高光谱图像技术
光谱图像简介
根据传感器的光谱分辨率对光谱成像技术进行分类, 光谱成像技术一般可分成3类。光谱图像是指在特定波长范围内由一系列波长处的光学图像组成的图像块。(1)多光谱成像———光谱分辨率在Δλ/λ= 0.1数量级，这样的传感器在可见光和近红外区域一般只有几个波段。(2) 高光谱成像———光谱分辨率在Δλ/λ= 0.01数量级，这样的传感器在可见光和近红外区域有几十到数百个波段，光谱分辨率可达nm级。(3) 超光谱成像———光谱分辨率在Δλ/λ= 0.001数量级,这样的传感器在可见光和近红外区域可达数千个波段。
高光谱图像基本原理
高光谱图像技术是由高光谱遥感成像技术发展起来的一项技术。高光谱图像是在特定波长范围内由一系列波长处的光学图像组成的三维图像块。图为高光谱图像三维数据块的示意图。图1中，x和y表示二维平面像素信息坐标轴，第三维（λ轴）是波长信息坐标轴。从中可以看出，高光谱图像既具有某个特定波长λi下的图像信息，并且针对xy平面内某个特定像素，又具有不同波长下的光谱信息。
图1 高光谱图像数据块
高光谱图像技术优势
高光谱图像集样品的图像信息与光谱信息于一身。由于光谱信息能充分反映样品内部的物理结构、化学成分，内部结构的差异可以通过特定波长下的光谱值来表现，在每个特定波长下，xy平面内每个像素点的灰度值又与其在该波长下的光谱值之间一一对应。图像信息可以反映样品的形状、缺陷等外部品质特征，由于不同成分对光谱吸收亦不同的影响，在某个特定波长下图像对某个缺陷会有较显著的反映。这些特点决定了高光谱图像技术在农产品内外部品质的检测方面的独特优势。
基于高光谱图像的无损检测系统
基于高光谱图像的无损检测系统主要包括硬件平台(高光谱图像的获取) 和软件数据处理(高光谱图像数据分析) 两部分。硬件平台主要由光源、分光部件、CCD、图像采集系统和计算机所组成。根据分光部件的不同，其硬件平台又有2种不同的组建方式，即基于滤光片的高光谱图像获取系统和基于成像光谱仪的高光谱图像获取系统。
https://www.360docs.net/doc/f718819917.html,D摄像头
2.滤光片
3.RS232
4.转盘
5.光源
6.计算机
图2 基于滤光片的高光谱图像采集系统
1.摄像机
2.光纤
3.光源
4.计算机
5.输送装置
图4 基于光谱仪的高光谱图像系统
基于光谱仪的高光谱图像系统采集得到的数据精度高，适合于实验室阶段寻找最适合表达检测目标的特定波长，但其数据量超大，数据处理时间长，不适于在线检测；而基于滤波片的高光谱图像系统采集得到的数据量小，数据分析所需要的时间短，适合在线检测，但是滤波片过少，其数据简单，很难寻找到与检测目标相应的最佳特征波长。一般情况下，首先，在实验室阶段利用基于光谱仪的高光谱图像系统寻找检测目标的最优波长；然后，根据最优波长定做相应的滤波片，设计基于滤波片的高光谱图像系统，以实现在线检测。
高光谱图像分类
《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 35 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月
一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。
高光谱数据处理基本流程
高光谱数据处理基本流 程 The document was finally revised on 2021
高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（Imaging Spectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库
ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理：
利用高光谱图像技术检测水果轻微损伤
高光谱图像技术检测苹果轻微损伤 摘要 传统的近红外光谱分析法和可见光图像技术应用于水果品质无损检测 中存在的检测区域小、检测时间长、仅能检测表面情况等局限性。提出了 利用高光谱图像技术检测水果轻微损伤的方法。试验以苹果为研究对象, 利 用 500~ 900nm范围内的高光谱图像数据, 通过主成分分析提取 547nm 波长 下的特征图像, 然后设计不均匀二次差分消除了苹果图像亮度分布不均匀 的影响, 最后通过合适的数字图像处理方法提取苹果的轻微损伤。 关键词: 无损检测苹果高光谱图像检测轻微损伤 引言 水果在采摘或运输过程中, 因外力的作用使其表皮受到机械损伤, 损伤处 表皮未破损, 伤面有轻微，色稍变暗, 肉眼难于觉察。受水果色泽的影响, 传统的计算机视觉技术不能对轻微损伤加以检测。但是轻微损伤是水果在线检测的主要指标之一, 随着时间的延长, 轻微损伤部位逐渐褐变, 最终导致整个果实腐 烂并影响其他果实。因此, 水果轻微损伤的快速有效检测是目前研究的难点和热点之一。虽然轻微损伤和正常区域在外部特征上呈现出极大的相似性, 但是损伤区域的内部组织发生一定的变化, 这种变化可以通过特定波长下的光谱表现出来。 当前, 一种能集成光谱检测和图像检测优点的新技术。高光谱图像技术正好能满足水果表面轻微损伤检测的需要。高光谱图像技术是光谱分析和图像处理在最低层面上的融合技术, 可以对研究对象的内外部特征进行可视化分析。在国内, 高光谱图像技术在农畜产品品质检测的应用还没有相关的文献报道; 在国外, 近几年来有部分学者将该技术应用于肉类和果蔬类的品质检测上。 本文采用高光谱图像技术对水果表面轻微损伤检测进行研究, 并通过合适 的数据处理方法寻找到最能准确辨别水果表面损伤的特征波长下的图像, 为实 现高光谱图像技术对水果轻微损伤的在线检测提供依据。 1 高光谱图像基本原理 高光谱图像是在特定波长范围内由一系列波长处的光学图像组成的三维图 像块。图 1 为苹果的高光谱图像三维数据块示意图。图中, x 和y 表示二维平面坐标轴, K表示波长信息坐标轴。可以看出,高光谱图像既具有某个特定波长 下的图像信息,并且针对 xy 平面内某个特定像素又具有不同波长下的光谱n
