结合MNF变换与灰值形态学的三江平原多光谱、多时相MODIS遥感影像分类  

Multi-spectral and Multitemporal MODIS Remote Sensing Imagery Classification Based on MNF Transform and Grayscale Morphological Filter in Sanjiang Plain

作　　者：刘汉丽[1] 裴韬[2] 周成虎[2] 朱阿兴[2] 

机构地区：[1]武汉科技大学汽车与交通工程学院 [2]中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京市朝阳区大屯路甲11号100101

出　　处：《武汉大学学报（信息科学版）》2011年第2期153-156,I0003,I0003,共6页Geomatics and Information Science of Wuhan University

基　　金：国家重点基础研究发展计划资助项目(2006CB701305);资源与环境信息系统国家重点实验室自主创新团队计划资助项目(088RA400SA)

摘　　要：通过对影像进行光谱特征分析,及对各种植被类型进行物候特征分析,选用以NDVI数据为主的多波段、多时相的MODIS影像数据进行最小噪声分离MNF变换,然后进行灰值形态学滤波,运用阈值分割法提取旱地,并运用自组织特征映射SOM神经网络聚类模型分离湿地和水田。实验结果与现有的研究成果相比,精度有较大提高。By analyzing spectral characteristics and phenological characteristics of remote sensing images,we select multi-temporal NDVI data along with other useful bands for data processing.By performing an enhanced Lee filter and MNF transform on the data,the features of different land use types has been enhanced.Then,a morphological filtering is conducted on the data to extract dry land.Finally,we separate wetland and paddy field by a SOM neural network clustering.As a result,the accuracy of land use type classification has been improved.

关 键 词：MODIS遥感影像 归一化差分植被指数 最小噪声分离变换 灰值形态学滤波 

分 类 号：P237.4[天文地球—摄影测量与遥感]