基于影像交叉学习的CBERS CCD波段模拟  

Using Cross-sensor Image Learning for CBERS CCD Bands Simulation

作　　者：俞乐[1] 曹凯[2] 吴飏[3] 张登荣[4] 

机构地区：[1]清华大学地球系统科学研究中心,北京100084 [2]哈佛大学地理分析中心 [3]浙江大学地球科学系,杭州310027 [4]杭州师范大学遥感与地球科学研究院,杭州310026

出　　处：《国土资源遥感》2011年第3期48-53,共6页Remote Sensing for Land & Resources

摘　　要：与TM/ETM+相比,CBERS CCD缺少2个红外波段(波段5和波段7),这便导致了许多针对TM/ETM+数据的图像处理方法难以直接应用于CBERS CCD图像。为此,采用基于影像交叉学习的波段模拟方法,即以ETM+数据作为先验知识,通过支持向量回归(Support Vector Regression,SVR),拟合CBERS CCD与ETM+7波段DN值之间的非线性关系,进而在CBERS CCD已有波段的基础上模拟一个新的波段图像。实验结果表明,采用该方法模拟的CBERS CCD新波段与验证波段之间具有较高的相关性。The absence of two infrared bands （ i. e. 1.55 - 1.75μm （ TM 5 ） and 2.08 - 2.35μm （ TM 7 ） ） in CBERS CCD camera compared with Landsat TM/ETM^＋ results in a limitation that many algorithms developed for TM/ETM^＋ images are not applicable for CBERS CCD camera data directly. In this paper, a cross - sensor image learning approach is used to simulate new Landsat - like infrared bands so as to extend spectrum coverage for CBERS CCD camera data. A support vector regression （SVR） technique is used to model nonlinear relationship between a priori knowledge from ETM^＋ DN values and four CBERS CCD bands, and then new CBERS CCD bands are predicted. Experimental result shows good correlation between simulated band and corresponding ETM^＋ band.

关 键 词：波段模拟 机器学习 SVR CBERS CCD TM/ETM^+ 

分 类 号：TP751.1[自动化与计算机技术—检测技术与自动化装置]