高光谱图像简介
高光谱遥感是指利用很多很窄的电磁波波段从感兴趣的物体中获取有关数据，高光谱遥感技术作为20世纪80年代兴起的对地观测技术，始于成像光谱仪的研究计划。 目前，我国研制的224波段的推扫高光谱成像仪（PHI）与128波段的实用型模块化机载成像光谱仪（OMIS）已经进行了多次成功的航空遥感实验。另外，中国科学院上海技术物理研究所研制的中分辨率成像光谱仪于2002年随“神州”三号飞船发射升空，这是继美国1999年发射的EOS平台之后第二次将中分辨率成像光谱仪发送上太空，从而使中国成为世界上第二个拥有航天成像光谱仪的国家。 高光谱遥感图像和常见的二维图像不同之处在于，它在二维图像信息的基础上添加光谱维，进而形成三维的坐标空间。如果把成像光谱图像的每个波段数据都看成是一个层面，将成像光谱数据整体表达到该坐标空间，就会形成一个拥有多个层面、按波段顺序叠合构成的三维数据立方体。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段 （2）光谱范围窄——波段范围一般小于10nm （3）波段连续——有些传感器可以再350~2500nm的太阳光谱范围内提供几乎连续的地物光谱 （4）数据量大——随着波段数的增加，数据量呈指数增加 （5）相邻谱带间相关——由于相邻谱带间高度相关，冗余信息也相对增加，这一特点也为其降维处理（包括波段选择、特征提取等）和谱间压缩提供可能 （6）随着维数的增加，超立方体的体积集中于角端，超球体和椭球体的体积集中在外壳，该特点进一步为高光谱图像的降维和压缩处理提供了理论依据。 根据高光谱图像的特点及其相关技术处理的需要，高光谱数据与其所携带的信息一般采用如下的三种空间表达方式：图像空间、光谱空间和特征空间。 1、图像空间（有空间几何位置关系） 2、光谱空间，光谱信息 3、特征空间（在光谱空间进行取样，将得到的n个数据用一个n维向量来表示，它是表示光谱响应的另一种方式。N维向量包含了对应像素的全部光谱信息。在三种表示方法中，特征空间表示法适合于模式识别中的应用。） 高光谱遥感技术将确定物质或地物性质的光谱与揭示其空间和几何关系的图像结合在一起。 支持向量机是1992~1995年由Vapnik等人在统计学习理论的基础上提出来的一种新的模式识别方法。SVM在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。目前SVM已经被广泛应用于解决高维数据的监督分类中。支持向量机的核心思想是以构造风险最小化思想为归纳原则，通过非线性映射把样本投影到高维特征空间，在高维空间中构造VC维尽可能低的最优分类面，使分类风险上界最小化，从而使分类器对未知样本具有最优的推广能力。 我国尚未解决的SVM问题：目前支持向量机应用中，判别阈值都是以理论值0作为阈值，这在线性支持向量机情况下不会产生偏差，但是在非线性情况下，由于核函数的引进，SVM 的分类判别阈值会发生偏移而不再保持为0.这样仍然采用0作为阈值，势必会影响分类效
高光谱图像分辨率增强及在小目标检测中的应用研究
高光谱图像分辨率增强及在小目标检测中的应用研究 高光谱遥感是在测谱学基础上逐渐发展起来的新型遥感技术,除了空间图像信息外,其所具有的精细光谱信息,克服了宽波段遥感探测的局限,被广泛应用于多种领域,成为对地观测最重要的信息源之一。但由于成像原理与制造技术等因素的限制,高光谱图像的空间分辨率相对较低,给进一步应用,如特定目标的检测识别带来一系列的问题。 为此,论文分别从信息融合和混合像素分解角度研究了高光谱图像的分辨率增强方法,旨在提高基于图谱结合的高光谱图像目标检测的性能。论文首先对遥感成像中涉及到的电磁波理论进行简单的介绍,分析了遥感图像的空间分辨率与光谱分辨率间的关系,即随着光谱分辨率的增加,在CCD等性能参数不变下,遥感图像的空间分辨率下降的原理。 并在介绍了高光谱图像特性的基础上,对PCA、MNF及LDA变换的降维算法的原理进行了分析,研究其各种算法的特点及应用范围。降维算法是重要的高光谱图像预处理技术,这一部分的工作为后文的开展打下一个基础。 然后对常用的高光谱图像目标检测算法进行了介绍。通过对支持向量数据描述的研究,分析并验证了其单类分类的性能及其适用范围;针对传统纯像素目标检测算法大部分无法解决目标与背景样本数量不平衡的问题,论文提出了基于SVDD的高光谱图像目标检测算法,把目标检测问题转化为单类分类问题。 实验结果表明,与经典的光谱角度制图和有约束能量最小化算法相比,该算法仅需要较少的目标类训练样本就可以得到与前两者相近的检测结果,当增加背景样本时,本文方法可以将目标更容易的从背景中分离出来,为利用空间信息进一步检测提高了便利,使最终的检测结果优于上述两种算法。针对空间分辨率的
