卫星遥感多光谱浅海水深反演法

被引:12
作者
张振兴
郝燕玲
机构
[1] 哈尔滨工程大学
关键词
船舶、舰船工程; 遥感; 波段比值; 主成分分析; 神经网络;
D O I
暂无
中图分类号
U675.79 [新技术在航海上的应用];
学科分类号
081105 ;
摘要
应用卫星遥感技术反演浅海水深,对于航运安全、海洋工程、海洋军事等具有重要意义。对IKONOS高分辨率卫星影像数据进行分析处理,提出一种结合主成分分析变换的神经网络水深反演法。通过IKONOS多光谱数据建立波段比值模型,并对该模型进行主成分分析变换,应用神经网络技术对浅海水深进行定量反演。研究结果表明,这种方法能够很好的建立IKONOS多光谱数据与实测水深数据之间的非线性关系,减少了其他外界环境因素的影响(如海水底质、海水类型等);同时去掉了波段比值模型中线性相关的冗余信息,比传统的线性回归水深反演模型具有更高的可靠性和反演精度。
引用
收藏
页码:13 / 18
页数:6
相关论文
共 7 条
[1]   遥感水深反演海图修测应用研究 [J].
滕惠忠 ;
熊显名 ;
李海滨 ;
叶秋果 ;
辛宪会 .
海洋测绘, 2009, 29 (06) :21-25
[2]   基于数学形态学的IKONOS多光谱图像分割方法研究 [J].
徐春燕 ;
冯学智 ;
赵书河 ;
肖鹏峰 .
遥感学报, 2008, (06) :980-986
[3]   江苏近海岸水深遥感研究 [J].
田庆久 ;
王晶晶 ;
杜心栋 .
遥感学报, 2007, (03) :373-379
[4]   基于主成分分析的遥感图像模拟真彩色融合法 [J].
樊旭艳 ;
付春龙 ;
石继海 ;
武丽娟 .
测绘科学技术学报, 2006, (04) :287-289+292
[5]   长江口水域多光谱遥感水深反演模型研究 [J].
徐升 ;
张鹰 .
地理与地理信息科学, 2006, (03) :48-52
[6]   基于BP人工神经网络的水体遥感测深方法研究 [J].
王艳姣 ;
张鹰 .
海洋工程, 2005, (04) :37-42
[7]   Remote sensing of water depths in shallow waters via artificial neural networks [J].
Ceyhun, Oezcelik ;
Yalcin, Arisoy .
ESTUARINE COASTAL AND SHELF SCIENCE, 2010, 89 (01) :89-96