基于光谱分类和局部DPCM的干涉超光谱数据压缩
第!!卷!
第"期!!!!!!!!!!!!光谱学与光谱分析#$%&!!!'$&"!((
)E -)*)E -",-)!年"月!!!!!!!!!!!!.(/012$30$(4567.(/0125%865%4393:54
!,-)!!基于光谱分类和局部%!H 4的干涉超光谱数据压缩
涂小龙) , 黄! ) 吕群波) 王建威) , 裴琳琳)
,);中国科学院光电研究院!北京!)---D E
,;中国科学院大学!北京!)---E D
摘!要!为了获得较高的压缩比!针对干涉超光谱图像数据的空间维相关性和干涉光谱维相关性!提出了一种将光谱分类与局部R >N :相结合的联合压缩算法"先对整个光谱数据进行光谱分类!得到一个与二维空间对应的分类号矩阵和一个与干涉光谱对应的光谱类别库!然后利用局部R >N :对光谱类别库进行进一步压缩"分类作为第一步压缩对整个压缩算法的压缩效果至关重要!本文分析了不同分类标准和分类精度下的压缩效果!相对欧氏距离标准优于夹角标准和干涉Z c S 标准"文中最后选取了合适的分类标准编程实现联合压缩算法并与]>S \,---进行比较!联合压缩算法的压缩效果优于]>S \,---"关键词!干涉超光谱数据%数据压缩%光谱分类%R >N :
中图分类号 C >G ")!!文献标识码 8!!!%&' )-&!D +E F
&9336&)---*-"D ! ,-)! -"*)E -)*-"!收稿日期
,-),*-D *)G 修订日期 ,-),*))*,
,-))88G -),-,,'资助!作者简介 涂小龙!)D <<年生!中国科学院大学硕士研究生!!/*=59%#=9%K $)),,!
),+&0$=引!言
!!光谱成像具有二维空间信息和一维光谱信息!由于不同
的地物目标对应的光谱存在差异!从而能利用光谱维信息对地物目标进行识别和分类!具有极高的应用价值"其中!干
涉光谱成像技术在具有多通道())$高通量和高测量精度等诸
多优点的同时又具有数据量大的特点!由于遥感应用中数传
能力的限制!必须对干涉光谱数据进行压缩(,)"
干涉光谱数据的特殊性使高光谱数据压缩中一些常用的压缩方法并不适用!要获得良好的压缩效果!就必须根据干涉光谱数据的特点进行处理!目前常用的压缩方法有差分脉
冲编码&79J J /2/6195%(K %3/0$7/=$7K %519$6!R >N :'(!)$光谱插值预测与量化编码(,)$基于分类的压缩方法(E )等"R >N :
利用预测误差编码位数A 小于原始图像编码位数\的特点进行压缩!压缩比限制于\*A !对环境卫星超光谱数据处理!压缩比)&+E 时平均Z c S 为-&)+U %光谱插值预测与量化编码算法利用干涉图零光程差附近点包含绝大部分光谱信息的特点!通过零光程差附近少数点傅里叶变换后插值再经傅里叶逆变换模拟干涉曲线!将其与原始干涉数据求差并将残差编码以实现压缩!其压缩比限制于原始干涉数据编码位数\与残差编码位数A 的比值\*A !实际处理数据在压缩
比"&<时平均Z c S 为-&,-U (,)
%基于分类的压缩方法利用二维空间同类目标像素点干涉曲线相似的特点!将同类目标
像素点干涉曲线求平均!并在目标简单时直接替代同类目标
干涉曲线!在目标复杂时求二者差值编码!实际处理模拟数据在目标简单时压缩比)-)时平均Z c S 为-&))U !在目标
复杂时压缩比!&")时平均Z c S 为-&,!U (")
"这些压缩算法虽然失真度较低!但压缩比也不高!当要求压缩比很高
&,)-k )'时!一般使用]>S \,---&]$961>M $1$I 25(
M 90S b *(/213\2$K (,
---!联合图像专家小组,---'压缩!但其失真度较高!压缩比!E &<时Z c S 为!&
本文在研究分类压缩算法的基础上!深入分析了分类标准和分类精度对压缩效果的影响!完善了已有的分类压缩算法!同时利用分类压缩没有破坏干涉光谱维相关性的特点!提出了一种将分类压缩算法与局部R >N :相结合的联合压缩算法!实现了一定失真度下的高压缩比!取得了很好的压缩效果"
)!失真度评价指标
!!为了衡量压缩前后光谱数据的差异!需要引入失真度评