一种基于Contourlet变换的高光谱图像压缩算法
第３９卷 第１１Ａ期２０１２年１１月计算机科学 Ｃｏｍｐ ｕｔｅｒ ＳｃｉｅｎｃｅＶｏｌ．３９Ｎｏ．１１Ａ Ｎｏｖ ２０１２本文受中央高校基本科研业务费专项资金（ＣＨＤ２０１１ＪＣ１７０ ），长安大学基础研究支持计划专项基金，长安大学创新团队项目资助。白 璘（１９８１－），男，博士，讲师，主要研究方向为信号处理、高光谱图像处理、数据压缩，Ｅ－ｍａｉｌ：ｂａｉ１９８１＠ｓｉｎａ．ｃｏｍ．ｃｎ；刘盼芝（１９８０－），女，博士，讲师，主要研究方向为信号处理、数据融合；李 光（１９８２－） 男，博士，讲师，主要研究方向为计算机科学、数据挖掘。一种基于Ｃｏｎｔｏｕｒｌｅｔ变换的高光谱图像压缩算法 白 璘 刘盼芝 李 光 （长安大学电子与控制工程学院 西安７１００６４ ） 摘 要 提出了一种基于Ｃｏｎｔｏｕｒｌｅｔ变换的高光谱图像压缩算法，其将多尺度几何分析用于高光谱图像的空间去相关，在进行有损压缩时有效地保存了高光谱图像丰富的纹理信息。该算法首先对高光谱图像的每一个波段图像进行基于小波的Ｃｏｎｔｏｕｒｌｅｔ变换，然后用前一波段的变换系数预测当前波段，最后对预测误差进行ＳＰＩＨＴ编码，形成嵌入式码流。实验结果表明，提出的基于Ｃｏｎｔｏｕｒｌｅｔ变换的高光谱图像压缩算法其压缩效果优于对比算法，且能较好地保留高光谱图像的纹理信息。 关键词 高光谱图像压缩，多尺度几何分析，Ｃｏｎｔｏｕｒｌｅｔ，ＳＰＩＨＴ编码中图法分类号 ＴＮ９１１，ＴＰ７９ 文献标识码 Ａ Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｉｍａｇｅｓ Ｃｏｍｐｒｅｓｓｉｏｎ Ａｌｇ ｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｃｏｎｔｏｕｒｌｅｔ ＴｒａｎｓｆｏｒｍＢＡＩ Ｌｉｎ ＬＩＵ Ｐａｎ－ｚｈｉ ＬＩ Ｇｕａｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｃｏｎｔｒｏｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈａｎｇ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ，Ｘｉ’ａｎ ７１００６４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｔｈｅ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅｓ ｃｏｍｐｒｅｓｓｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ ｉｓ ｐｒｏｐｏｓｅｄ，ｗｈｉｃｈ ｕｓｉｎｇｍｕｌｔｉｓｃａｌｅ ｇｅｏｍｅｔｒｉｃ ａｎａｌｙｓｉｓ ｆｏｒ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅ ｓｐａｃｅ ｄｅ－ｃｏｒｒｅｌａｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｗａｖｅｌｅｔ ｂａｓｅｄ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍｏｎ ｅａｃｈ ｂａｎｄ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅｓ，ｔｈｅｎ ｐｒｅｄｉｃｔ ｃｕｒｒｅｎｔ ｂａｎｄ ｂｙ ｔｒａｎｓｆｏｒｍ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｔｈｅ ｐｒｅｖｉｏｕｓ ｂａｎｄ．Ｆｉｎａｌｌｙ，ＳＰＩＨＴ ｃｏｄｅｒ ｕｓｅｄ ｏｎ ｐｒｅｄｉｃｔｉｏｎ ｅｒｒｏｒ ａｎｄ ｅｍｂｅｄｄｅｄ ｄａｔａ ｓｔｒｅａｍ ｇｅｎｅｒａｔｅｄ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏ－ｐ ｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ ａｃｈｉｅｖｅ ｗｅｌｌ ｃｏｍｐｒｅｓｓｉｏｎ ｅｆｆｉｃｉｅｎｔ ａｎｄ ｒｅｔａｉｎ ｈｉｇｈ ｓｐｅｃｔｒａｌ ｉｍａｇｅ ｔｅｘｔｕｒｅｉｎｆｏｒｍａｔｉｏｎ ｂｅｔｔｅｒ ｔｈａｎ ｃｏｍｐａｒｉｓｏｎ ａｌｇ ｏｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ Ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅ ｃｏｍｐｒｅｓｓｉｏｎ，Ｍｕｌｔｉｓｃａｌｅ ｇｅｏｍｅｔｒｉｃ ａｎａｌｙｓｉｓ，Ｃｏｎｔｏｕｒｌｅｔ，ＳＰＩＨＴ ｃｏｄｅｒ １ 引言 成像光谱技术是２０世纪８０年代初发展起来的一种新型遥感技术。由于高光谱图像比一般的全色图像或多光谱图像具有更为丰富的光谱信息， 使得这一技术被广泛应用于农业生产、环境检测、军事侦察等领域。通过成像光谱仪获得的高光谱图像是一种三维立体图像，其在普通二维图像的基础上又增加了一维光谱信息，波段数达到几十甚至几百个。