非成像高光谱数据的特点为树种的精细识别提供了可能。非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能。该文利用光谱相关匹配(Spectralcorrelation m atch ing,SCM)方法来对树种进行识别分类...非成像高光谱数据的特点为树种的精细识别提供了可能。非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能。该文利用光谱相关匹配(Spectralcorrelation m atch ing,SCM)方法来对树种进行识别分类,分别采用均值平滑法、中值平滑法、小波包变换对高光谱数据进行预处理及识别分类研究。结果表明,经过数据平滑预处理,可以有效地去除噪声,提高叶片高光谱数据的树种分类的精度。小波分析能有效的去除光谱中的噪声信息,保留光谱中的有效信息。在小波包变换的基础上,经过中值滤波数据预处理之后的分类精度高于均值滤波数据预处理后的分类精度。展开更多
文摘非成像高光谱数据的特点为树种的精细识别提供了可能。非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能。该文利用光谱相关匹配(Spectralcorrelation m atch ing,SCM)方法来对树种进行识别分类,分别采用均值平滑法、中值平滑法、小波包变换对高光谱数据进行预处理及识别分类研究。结果表明,经过数据平滑预处理,可以有效地去除噪声,提高叶片高光谱数据的树种分类的精度。小波分析能有效的去除光谱中的噪声信息,保留光谱中的有效信息。在小波包变换的基础上,经过中值滤波数据预处理之后的分类精度高于均值滤波数据预处理后的分类精度。