价指标"关于失真度评价指标!目前并没有统一的标准!本文采用比较常用的相对光谱二次误差&2/%519^/a K 5725190
/22$2!Z c S '(")和峰值信噪比&(/5W39I
65%1$6$93/2519$!>.'Z '!Z c S 用于衡量压缩前后光谱的失真程度!>.'Z 用于衡量压缩前后图像的失真程度(+)!其计算公式如下
Z c S#
((K L*K)
槡,
(K
&)'
其中!K为原始数据!K L为压缩后重建数据"
>.'Z#)-%$I\A
&2*)',
(\ B#)(A
C#)
('L&B!C'*'&B!C'),
&,'
其中!\为图像行数!A为图像列数!2为图像峰值"
同时!为了衡量压缩前后干涉数据的差异!引入干涉相对光谱二次误差&961/2J/2/60/2/%519^/a K5725190/22$2!Y Z c S'作为评价指标!计算公式同Z c S!只是公式中代入干涉数据进行计算"由于Z c S和>.'Z需要对反演光谱数据进行处理!反演光谱数据是干涉光谱数据的傅里叶逆变换!由干涉光谱数据到反演光谱数据一般需要经过干涉图修正$滤波$切趾$相位修正$傅里叶变换$光谱辐射定标等过程(G)!考虑到计算过程的简化并且很多处理对Z c S和>.'Z计算影响不大!本文中只做切趾和傅里叶逆变换"同时!为了简化数据!Z c S!>.'Z和Y Z c S均取平均值"
,!分类与R>N:联合压缩算法
!!分类压缩算法在处理干涉数据时有两种处理方法!一是目标简单时用一条干涉光谱曲线代替所有同类干涉光谱曲线!一是目标复杂时记录同类干涉曲线与该类一条干涉光谱曲线的差值即残差"后者因为残差编码的存在!压缩比限制于原图像数据编码位数与残差编码位数的比值!而前者由于没有残差的编码使得压缩比很大!同时由于没有破坏干涉光谱维的相关性使得二次压缩成为可能"
为了获得较高的压缩比!针对干涉超光谱图像数据的空间维相关性和干涉光谱维相关性!考虑将光谱分类与局部R>N:相结合"先对整个光谱数据进行光谱分类!得到一个与二维空间对应的分类号矩阵和一个与干涉光谱对应的光谱类别库!然后利用局部R>N:对光谱类别库进行进一步压缩"
()*!光谱分类压缩算法
相同地物具有相同光谱!而相同光谱对应相同的干涉曲线!这为利用光谱分类实现干涉光谱数据压缩提供了客观基础"然而!由于噪声等原因!光谱仪获得的原始干涉光谱数据立方体中并没有或很少有完全一致的干涉曲线"但这种轻微的不一致并不影响通过光谱分类对其进行压缩!只要在压缩过程中将失真控制在一定范围内即可"光谱分类压缩的关键在于分类的准确性与精确性!所谓准确性即指同一地物分为同一类!不同地物分为不同类%而精确性则是指分类过程中对同类干涉曲线的细微差别的容忍程度!容忍的差别越小!分类越精确"实际分类过程中通过对分类标准和分类精度的确定来保证分类的正确性与精确性"
要确定干涉曲线的相似程度!进行光谱分类!就必须先确定一个分类标准!这个分类标准一般是一个参数!通过计算这一参数的值!将值在某一范围内的干涉曲线分为一类(E!<)"关于这个分类标准的选取可以有多种选择!本文分别选取夹角$相对欧式距离和干涉Z c S三种标准进行压缩!比较压缩效果"三种标准计算公式如表)!用:51%5?编程实现分类压缩算法比较三种分类标准下的压缩效果如表,"
2."<$*!+85C D<.8970.:A.5A89/8C65$77,8:
.1567527$J0$=(2/339$6@$2=K%5
86I%/1#5200$3
'('a
P'(P*P'a
&'P Z/%519^/S K0%97/567931560/6#
P'a*'(P
P'(P
Y61/2J/2/60/Z c S Y Z c S#
P'a*'(P
('(
!注#'(和'a为两条干涉曲线"
2."<$(!H8C65$77,8:$99$/0=,01A,99$5$:0
70.:A.5A89/8C65$77,8:
.1567527$J
0$=(2/339$6
N$=(2/339$6
2519$
Y61/2J/2/60/
Z c S*U
Z c S
*U
>.'Z
*7V
C9=/
*3 86I%/
Z/%519^/
)G&,-&+G,&E"!-&",)G< S K0%97/56
7931560/
E,&,-&)G,&-+E"&,+,!