由于其数据量庞大，卫星数据链路的信道容量有限，因此有必要研究高光谱成像海量数据的压缩问题。 目前，国内外研究高光谱图像压缩编码的主要方法有矢 量量化、分形理论、神经网络和小波（Ｗａｖｅｌｅｔ ）变换等［１－４］。其中，基于小波变换的图像编码算法由于其良好的时频局域分析能力和多分辨、多尺度特性，在自然图像和多（高）光谱图像压缩领域中得到了广泛的应用。基于小波变换的图像编码算法已成为当今图像压缩领域的一个重要研究方向，包括ＥＺＷ、ＳＰＩＨＴ、ＥＢＣＯＴ在内的许多著名图像编码算法都是以小波变换为基础的。 小波变换对含点状奇异的目标函数是最优的基，在分析这类目标时小波系数是稀疏的，便于数据的压缩，但对具有线 状奇异函数的高维信号，小波系数则不再稀疏。此外，可分离的二维小波也仅仅能够捕获有限的方向信息（ 二维小波变换只有水平和垂直滤波操作， 对于遥感图像而言，除了这两个方向以外的信息还有很多） 。可分离二维小波的上述不足将导致低比特率图像压缩时，在图像边缘附近产生严重的“振铃”现象（在纹理较丰富的图像中这一现象尤为明显） 。为了克服小波变换的不足，更加有效地表示和处理图像等高维空间数据，一种可构建最优逼近意义下的高维函数表示方法的信号分析工具———多尺度几何分析（Ｍｕｌｔｉｓｃａｌｅ Ｇｅ－ｏｍｅｔｒｉｃ Ａｎａｌｙｓｉｓ，ＭＧＡ）应运而生。Ｍｉｎｈ Ｎ．Ｄｏ与Ｖｅｔｔｅｒｌｉ提出的Ｃｏｎｔｏｕｒｌｅｔ变换是一种真正意义上的图像二维表示方法， 具有良好的多分辨率、局部化和方向性等优良特性。它是利用Ｌａｐｌａｃｉａｎ塔形（Ｌａｐｌａｃｉａｎ ｐｙｒａｍｉｄＬＰ）分解和方向滤波器组（Ｄｉｒｅｃｔｉｏｎａｌ Ｆｉｌｔｅｒ Ｂａｎｋ，ＤＦＢ）实现的一种多分辨的、局域的、方向的图像表示方法，也称为塔型方向滤波器组（Ｐｙｒａ－ｍｉｄ Ｄｉｒｅｃｔｉｏｎａｌ Ｆｉｌｔｅｒ Ｂａｎｋｓ，ＰＤＦＢ）。它继承了Ｃｕｒｖｅｌｅｔ变换的各向异性的多尺度关系，在某种意义上可以认为是Ｃｕｒ－ ｖｅｌｅｔ变换的另一种快速有效的数字实现［５，６］ 。Ｅｓｌａｍｉ和 Ｒａｄｈａ－ｃｈｉｒ等人以Ｃｏｎｔｏｕｒｌｅｔ变换为基础，提出Ｃｏｎｔｏｕｒｌｅｔ域图像压缩编码方法（Ｗａｖｅｌｅｔ Ｂａｓｅｄ Ｃｏｎｔｏｕｒｌｅｔ Ｔｒａｎｓｆｏｒｍ，· ５９３·
高光谱成像检测技术
高光谱成像检测技术 一、高光谱成像技术的简介 高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术，其最突出的应用是遥感探测领域，并在越来越多的民用领域有着更大的应用前景。它集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进技术，是传统的二维成像技术和光谱技术有机的结合在一起的一门新兴技术。 高光谱成像技术的定义是在多光谱成像的基础上，在从紫外到近红外（200-2500nm）的光谱范围内，利用成像光谱仪，在光谱覆盖范围内的数十或数百条光谱波段对目标物体连续成像。在获得物体空间特征成像的同时，也获得了被测物体的光谱信息。 高光谱成像技术具有超多波段（上百个波段）、高的光谱分辨率（几个nm）、波段窄（≤10-2λ）、光谱范围广（200-2500nm）和图谱合一等特点。优势在于采集到的图像信息量丰富，识别度较高和数据描述模型多。由于物体的反射光谱具有“指纹”效应，不同物不同谱，同物一定同谱的原理来分辨不同的物质信息。 二、高光谱成像系统的组成和成像原理 高光谱成像技术的硬件组成主要包括光源、光谱相机（成像光谱仪+CCD）、装备有图像采集卡的计算机。光谱范围覆盖了200-400nm、400-1000nm、900-1700 nm、1000-2500 nm。 CCD 光源光栅光谱仪成像镜头
光谱相机的主要组成部分有：准直镜、光栅光谱仪、聚焦透镜、面阵CCD。 高光谱成像仪的扫描过程：面阵CCD探测器在光学焦面的垂直方向上做横向排列完成横向扫描（X方向），横向排列的平行光垂直入射到透射光栅上时，形成光栅光谱。这是一列像元经过高光谱成像仪在CCD上得到的数据。它的横向是X方向上的像素点，即扫描的一列像元；它的纵向是各像元所对应的光谱信息。 同时，在检测系统输送带前进的过程中，排列的探测器扫出一条带状轨迹从而完成纵向扫描（Y方向）。
高光谱遥感技术的介绍及应用
高光谱遥感技术的介绍及应用在20世纪，人类的一大进步是实现了太空对地观测，即可以从空中和太空对人类赖以生存的地球通过非接触传感器的遥感进行观测。最近几十年，随着空间技术、计算机技术、传感器技术等与遥感密切相关学科技术的飞速发展，遥感正在进入一个以高光谱遥感技术、微波遥感技术为主要标志的时代。本文简要介绍了高光谱遥感技术的特点、发展状况及其在一些领域的应用。 1 高光谱遥感简介 1.1高光谱遥感概念 所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。 高光谱遥感技术是近些年来迅速发展起来的一种全新遥感技术，它是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。在成像过程中，它利用成像光谱仪以纳米级的光谱分辨率，以几十或几百个波段同时对地表地物像，能够获得地物的连续光谱信息，实现了地物空间信息、辐射信息、光谱信息的同步获取，因而在相关领域具有巨大的应用价值和广阔的发展前景。 1.2高光谱遥感数据的特点 同其他常用的遥感手段相比,成像光谱仪获得的数据具有以下特点: 1）、多波段、波段宽度窄、光谱分辨率高。波段宽度< 10 nm ，波段数较多光谱遥感(由几个离散的波段组成)大大增多，在可见光和近红外波段可达几十到几百个。如A VIRIS在0. 4～214 波段范围内提供了224 个波段。研究表明许多地物的吸收特征在吸收峰深度一半处的宽度为20～40 nm。这是传统的多光谱等
