地下天然氣儲氣庫一旦發(fā)生泄漏將會導(dǎo)致嚴重的安全事故與經(jīng)濟損失,而快速準確地識別天然氣泄漏點能夠有效避免以上情況發(fā)生。針對地下儲氣庫微泄漏的情況,傳統(tǒng)方法因其準確率低、成本高等缺點難以適用。利用高光譜技術(shù)進行野外模擬實驗,融合光譜信息、紋理信息和顏色信息對天然氣泄漏點進行識別�；诘叵绿烊粴鈨鈳煨孤┟{迫相應(yīng)區(qū)域植被生長的特征,以冬小麥為研究對象,利用SOC710VP高光譜成像儀(光譜范圍:400～1 000 nm)分別獲取第11天、第24天、第32天、第40天以及第49天控制組與脅迫組地塊的高光譜影像,對所獲取的影像進行光譜平滑、反射率校正和裁剪處理之后:(1)首先運用方差分析(ANOVA)選取特征波段,分別為:510, 520, 570, 625, 645, 680和690 nm;其次,運用灰度共生矩陣(GLCM)計算特征波段影像紋理特征,并計算RGB合成影像的前三階顏色矩;(2)運用NDVI對影像進行閾值分割,將其分為植被部分和裸露土壤部分。對于植被部分,基于最小二乘支持向量機(LSSVM)構(gòu)建融合光譜、紋理以及顏色特征的識別模型,并對脅迫下的小麥進行識別;(3)融合脅迫下的小麥和...

【文章頁數(shù)】：7 頁

【文章目錄】：
引 言
1 實驗部分
    1.1 實驗設(shè)計
    1.2 數(shù)據(jù)采集
    1.3 影像處理
        1.3.1 預(yù)處理
            (1)標準反射率校正
            (2)光譜平滑
        1.3.2 后處理
            (1)波段篩選
            (2)紋理及顏色特征提取
    1.4 建模方法
        1.4.1 歸一化植被指數(shù)(NDVI)
        1.4.2 最小二乘支持向量機
        1.4.3 模型建立
2 結(jié)果與討論
    2.1 波段篩選與特征提取結(jié)果
    2.2 模型識別
        2.2.1 識別結(jié)果
        2.2.2 結(jié)果分析
    2.3 討論
        2.3.1 模型驗證
        2.3.2 綠暈現(xiàn)象
3 結(jié) 論



本文編號：3845822