Y61/2J/2/60/
Z c S
E-&)-&)G,&-E E"&,G G-
注#Y61/2J/2/60/Z c S指利用干涉曲线数值计算的Z c S!压缩时间指整个压缩过程所耗费的时间!这个时间可以通过硬件的升级来减少"
!!由表可知!角度标准的压缩效果相对于其他两种标准较差%相对欧氏距离标准与干涉Z c S标准效果相当!但相对欧式距离标准压缩时间少!故选用相对欧式距离作为分类标准"
分类标准确定以后!进一步研究分类精度对压缩效果影响!用:51%5?编程实现分类压缩算法比较不同分类精度下的压缩效果如表!"由表!可以看出!当分类精度轻微放宽时!Z c S有较小增长!>.'Z有较小降低!但压缩比显著增加!压缩时间显著减小"实际应用过程中!可以根据对压缩比$失真度和实时性的要求!选择合适的分类精度"
2."<$?!H8C65$77,8:$99$/0=,01A,99$5$:0
.//D5./;89/8C65$77,8:
800K2504$J
0$=(2/339$6
&6#'
N$=(2/339$6
2519$
Y61/2J/2/60/
Z c S*U
Z c S
*U
>.'Z
*7V
C9=/
*3 -&-!-,<&<-&)+)&D+E"&G)-,"
-&-!,E,&,-&)G,&-+E"&,+,!
-&-!E"G&G-&)<,&)!E E&G! -&-!+G!&D-&)D,&)D E E&!,G G ()(!局部%!H4算法 经过光谱分类处理后!超光谱干涉数据得到很大程度的 , - E )光谱学与光谱分析!!!!!!!!!!!!!!!!!!!第!!卷 压缩!但压缩得到的干涉光谱类别库矩阵仍存在很强的谱内相关性且数据量较大!可进一步压缩!而分类号矩阵虽然也可压缩但数据量在整体中所占比例太小!即使大幅压缩对整体压缩比贡献亦不大"以相对欧式距离标准6#-&-!E 分类精度为例!压缩前数据量,"+f "),f "),f ),?91g D +:V !经压缩后!分为!",!类!干涉光谱类别库矩阵数据量为,"+f !",!f ),?91g )&!,:V !分类号最大值为!",!用),位编码!分类号矩阵数据量为"),f "),f ),?91g ! 由于前一步的压缩已经造成一定程度的失真!为了使二次压缩后失真度不至于太大!考虑第二步压缩使用无损压缩或近无损压缩!本文选用局部R >N :"R >N :是一种预测编 码算法!也是预测编码方法中最主要的方法(!!E )"其压缩过程流程图如图)所示!通过预测对预测误差量化编码!其编码位数A 小于原始图像数值编码位数\!即可达到压缩的目的"实际干涉超光谱干涉曲线如图,所示!由图可知!其前"+点变化较大而后,--点变化平缓!为了使算法简单!我们只处理后,--点!即局部R >N : " +,-)*!21$65,:/,6 <$/1.5089%!H 4+,-)(!21$,:0$59$58-5.C !!为了使压缩是无损的!我们需要计算最大预测误差以确 定预测误差的量化编码位数"实际观察干涉曲线后,--点中前后两值差值基本都在,--以内!预测误差带)位符号位共D 位编码!总压缩比+G &D "!!压缩效果 !!利用: 51%5?编程实现压缩算法查看压缩效果!先进行干涉光谱分类!分类标准选相对欧式距离!分类精度取6#-&-!E %然后对分类后得到的光谱类别库进行局部R >N :处 理!预测误差取D 位编码"实际仿真得!压缩比+G &D !干涉Z c S 为-&).'Z 为E E &G 7V "压缩前后的干涉光谱曲线和反演光谱曲线分别如图!&5'和&?'所示!压缩前后的干涉图如图E 所示!压缩前后的反演图如图"所示 " +,-)?!21$,:0$59$58-5.C.:A 5$/8F $5$A 76 $/05D C "$985$.:A .90$5/8C 6 5$77,8:&5'#Y 61/2J /2$I 25=%&?'#Z /0$^/2/73( /012K =+,-)J !21$,:0$59$58-5.C.:A 5$/8F $5$A 76 $/05D C =,018D 0.:A=,01/8C 6 5$77,8:&5'#Y 61/2J /2$I 25=H 91M $K 10$=(2/339$6%&?'#Y 61/2J /2$I 25=H 91M 0$=( 2/339$6!!改变分类精度以改变压缩比!查看不同压缩比下的压缩 效果"联合压缩算法的压缩比很高!为了比较该算法与其他算法在同等压缩比下的压缩效果!将其压缩效果与同样能实现高压缩比的]>S \,---比较"联合压缩算法与]>S \,---压缩算法的压缩效果分别如表E $表"所示!