高光谱成像检测技术.
高光谱成像检测技术 、高光谱成像技术的简介 高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术, 其最突出的应用是遥感探测领域, 并在越来越多的民用领域有着更大的应用前景。 它集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进传统的二维成像技术和光谱技术有机的结合在一起的一门新兴技术。 技术,是高光谱成像 技术的定义是在多光谱成像的基础上,在从紫外到近红外（200-2500nm 的光谱范围内,利用成像光谱仪,在光谱覆盖范围内的数十或数百条光谱波段对目标物体连续成 像。在获得物体空间特征成像的同时, 也获得了被测物体的光谱信息。 高光谱成像技术具有超多波段（上百个波段、高的光谱分辨率（几个nm 、波 段窄（＜1-2入光谱范围广（200-2500nm和图谱合一等特点。优势在于采集到的图像信息量丰富, 识别度较高和数据描述模型多。由于物体的反射光谱具有“指纹” 效应, 不同物不同谱, 同物一定同谱的原理来分辨不同的物质信息。、高光谱成像系统的组成和成像原理 高光谱成像技术的硬件组成主要包括光源、光谱相机（成像光谱仪+CCD 、装备有图像采集 卡的计算机。光谱范围覆盖了200-400nm 、400-1000nm 、900-1700 nm 、1000-2500 nm。
CC D 朮源「一光栅壯谱以 —a I \、 「维电移台 . 样品 A CCD。 光谱相机的主要组成部分有：准直镜、光栅光谱仪、聚焦透镜、面阵
高光谱成像仪的扫描过程：面阵CCD探测器在光学焦面的垂直方向上做横向排列完成横向扫描（X方向，横向排列的平行光垂直入射到透射光栅上时，形成光栅光谱。这是一列像元经过高光谱成像仪在CCD上得到的数据。它的横向是X方 向上的像素点，即扫描的一列像元；它的纵向是各像元所对应的光谱信息。 同时,在检测系统输送带前进的过程中，排列的探测器扫出一条带状轨迹从而完成纵向扫描（丫方向。 1\ 综合横纵扫描信息就可以得到样品的三维高光谱图像数据。
高光谱数据处理基本流程
高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（ImagingSpectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库 ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱
来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理： 纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最“纯”的像元。（通常基于MNF变换结果来进行）
高光谱图像的异常目标检测及亚像元定位研究
硕士学位论文 高光谱图像的异常 目标检测及亚像元定位研究 RESEARCH ON ANOMALY TARGET DETECTION AND SUBPIXEL MAPPING IN HYPERSPECTRAL IMAGERY 朱凤阳 哈尔滨工业大学 2009年6月
国内图书分类号：TN911.73 学校代码：10213 国际图书分类号：621.3 密级：公开 硕士学位论文 高光谱图像的异常 目标检测及亚像元定位研究 硕士研究生：朱凤阳 导 师：张钧萍教授 申请学位：工学硕士 学科：信息与通信工程 所在单位：电子与信息工程学院 答辩日期：2009年6月 授予学位单位：哈尔滨工业大学
Classified Index: TN911.73 U.D.C.: 621.3 Dissertation for the Master Degree in Engineering RESEARCH ON ANOMALY TARGET DETECTION AND SUBPIXEL MAPPING IN HYPERSPECTRAL IMAGERY Candidate:Zhu Fengyang Supervisor:Prof. Zhang Junping Academic Degree Applied for:Master of Engineering Specialty:Information and Communication Engineering Affiliation: School of Electronics and Information Engineering Date of Defence: June, 2009 Degree-Conferring-Institution:Harbin Institute of Technology
高光谱成像国内外研究与应用
