原则与开发 方法,研究了开发本系统的关键技术,确定了系统开发的技术路线,包括系统体系结构设计、数据管理平台设计、数据访问引擎设计等。
3、分析了地面波谱数据模型和影像数据模型,实现了波谱数据与影像数据的高度整合,优化了系统性能。
4、总结了地物分级分类原则,首次提出了基于地形图测绘与更新地物分级分类体系。并对入库前的数据进行了标准化处理,使其符合入库规范。
5、将高光谱分析方法整合到本系统中,实现了光谱特征可视化、分析等功能。
【关键词】:地物波谱 数据库 数据模型 波谱采集 光谱特征 可视化分析
【学位授予单位】:解放军信息工程大学
【学位级别】:硕士
【学位授予年份】:2008
【分类号】:TP311.13
【目录】: 摘要8-9
Abstract9-10
第一章 绪论10-17
1.1 本文研究的背景10-12
1.1.1 引言10
1.1.2 地物波谱特征研究的重要性10-11
1.1.3 高光谱影像地物属性信息探测潜力11-12
1.2 波谱数据库的研究现状12-15
1.2.1 国外波谱数据库12-14
1.2.2 国内波谱数据库技术研究现状14-15
1.2.3 存在问题15
1.3 本文研究的目的和意义15-16
1.4 论文内容和组织结构16-17
第二章 地物波谱数据库系统结构设计17-40
2.1 需求分析17-18
2.2 系统特点18-19
2.3 系统设计要求19-22
2.3.1 系统设计原则19-20
2.3.2 系统开发方法20-22
2.3.3 系统流程设计22
2.4 系统结构设计22-27
2.4.1 概念结构设计23-25
2.4.2 体系结构设计25-26
2.4.3 物理结构设计26-27
2.5 系统开发环境27-29
2.5.1 数据库平台与运行环境27
2.5.2 数据访问引擎27-29
2.6 波谱数据结构设计29-30
2.6.1 设计原则29
2.6.2 设计流程29-30
2.7 数据模型分析30-39
2.7.1 波谱数据存储管理方法30-31
2.7.2 波谱数据模型31-37
2.7.3 高光谱影像数据模型37-39
2.8 本章小结39-40
第三章 地物波谱信息采集与处理40-56
3.1 地面非成像(野外)光谱仪40-43
3.1.1 技术指标40-43
3.1.2 光谱仪的要求及设置43
3.2 地形要素分类43-47
3.2.1 地形要素分类原则43-44
3.2.2 地形要素分类标准44-46
3.2.3 地物命名编码规则46-47
3.3 波谱数据获取47-51
3.3.1 数据要求47-48
3.3.2 波谱数据收集与整理48
3.3.3 野外波谱数据采集48-50
3.3.4 野外数据质量评价50-51
3.4 数据库中典型地物的波谱特征分析51-52
3.5 数据预处理52-55
3.5.1 波谱数据反射率转换52
3.5.2 数据格式转换52-53
3.5.3 波谱曲线平滑53-54
3.5.4 仪器增益波段的剔除54-55
3.6 本章小结55-56
第四章 数据库功能模块开发与实现56-69
4.1 系统功能56-59 4.2 数据库功能实现59-63
4.2.1 系统用户身份验证59
4.2.2 数据的备份与恢复59-60
4.2.3 系统查询功能设计60-63
4.2.4 数据输入输出功能63
4.3 数据可视化分析功能63-68
4.3.1 光谱重采样63-64
4.3.2 包络线消除64-65
4.3.3 导数光谱65-66
4.3.4 光谱吸收指数模型(Spectral absorption index,SAI)66-68
4.3.5 归一化差异植被指数68
4.3.6 光谱数据的归一化处理与分析68
4.4 本章小结68-69
第五章 总结与展望69-71
5.1 总结69
5.2 进一步的研究内容69-71
参考文献71-74
作者简历 攻读硕士学位期间完成的主要工作74-76
致谢76