两者Z c S 随压 ! -E )第"期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析 缩比的变化如图+所示 " +,-)B !!,/0D 5$=,018D 0.:A=,01/8C 6 5$77,8:&5'#>901K 2/H 91M $K 10$=( 2/339$6%&?'#>901K 2/H 91M 0$=( 2/339$62."<$J !H 8C 65$77,8:$99$/089/8C ",:$A .<-85,01C =,01A ,99$5$:0/8C 6 5$77,8:5.0,8N $=( 2/339$62519$ Y 61/2J /2/60/ Z c S *U Z c S *U >.'Z *7V !E &<-&)+)&D +E "&G "-&,-&)G ,&-+E "&,+G &D -&)<,&)!E E &G <"&< -&)D ,&)D E E &! 2."<$B !H 8C 6 5$77,8:$99$/089g !3V (Z Z Z=,01A ,99$5$:0/8C 6 5$77,8:5.0,8N $=( 2/339$62519$ Y 61/2J /2/60/ Z c S *U Z c S *U >.'Z *7V !E &<-&G +!& )&-< "&!-,+&D !!由上述图表可以看出!同等压缩比下!联合压缩算法的 Z c S $Y Z c S 比]>S \,---的小!>.'Z 比]>S \,---的高 ! +,-)M !Q U 3=,01A ,99$5$:0/8C 6 5$77,8:5.0,8压缩效果优于]>S \,--- !并且压缩比越高优势越明显"E !总!结 !!本文根据干涉超光谱数据量大!干涉曲线相关性强的特 点!提出了将光谱分类压缩与R >N :压缩结合的联合压缩算法!分析了分类标准和分类精度选取对压缩效果的影响!实现了一定失真度下的高压缩比"对实际干涉超光谱数据进行压缩处理!压缩比+G &D 时!Z c S 为,&)!U !>.'Z 为E E &G 7V "本联合压缩算法压缩比很高!但失真度较大!适合要求高压缩比的应用场合"压缩比可以根据设置分类精度进行调整!但对实际应用数据压缩前压缩比不可知"由于压缩比高!压缩程度大!Z c S 比一般压缩算法大!但比同等压缩比下]>S \,---压缩算法小!体现出本压缩算法在高压缩比应用下的优势!并且压缩比越高优势越明显"同时!压缩算法的主体光谱分类决定了本压缩算法更适合目标简单的场合"本压缩算法的主体是第一步的分类压缩算法!分类标准的选取对最终的压缩效果影响很大!进一步研究中可以根据应用要求提出更合理的干涉维失真度量指标!并由此确定分类标准以控制失真度" Q $9$5$:/$7 ())!@/%%I /11>;]$K 265%$J 1M /Q (1905%.$09/14$J8=/2905!)D ",!E ,# '\`/6I *L M K !O Y XC $6I *M K 59!B X 8'\O K &王增柱!刘同怀!黄!鲁';Z /=$1/./6396I C /0M 6$%$I 45678((%90519$6&遥感技术与应用'!,--)!)+&!'#)E <; E -E )光谱学与光谱分析!!!!!!!!!!!!!!!!!!!第!!卷 ':0$59$5$:/$P ;6$576$/05.<%.0.H 8C 65$77,8:W .7$A 8:#6 $/05. C X_95$*%$6I ) , B X 8'\:96) O r c K 6*?$) A 8'\]956*H /9) , >S Y O 96*%96) ,);8057/=4$JQ (1$*S %/012$6903 N M 96/3/8057/=4$J .09/60/3 V /9F 96I !)---D E N M 965,;X 69^/23914$J N M 96/3/8057/=4$ J .09/60/3 V /9F 96I !)---E D N M 965I "705./0!Y 6$27/21$I /15M 9I M0$=(2/339$62519$ 500$2796I 1$1M /3(5195%79=/639$60$22/%519$65671M /961/2J /2/60/3( /0125%79=/639$60$22/%519$6$J 961/2J /2/60/M 4(/23(/0125%9=5I /7515 1M /(2/3/6152190%/(2$^97/356/H0$=(2/339$65%I $291M =1M 510$=?96/33(/0125%0%5339J 90519$6H 91M%$05%R >N :;C M 935%I $291M =2/a K 92/33(/0125%0%5339J 90519$6J $21M /H M $%/961/2J /2/60/M 4(/23(/0125%9=5I /1$I /150%5339J 90519$66K =?