前言 随着科学技术的发展，人们的感官得到了延伸，认识事物的能力也不断的提高，其中光谱成像和雷达成像成为其中的佼佼者，高谱和图像使人们能够在大千世界更好的认识到事物。高光谱成像技术作为一项优点显著，实用的成像技术，从20世纪80年代开始得到了世界各国的重视，经过深入的研究和发展如今已经被广泛地应用于各个领域。 高光谱遥感是当前遥感技术的前沿领域,它利用很多很窄的电磁波波段从感兴趣的物体获得有关数据，它包含了丰富的空间、辐射和光谱三重信息。高光谱遥感的出现是遥感界的一场革命,它使本来在宽波段遥感中不可探测的物质,在高光谱遥感中能被探测。 高光谱成像技术是基于非常多窄波段的影像数据技术，其中最突出的应用是在遥感探测领域，并在民用领域有着更大的应用前景。 本文通过分析介绍高光谱图像的成像原理，探讨了高光谱图像在国内外发展现状及其应用。
1.高光谱图像成像原理及特点 1.1高光谱遥感基本概念 高光谱遥感是通过高光谱传感器探测物体反射的电磁波而获得地物目标的空间和频谱数据，成立于20世纪初期的测谱学就是它的基础。高光谱遥感的出现使得许多使用宽波段无法探查到的物体，更加容易被探测到，所以高光谱遥感的出现时成功的是革命性的。 1.2高光谱图像成像原理 光源相机（成像光谱仪+ccd）装备有图像采集卡的计算机是高光谱成像技术的硬件组成，其光谱的覆盖范围为200-400nm，400-1000nm，900-1700nm，1000-2500nm。其中光谱相机的主要组成部分为准直镜，光栅光谱仪，聚焦透镜以及面阵ccd。 其扫描过程是当ccd探测器在光学焦面的垂直方向上做横向扫描（x），当横向的平行光垂直入射到投身光栅是就形成了光栅光谱，这是象元经过高光谱仪在ccd上得出的数据，它的横向式x方向上的像素点也就是扫描的象元，它的总想是各象元对应的信息。在检测系统输送前进是排列的他测器完成纵向扫面（y）。综合扫描信息即可得到物体的三围高光谱数据。 1.3高光谱遥感的特点 （1）波段多且宽度窄能够使得高光谱遥感探测到别的宽波段无法探测到的物体。 （2）光谱响应范围更广和光谱分辨率高使得它能够更加精细的发硬出被探测物的微小特征。 （3）它可以提供空间域和光谱域信息也就是“谱像合一”。 （4）数据量大和信息冗余多，由于高光谱数据的波段多，其数据量大，而且和相邻波段的相关性比较高就使得信息冗余度增加很多。 （5）高光谱遥感的数据描述模型多能够分析的更灵活。经常使用的3种模型有：图像，光谱和特征模型。 1.4高光谱的优势 随着高光谱成像的光谱分辨率的提高，其探测能力也有所增强。因此，与全色和多光谱成像相比较，高光谱成像有以下显著优著: (1)有着近似连续的地物光谱信息。高光谱影像在经过光谱反射率重建后，能获取与被探测物近似的连续的光谱反射率曲线，与它的实测值相匹配，将实验室中被探测物光谱分析模型应用到成像过程中。 (2)对于地表覆盖的探测和识别能力极大提高。高光谱数据能够探测具有诊断性光谱
高光谱在遥感技术的应用
高光谱在遥感技术的应用 高光谱遥感技术（Hyperspectral Remote Sensing）的兴起是20世纪80年代遥感技术发展的主要成就之一.作为当前遥感的前沿技术，高光谱遥感在光谱分辨率上具有巨大的优势。，随着高光谱遥感技术的日趋成熟，其应用领域也日益广泛。本文主要阐述高光谱遥感的特点和主要应用。 1 高光谱遥感 孙钊在《高光谱遥感的应用》中提到，高光谱遥感是在电磁波谱的可见光、近红外、中红外和热红外波段范围内，利用成像光谱仪获取许多非常窄的光谱连续的影像数据的技术。 [1]高光谱遥感具有较高的光谱分辨率，通常达到10～2λ数量级。[2] 1.1 高光谱遥感特点 综合多篇关于高光谱的期刊文章，总结高光谱具有如下特点： （1）波段多，波段宽度窄。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。[3]与传统的遥感相比，高光谱分辨率的成像光谱仪为每一个成像象元提供很窄的(一般<10nm) 成像波段，波段数与多光谱遥感相比大大增多，在可见光和近红外波段可达几十到几百个，且在某个光谱区间是连续分布的，这不只是简单的数量的增加，而是有关地物光谱空间信息量的增加。[4] （2）光谱响应范围广，光谱分辨率高。成像光谱仪响应的电磁波长从可见光延伸到近红外，甚至到中红外。[5]成像光谱仪采样的间隔小，光谱分辨率达到纳米级，一般为10nm 左右。精细的光谱分辨率反映了地物光谱的细微特征。 （3）可提供空间域信息和光谱域信息，即“谱像合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以使高光谱图像中的每一个像元在各通道的灰度值都能产生1 条完整、连续的光谱曲线，即所谓的“谱像合一”。 （4）数据量大，信息冗余多。高光谱数据的波段众多，其数据量巨大，而且由于相邻波段的相关性高，信息冗余度增加。 （5）数据描述模型多，分析更加灵活。高光谱影像通常有三种描述模型：图像模型、光谱模型与特征模型。 1.2 高光谱遥感的优势 高光谱遥感的光谱分辨率的提高，使地物目标的属性信息探测能力有所增强。因此，较之全色和多光谱遥感，高光谱遥感有以下显著优势:
光谱图像与高光谱图像的区别介绍
