高光谱数据库及数据挖掘研究

论文摘要

高光谱遥感技术是指具有10-2λ的光谱分辨率，在可见光到短波红外波段其光谱分辨率高达纳米数量级的遥感技术。随着航空、航天遥感器技术的迅速发展和空间信息需求的日益扩大，遥感影像数据获取越加频繁，数据量也与日俱增。高光谱遥感影像更是因为其数据量巨大而对影像数据库的发展提出了新的挑战。在海量的光谱数据和影像数据被数据库有效的管理起来之后，从这些TB级的数据中挖掘有用的信息，成为了高光谱遥感应用的主要研究方向之一。这些数据并不完全结构化，数据质量也不尽完好，因此数据挖掘领域的相关技术方法被应用到高光谱遥感领域，在数据的海洋之中萃取知识的精华。 本篇论文在综合描述了高光谱遥感技术和数据库技术的发展背景前提下，提出了高光谱数据库和光谱数据挖掘的内涵和外延。并以此为切入点，对国内外地面光谱数据库、遥感影像数据库的发展和研究现状、数据挖掘技术的发展和研究现状，以及空间数据挖掘和影像数据挖掘技术做了深入探讨。通过对国内外研究进展的把握和自身项目研究知识积累，针对数据挖掘和应用方向提出了高光谱数据库的系统设计，并通过导入了六千多条数据，在ORACLE平台上完成了技术实现。以建立的高光谱数据库为基础，对光谱数据挖掘应用和高光谱影像数据挖掘应用做了一些开创性的研究工作。 本文取得的研究进展和创新点归纳如下： ● 在构建高光谱数据库基础之上，提出了针对数据库存储方案的光谱数据模型和影像数据模型，通过将必要的高光谱分析方法和分析模型整合到数据库之中，实现了数据、方法、模型在高光谱数据库中的集成与统一。 ● 将多源数据统一到一个数据库平台之中，将原有的大表结构和表群结构作转换，设计了以二元数据为核心的星型数据库概念结构，建立了通用的高光谱数据库建库模式和模型设计线路。 ● 将数据库数据挖掘技术应用在光谱数据模拟和光谱参量分析研究上，从光谱数据和属性数据这两个方向在数据库中实现了高光谱数据挖掘的应用。 ● 将高光谱影像数据空间映射到数据库表空间，从而实现借助于数据库平台对高光谱影像进行数据分析与信息挖掘，实现了非负矩阵分解的逆变换高光谱数据压缩、最小长度模型辅助高光谱影像波段选择、非负矩阵分解高光谱影像特征提取、支持向量机的高光谱图像目标提取等高光谱数据自动分析模型。

论文目录

• 第一章 引言
• 1.1 高光谱遥感技术，数据库技术，数据挖掘技术的发展
• 1.1.1 高光谱遥感技术的发展
• 1.1.2 数据库技术的发展
• 1.1.3 高光谱数据库概念的提出
• 1.1.4 光谱数据挖掘的内涵与外延
• 1.2 研究重点和论文结构
• 1.3 本文使用的数据源描述
• 第二章 地物光谱数据库、遥感影像数据库及数据挖掘
• 2.1 地物光谱数据库
• 2.2.1 国外地物光谱数据库研究进展
• 2.2.2 国内地物光谱数据库研究进展
• 2.2.3 小结
• 2.2 遥感影像数据库
• 2.2.1 国外遥感影像数据库现状
• 2.2.2 国内遥感影像数据库现状
• 2.2.3 小结
• 2.3 数据挖掘技术
• 2.3.1 数据挖掘技术
• 2.3.2 空间数据挖掘技术
• 2.3.3 影像数据挖掘技术
• 2.3.4 小结
• 2.4 本章小结
• 第三章 数据挖掘和应用导向的高光谱数据库系统设计
• 3.1 高光谱数据库需求分析
• 3.2 高光谱数据库数据流程分析
• 3.3 应用框架与体系结构设计
• 3.3.1 高光谱数据库应用框架设计
• 3.3.2 系统结构设计
• 3.3.3 数据挖掘与数据库的耦合设计
• 3.3.4 应用逻辑模块设计
• 3.4 高光谱数据库数据模型设计
• 3.4.1 地面光谱数据模型
• 3.4.2 高光谱影像数据模型
• 3.4.3 高光谱数据库概念结构
• 3.5 高光谱数据库方法设计
• 3.5.1 反射率转换方法
• 3.5.2 光谱维滤波方法
• 3.5.3 光谱匹配方法
• 3.5.4 包络线去除方法
• 3.5.5 高光谱数据库方法通用设计
• 3.6 高光谱数据库应用模型设计
• 3.6.1 典型矿物波谱识别模型
• 3.6.2 典型岩石矿物组分分析模型
• 3.6.3 岩矿光谱吸收参数提取模型
• 3.6.4 植被光谱特征参数提取模型
• 3.6.5 高光谱数据库应用模型通用设计
• 3.7 本章小结
• 第四章 高光谱数据库系统建设
• 4.1 高光谱数据库结构建设
• 4.2 高光谱数据库数据建设
• 4.2.1 岩矿地面测量光谱数据
• 4.2.2 农作物地面测量光谱数据
• 4.2.3 城市地物光谱数据
• 4.2.4 岩矿像元波谱数据
• 4.2.5 多时相MODIS AVI产品
• 4.3 高光谱数据库的典型方法
• 4.3.1 地物光谱数据转换方法
• 4.3.2 影像与数据表转换方法
• 4.3.3 包络线去除方法
• 4.3.4 加权均值滤波方法
• 4.4 高光谱数据库的典型应用模型
• 4.4.1 典型矿物波谱识别模型应用实例
• 4.4.2 植被光谱维特征提取应用实例
• 4.4.3 岩石矿物组分分析模型应用实例
• 4.5 本章小结
• 第五章 光谱数据挖掘
• 5.1 光谱数据挖掘的定义与方法
• 5.2 岩石矿物光谱数据的模拟
• 5.3 蒙皂石含量与膨胀土光谱吸收参量相关关系挖掘
• 5.4 光谱波段组合自动优化
• 5.5 本章小结
• 第六章 高光谱影像数据挖掘
• 6.1 高光谱影像数据挖掘的定义与方法
• 6.2 基于最小描述长度模型的高光谱影像波段选择
• 6.3 利用非负矩阵分解进行高光谱影像特征提取
• 6.4 利用非负矩阵分解进行高光谱影像压缩
• 6.5 利用支持向量机对高光谱图像进行目标提取
• 6.6 本章小结
• 第七章 结论与展望
• 7.1 论文的特色与创新点
• 7.2 高光谱数据库的发展和数据挖掘展望
• 参考文献
• 博士期间发表文章
• 博士期间参与项目
• 致谢