/2=5129b 0$22/3($6796I 1$1M /1H $*79=/639$65%3(50/56753( /0125%0%5339J 90519$6%9?25240$22/3($6796I 1$1M /961/2J /2/60/3(/0125J 9231 1M /6%$05%R >N :93(/2J $2=/7J $21M /3(/0125%0%5339J 90519$6%9?2524 1$I /15J K 21M /20$=(2/339$6;831M /J 923131/($J 1M /0$=(2/339$6 1M /3(/0125%0%5339J 90519$693^/249=($215611$1M /0$=(2/339$6/J J /01;C M 9352190%/565%4L /31M /79J J /2/60/3$J 0$=(2/339$6/J J /01H 91M 79J J /2/613156752756779J J /2/61500K 2504$ J 0%5339J 90519$6 1M /2/%519^/S K 0%97/567931560/3156752793?/11/21M 561M /56I %/315675275671M /961/2J /2/60/Z c S 31567527;@965%%4 1M 9352190%/0M $$3/3565((2$(2951/31567527$J 0$=(2/339$656750M 9/^/31M /0$=?96/70$=(2/339$65%I $291M =H 91M (2$I 25==96I ;N $=( 52/71$]>S \,--- 1M /0$=(2/339$6/J J /01$J 0$=?96/70$=(2/339$65%I $291M =93?/11/2;R $; =85A 7!Y 61/2J /2/60/M 4(/23(/0125%7515 R 5150$=(2/339$6 .(/0125%0%5339J 90519$6 R >N : Z /0/9^/7./(;)G ,-), 500/( 1/7'$^;,< ,-), !!" -E )第"期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析 光谱成像技术的分类 光谱成像技术，有时又称成像光谱技术，融合了光谱技术和成像技术，交叉涵盖了光谱学、光学、计算机技术、电子技术和精密机械等多种学科，能够同时获得目标的两维空间信息和一维光谱信息。 光谱成像技术发展到今天，出现的光谱成像仪的种类和数量己经具有较大规模，因而可以从光谱分辨率、信息获取方式（扫描方式）、分光原理和重构理论等不同的视角对光谱成像技术进行分类。 1基于光谱分辨率分类 光谱成像技术针对光谱分辨能力的不同，可分为多光谱(Multi-spectral)，高光谱(Hyper- spectral)以及超光谱(Ultra-spectral)。多光谱的谱段数一般只有几十个，高光谱的谱段数可达到几百个，而超光谱一般指谱段数上千个。它们的区别如表1所示。 表1多、高、超光谱的比较 分类分辨 率 通道数光谱典型例子 多光谱（Multi-spectral）10-1λ 量级 5—30ETM+ ASTER 高光谱（Hyper-spectral）10-2λ 量级 100— 200 AVIRIS 超光谱（Ultra-spectral）10-3λ 量级 1000— 10000 GIFTS 2 基于信息获取方式分类 光谱成像仪需要对三维“数据立方”进行探测，而现今的探测器最多能进行二维探测。要想获得完整的三维数据，理论上至少需增加一维的空间扫描或光谱扫描。光谱成像技术获取图谱信息的主要方式有：挥扫式(Whiskbroom )、推扫式(Pushbroom)、凝视式(Staring)以及快照式(Snapshot)。 挥扫式成像光谱仪的光谱成像系统只对空间中某点进行光谱探测，通过沿轨和穿轨两个方向扫描获取完整的二维空间信息，其信息获取方式如图1a所示。AVIRIS就是通过挥扫成像[1]。 推扫式光谱成像系统探测空间中一维线视场(图1b中的X方向)的光谱，通过沿轨方向(Y方向)扫描实现二维空间信息的获取，芬兰国立技术研究中心实验室研制的AISA就是典型的推扫式成像光谱仪[2]。 