光谱图像与高光谱图像的区别介绍 光谱分辨率在10l数量级范围内的光谱图像称为高光谱图像（Hyperspectral Image）。遥感技术经过20世纪后半叶的发展，无论在理论上、技术上和应用上均发生了重大的变化。其中，高光谱图像技术的出现和快速发展无疑是这种变化中十分突出的一个方面。通过搭载在不同空间平台上的高光谱传感器，即成像光谱仪，在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像。在获得地表图像信息的同时，也获得其光谱信息，第一次真正做到了光谱与图像的结合。与多光谱遥感影像相比，高光谱影像不仅在信息丰富程度方面有了极大的提高，在处理技术上，对该类光谱数据进行更为合理、有效的分析处理提供了可能。因而，高光谱图像技术所具有的影响及发展潜力，是以往技术的各个发展阶段所不可比拟的，不仅引起了遥感界的关注，同时也引起了其它领域（如医学、农学等）的极大兴趣。 高光谱图像：是指一系列包含一些列可见/近红外光谱，一般有400-1000 nm，已经包含了可见光（400-780 nm）和近红外（780-1000nm）。 多光谱图像简介多光谱图像是指包含很多带的图像，有时只有3个带（彩色图像就是一个例子）但有时要多得多，甚至上百个。每个带是一幅灰度图像，它表示根据用来产生该带的传感器的敏感度得到的场景亮度。在这样一幅图像中，每个像素都与一个由像素在不同带的数值串，即一个矢量相关。这个数串就被称为像素的光谱标记。 1．用不相关或独立的其他带替换当前带；这个问题特别与遥感应用有关，但在一般的图像处理中，如果要从多光谱图像生成一幅单带灰度图像也与此有关。 2．使用一个像素的光谱标记来识别该像素所表示的目标种类。这是一个模式识别问题，它取决于下列图像处理问题的解：消除一个像素的光谱标记对图像采集所用光谱的依赖性。这是一个光谱恒常性问题。 3．处理多光谱图像的特定子集，它包括在电磁谱里仅光学部分的3个带，它需要以或者替换或者模仿人类感知颜色的形式来进行处理。 4．在特定应用中使用多光谱图像，并对它们进行常规的操作。这里的一个问题是，现在
《使用ENVI的高光谱工具处理多光谱数据》
专题二十四 使用ENVI的高光谱工具处理多光谱数据(节选) 1.1.专题概述 本专题的目的是向用户展示如何使用ENVI先进的高光谱工具对多光谱数据进行分析。要更好地理解高光谱处理的概念及其工具，请参见ENVI高光谱辅导指南。要获取额外的详细信息，请参见《ENVI遥感影像处理实用手册》（ENVI User’s Guide）或者ENVI的在线帮助。 ?本专题中使用的文件 光盘：《ENVI遥感影像处理专题与实践》附带光盘 #1 ?背景知识 ENVI并非仅设计成高光谱影像处理系统。在1992年，ENVI的开发者就决定开发出一个通用的影像处理软件，它包含一整套的基本处理工具，弥补了商业软件缺乏强大灵活处理功能的不足，使得它能够处理各种科学格式的影像数据。它对全色、多光谱、高光谱以及基本和改进雷达影像数据都提供了支持。当前，ENVI包含了与其它主要影像处理系统（例如：ERDAS，ERMapper和PCI）相同的基本处理功能。其中，ENVI在前沿遥感研究中采用了许多不同的先进算法。虽然这些算法都是在处理成像光谱仪数据或者多达上百个波谱波段的高光谱数据基础之上发展而来，但是它们也可以应用到多光谱数据和其它标准数据类型的处理上。本专题将对某些分析Landsat Thematic Mapper（TM）数据的方法进行介绍。 本专题分为两个独立的部分：1）使用标准或者经典多光谱分析技术，对TM影像数据进行典型的多光谱分析，2）使用ENVI高光谱工具对相同的数据集进行分析。 1.2.使用ENVI的高光谱工具分析多光谱数据 ?读取TM影像数据 z要从磁带中读取数据，可以在ENVI主菜单中选择File → Tape Utilities → Read Known Tape Formats → Landsat TM（或者对于新的EDC-格式的磁带选择NLAPS）。 z要从光盘中读取数据，可以选择File →Open External File → Landsat → Fast，或者选择File → Open External File → Landsat → NLAPS（对于NLAPS数据）。 z考虑到本专题的目的，这些数据已经从磁带中读出并存入到数据子集中，以提供相应的文件进行分析。使用Basic Tools → Preprocessing →Data Specific Utilities → Landsat TM → Landsat TM Calibration，启动ENVI的TM校正工具，该TM影像已经被纠正为反射率影像。（若需更多的信息，请参见《ENVI遥感影像处理实用手册》）。 ?显示一幅彩色合成影像并提取波谱曲线
高光谱遥感技术综述_袁迎辉
第07卷 第08期 中 国 水 运 Vol.7 No.08 2007年 08月 China Water Transport August 2007 收稿日期：2007-5-4 作者简介：袁迎辉 女（1983—） 东华理工大学矿产普查与勘探专业在读硕士研究生 （344000） 高光谱遥感技术综述 袁迎辉 林子瑜 摘 要：高光谱分辨率遥感是20世纪80年代兴起的新型对地观测技术，与传统遥感相比，高光谱遥感具有更为广泛的应用前景。文中概述了高光谱遥感的特点、发展过程、发展程度及目前几种典型的成像光谱仪数据特点。 关键词：高光谱遥感 数据处理技术 成像光谱仪 中图分类号：TP72 文献标识码：A 文章编号：1006-7973（2007）08-0155-03 遥感是20世纪60年代发展起来的对地观测综合性技术，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术[1]。