凝视式光谱成像系统可对固定窗口目标成像，采用滤光的方式分离并获取不同波段的图像信息，再将不同波段的图像堆叠成“数据立方”。如图1c中所示，该类成像光谱仪实际上是采用光谱维扫描的方式实现图谱“数据立方”的获取。 图1 典型的光谱成像过程：a挥扫式；b推扫式；c凝视式；d快照式 快照式是一种新兴的图谱信息获取方式，它不需扫描便可获取三维图谱信息。快照式光谱成像技术实现方式主要有三种：一种是视场分割三维成像的方式，利用玻璃堆进视场分割，再利用分光器件将三维信息展开到二维平面进行面探测 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： 常用色谱和光谱分析方法和技术 色谱分析、光谱分析以及两谱联用技术，构成了药物分析学科领域中最主要和最基本的研究手段和方法，应用日趋广泛，发展十分迅速，新颖方法层出不穷。 新近常用的色谱分析方法： 一、胶囊色谱(Micellar Chromatography,MC)又称拟相液相色谱或假相液相色谱(Pseudophase LC)，是一种新型的液相色谱技术。特点是应用含有高于临界胶囊（或称胶束，微胞等）浓度的表面活性剂溶液作为流动相。所谓“胶囊”就是表面活性剂溶液的浓度超过其临界胶囊浓度(Critical Micelle Concentration,CMC)时形成的分子聚合体。通常每只胶囊由n个（一般为25～160个）表面活性剂单体分子组成，其形状为球形或椭圆球形。在CMC值以上的一个较大浓度范围内，胶囊溶液的某些物理性质（如表面张力、电导等等）以及胶囊本身的大小是不变的。构成胶囊的分子单体与溶液中自由的表面活性剂的分子单体之间存在着迅速的动态平衡。通常有正相与反相两种胶囊溶液。前者是由表面活性剂溶于极性溶剂所形成的亲水端位于外侧而亲脂端位于内部的胶囊；后者是指表面活性剂溶于非极性溶剂所形成的亲水端位于核心而亲脂基位于外面的胶囊。被分离组分与胶囊的相互作用和被分离组分与一般溶剂的作用方式不同，并且被分离组分和两种胶囊的作用也有差别。改变胶囊的类型、浓度、电荷性质等对被分离组分的色谱行为、淋洗次序以及分离效果均有较大影响。胶囊色谱就是充分运用了被分离组分和胶囊之间存在的静电作用、疏水作用、增溶作用和空间位阻作用以及其综合性的协同作用可获得一般液相色谱所不能达到的分离效果。适用于化学结构类似、性质差别细微的组分的分离和分析，是一种安全、无毒、经济的优越技术。 （一）原理：胶囊溶液是一种微型非均相体系(Microheterogenous system)。在胶囊色谱中，分离组分在固定相与水之间、胶囊与水相之间以及固定相与胶囊之间存在着分配平衡。组分的洗脱得为取决于三相之间分配系数的综合作用；同时定量地指出分离组分的容量因子k'的倒数值与胶囊浓度成正比，一般增加胶囊浓度即可获得较佳的分离效果。 （二）方法特点：与传统液相色谱的最大区别在于胶囊色谱流动相是由胶囊及其周围溶剂介质组成的一种微型的非均相体系，而常规流动相是一种均相体系。特点： 1、高度的选择性：因分离组分与胶囊之间存在着静电、疏水以及空间效应的综合作用，只要通过流动相中胶囊浓度的改变，就可使分离选择性获得改善和提高。此外，通过适当固定相以及表面活性剂的选择也可提高分离选择性。 2、便于梯度洗脱：由于表面活性剂的浓度高于CMC后再增大浓度时，溶液中仅胶囊的浓度发生改变，而表面活性剂单体分子的浓度不变，不影响流动相与固定相的平衡过程，因而比传统的梯度洗脱技术大大缩短了分析时间，并减少了流动相的消耗，适用于常规。 3、提高检测灵敏度：胶囊流动相可增加某些化合物的荧光强度，从而提高检测灵敏度。还可稳定某些化合物在室温条件下发生的液体磷光。 4、因分离组分不易分出，故缺点是柱效低且不适于制备分离。 （三）常用表面活性剂：常用的阳离子表面活性剂主要有：溴化或氯化十六烷基三甲铵(Cetyl trimethyl ammonium bromide or chloride,CTMAD或CTMAC)；阴离子表面活性剂有十二烷基硫酸钠(SDS)；非离子表面活性剂有Brij-35即(聚氧乙烯)35-十二烷基醚。 二、手性分离色谱(Chiral Separation Chromatography,CSC) 是采用色谱技术(TLC、GC和HPLC)分离测定光学异构体药物的有效方法。由于许多药物的对映体(Enantiomer)之间在药理、毒理乃至临床性质方面存在着较大差异，有必要对某些手性药物进行 《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。 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· 光谱成像技术的分类光谱成像技术，有时又称成像光谱技术，融合了光 谱技术和成像技术，交叉涵盖了光谱学、光学、计算机技术、电子技术和精密机械等多种学科，能够同时获得目标的两维空间信息和一维光谱信息。出现的光谱成像仪的种类和数量己经具有较大规光谱成像技术发展到今天，、分光原理和重构理论模，因而可以从光谱分辨率、信息获取方式（扫描方式）等不同的视 角对光谱成像技术进行分类。 1基于光谱分辨率分类，高(Multi-spectral)光 谱成像技术针对光谱分辨能力的不同，可分为多光谱多光谱的谱段数一般只有几十个，spectral)。(Hyper- spectral)以及超光谱(Ultra-光谱它们的区别如表高光谱的谱段数可达到几百个，而超光谱一般指谱段数上千个。所示。1多、高、超光谱的比较表1 ASTER 量级Multi-spectral）（ -2A VIRIS 10010λ高光谱—200 量级）（Hyper-spectral -3GIFTS 超光谱—100010λ10000 量级Ultra-spectral（） 2 基于信息获取方式分类 而现今的探测器最多能进行进行探测，“数据立方”光谱成像仪需要对三维． 二维探测。要想获得完整的三维数据，理论上至少需增加一维的空间扫描或光谱扫描。光谱成像技术获取图谱信息的主要方式有：挥扫式(Whiskbroom )、推扫 式(Pushbroom)、凝视式(Staring)以及快照式(Snapshot)。 挥扫式成像光谱仪的光谱成像系统只对空间中某点进行光谱探测，通过沿轨和穿轨两个方向扫描获取完整的二维空间信息，其信息获取方式如图1a所示。[1]就是通过挥扫成像VIRISA。 推扫式光谱成像系统探测空间中一维线视场(图1b中的X方向)的光谱，通过沿 轨方向(Y方向)扫描实现二维空间信息的获取，芬兰国立技术研究中心实验[2]。室研制的AISA就是典型的推扫式成像光谱仪凝视式光谱成像系统可对固定窗口目标成像，采用滤光的方式分离并获取不同波段的图像信息，再将不同波段的图像堆叠成“数据立方”。如图1c中所示，该类成像光谱仪实际上是采用光谱维扫描的方式实现图谱“数据立方”的获取。 快照式c凝视式；d推扫式；典型的光谱成像过程：图1 a挥扫式；b 它不需扫描便可获取三维图谱信息。快照式是一种新兴的图谱信息获取方式，利快照式光谱成像技术实现方式主要有三种：一种是视场分割三维成像的方式，[3]，用玻璃堆进视场分割，再利用分光器件将三维信息展开到二维平面进行面探测[4]，利用正交光栅等分光器件将三维信所示；第二种是计算层析的方式如图1d第三种是孔径编码计算光谱再利用算法重构三维图谱；息层析投影到二维平面， [5]，通过孔径编码的形式引入计算维，再进行分光得到编码的混合图成像的方式谱信息，最后通过计算解码重构三维信息的孔径编码计算成像技术，其三维信息获取方式如图2所示。 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） 光谱分析方法 第一章绪论 一、填空题 1仪器分析方法分为（）、（）、色谱法、质谱法、电泳法、热分析法和放射化学分析法。 2 光学分析法一般可分为（）、（）。 3仪器分析的分离分析法主要包括（）、（）、（）。 4仪器分析较化学分析的优点（）、（）、操作简便分析速度快。 答案 1光学分析法、电化学分析法 2光谱法、非光谱法 3色谱法、质谱法、电泳法 4灵敏度高检出限低、选择性好 第二章光学分析法导论 一、选择题 1 电磁辐射的粒子性主要表现在哪些方面（）A能量B频率C波长D波数 2 当辐射从一种介质传播到另一种介质时，下列哪种参量不变（） A波长B速度C频率D方向 3 电磁辐射的二象性是指: A．电磁辐射是由电矢量和磁矢量组成；B．电磁辐射具有波动性和电磁性； C．电磁辐射具有微粒性和光电效应；D．电磁辐射具有波动性和粒子性 4 可见区、紫外区、红外光区、无线电波四个电磁波区域中，能量最大和最小的区域分别为：A．紫外区和无线电波区；B．可见光区和无线电波区； C．紫外区和红外区；D．波数越大。 5 有机化合物成键电子的能级间隔越小，受激跃迁时吸收电磁辐射的 A．能量越大；B．频率越高；C．波长越长；D．波数越大。 6 波长为0.0100nm的电磁辐射的能量是多少eV？ A．0.124；B．12.4eV；C．124eV；D．1240 eV。 