经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技术为主的时代。本文系统地阐述了高光谱遥感技术在分析技术及应用方面的发展概况，并简要介绍了高光谱遥感技术主要航空/卫星数据的参数及特点。 一、高光谱遥感的概念及特点 所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据[3]；与之相对的则是传统的宽光谱遥感，通常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。 同其它传统遥感相比，高光谱遥感具有以下特点： ⑴ 波段多。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。⑵ 光谱分辨率高。成像光谱仪采样的间隔小，一般为10nm 左右。精细的光谱分辨率反映了地物光谱的细微特征。⑶ 数据量大。随着波段数的增加，数据量呈指数增加[2]。⑷ 信息冗余增加。由于相邻波段的相关性高，信息冗余度增加。⑸ 可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。 近二十年来，高光谱遥感技术迅速发展，它集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体，已成为当前遥感领域的前沿技术。 二、发展过程 自80年代以来，美国已经研制了三代高光谱成像光谱仪。1983年，第一幅由航空成像光谱仪（AIS-1）获取的高光谱分辨率图像的正式出现标志着第一代高光谱分辨率传感 器面世。第一代成像光谱仪（AIS），由美国国家航空和航天管理局（NASA）所属的喷气推进实验室设计，共有两种，AIS-1(1982年~1985年，128波段)和AIS-2(1985年~1987年，128波段)，其光谱覆盖范围为1.2~2.4μm。 1987年，由NASA 喷气推进实验室研制成功的航空可见光/红外光成像光谱仪（AVIRIS）成为第二代高光谱成像仪的代表。与此同时，加拿大、澳大利亚、日本等国家竞相投入力量研究成像光谱仪。在AVIRIS 之后,美国地球物理环境研究公司(GER)又研制了1台64通道的高光谱分辨率扫描仪(GERIS),主要用于环境监测和地质研究。其中63个通道为高光谱分辨率扫描仪,第64通道是用来存储航空陀螺信息。 第三代高光谱成像光谱仪为克里斯特里尔傅立叶变换高光谱成像仪(FTHSI)，其重量仅为35kg，采用256通道,光谱范围为400~1050nm，光谱分辨率为2~10nm，视场角为150°。而于1999年和2000年发射升空的中分辨率成像光谱仪(MODIS 和Hyperion)都已经成为主要的应用数据来源。 在国内，成像光谱仪的研制工作紧跟国际前沿技术，目前已跻身国际先进行列。先后研制成功了专题应用扫描仪、红光细分光谱扫描仪FIMS、热红外多光谱扫描仪TIMS、19波段多光谱扫描仪AMSS、71波段的模块化航空成像光谱仪MAIS、128波段的OMIS 以及244波段的推扫式成像仪PHI 等。此外，中国科学院上海技术物理研究所研制的中分辨率成像光谱仪于2002年随“神州”三号飞船发射升空，这是继美国1999年发射EOS 平台之后第二次将中分辨率成像光谱仪送上太空，从而使中国成为世界上第二个拥有航天载成像光谱仪的国家。 经过20世纪80年代的起步与90年代的发展，至90年代后期，高光谱遥感应用由实验室研究阶段逐步转向实际应用阶段。迄今为止，国际上已有许多套航空成像光谱仪与少数几个卫星成像光谱仪处于运行状态，在实验、研究以及信息的商业化方面发挥着重要作用。
MATLAB中高光谱图像处理
165 1. 打开数据文件：datafile1=fopen('Terrain.hsi')。 2. 读入文件头的信息：cur=fread(datafile1,4,'int32')。执行结果为（cur 的四个值：图像宽 度，图像长度，波段数，像素所占字节数）：307，500，210，2。 3. cur=fread(datafile1,inf,'int16')。可通过”size(cur)”获得cur 的大小，这里为32235000 （=307*500*210）。 4. 将一维数组变换成210x （307*500）大小的矩阵：array=reshape(cur,210,307*500)。Array 矩阵的每一列代表一个像素点在不同波段的值的大小，每一行为一个波段对应的全部数据。 5. 对每个波段求其标准差。先将包含图像数据的矩阵转换成500*307)x210的矩阵， 使每一列的数据为一波段的全部数据。1.变换矩阵 stdv=reshape(array',500*307,210);2.求方差stdv=std （stdv ）；3.画出标准差形成的曲线（图1）： 050100150200250 050 100 150 200 250 300 350 400 图1 由图像可大致分析出1-22、102-109、137-151、194-210可能为无用数据。 6. 到这里就可以用array 中的数据画出任意波段的图像。例如，选取有用数据20个波 段的图像：a.提取该波段的全部数据并将它转成307x500的矩阵： pic=reshape(array(175,1:500*307),307,500);b.将矩阵内的数据显示出来：imshow （pic,[]）（图2）：