7 受激物质从高能态回到低能态时，如果以光辐 射形式辐射多余的能量，这种现象称为（）A光的吸收B光的发射C光的散射D 光的衍射 8 利用光栅的（）作用，可以进行色散分光A散射B衍射和干涉C折射D发射9 棱镜是利用其（）来分光的 A散射作用B衍射作用C折射作用D 旋光作用 10 光谱分析仪通常由以下（）四个基本部分组成 A光源、样品池、检测器、计算机 B信息发生系统、色散系统、检测系统、信息处理系统 C激发源、样品池、光电二级管、显示系统 D光源、棱镜、光栅、光电池 二、填空题 1. 不同波长的光具有不同的能量，波长越长，频率、波数越（），能量越（），反之，波长越短，能量越（）。 2. 在光谱分析中，常常采用色散元件获得（）来作为分析手段。 3. 物质对光的折射率随着光的频率变化而变 高光谱数据的制图方法简介 ENVI软件在Spectral菜单中提供许多波谱制图方法，包括：二进制编码、波谱角制图、线性波段预测(LS-Fit)、线性波谱分匹配滤波、混合调制匹配滤波、包络线去除，以及波谱特征拟合等。 本文主要介绍几种高光谱数据处理的过程操作。 1.二进制编码 二进制编码分类技术根据波段值落在波谱均值的下方或上方，将数据和端元分别编码为0和1。在编码过程中，使用一个高级的（exclusive）OR函数，用于将需要编码的数据波谱与参照波谱相比较，从而生成一幅分类图像。 选择菜单栏Spectral—Mapping Methods—Binary Encoding。在打开的窗口设置参数如下： 图1-1 二进制编码分类参数设置 注意：“OutputRuleImages”切换按钮被设置为“No”，规则图像将不被保存。 分类结束后，规则图像将出现在可用波段列表中，可以在任何显示窗口中显示（或链接/覆盖），并可以使用ENVI的像元位置/值功能进行查询。结果显示如图1-2： 图1-2 原影像图（左）与二进制编码分类结果图（右） 2. 波谱角分类 波谱角分类(SAM)是一种基于自身的波谱分类方法，这种方法将图像波谱与参照波谱在N-维空间进行匹配。SAM用到的参照端元波谱可以来自于ASCII文件、波谱库、统计文件或直接从图像中抽取（如ROI均值波谱），本实验中用的是ROI均值波谱。SAM把端元波谱（被认为是一个N维向量，N维波段数）和像元向量放在n维空间中进行角度比较。较小的角度代表象元与参照波谱匹配紧密。这一技术用于数据定标时，对照度和反照率的影响并不敏感。 选择菜单栏Spectral—Mapping Methods—Spectral Angle Mapper。设置参数如图2-1，波谱角分类结果，如图2-2： 图2-1 波谱角分类参数设置图2-2 波谱角分类结果影像 3.LS-Fit(线性波段预测) 紫外吸收光谱 UV 分析原理：吸收紫外光能量，引起分子中电子能级的跃迁 谱图的表示方法：相对吸收光能量随吸收光波长的变化 提供的信息：吸收峰的位置、强度和形状，提供分子中不同电子结构的信息 荧光光谱法 FS 分析原理：被电磁辐射激发后，从最低单线激发态回到单线基态，发射荧光 谱图的表示方法：发射的荧光能量随光波长的变化 提供的信息：荧光效率和寿命，提供分子中不同电子结构的信息 红外吸收光谱法 IR 分析原理：吸收红外光能量，引起具有偶极矩变化的分子的振动、转动能级跃迁 谱图的表示方法：相对透射光能量随透射光频率变化 提供的信息：峰的位置、强度和形状，提供功能团或化学键的特征振动频率 拉曼光谱法 Ram 分析原理：吸收光能后，引起具有极化率变化的分子振动，产生拉曼散射 谱图的表示方法：散射光能量随拉曼位移的变化 提供的信息：峰的位置、强度和形状，提供功能团或化学键的特征振动频率 核磁共振波谱法 NMR 分析原理：在外磁场中，具有核磁矩的原子核，吸收射频能量，产生核自旋能级的跃迁 谱图的表示方法：吸收光能量随化学位移的变化 提供的信息：峰的化学位移、强度、裂分数和偶合常数，提供核的数目、所处化学环境和几 何构型的信息 电子顺磁共振波谱法 ESR 分析原理：在外磁场中，分子中未成对电子吸收射频能量，产生电子自旋能级跃迁谱图的表示方法：吸收光能量或微分能量随磁场强度变化 提供的信息：谱线位置、强度、裂分数目和超精细分裂常数，提供未成对电子密度、分子键 特性及几何构型信息 质谱分析法 MS 分析原理：分子在真空中被电子轰击，形成离子，通过电磁场按不同m/e分离谱图的表示方法：以棒图形式表示离子的相对峰度随m/e的变化 提供的信息：分子离子及碎片离子的质量数及其相对峰度，提供分子量，元素组成及结构的 信息 气相色谱法 GC 分析原理：样品中各组分在流动相和固定相之间，由于分配系数不同而分离 谱图的表示方法：柱后流出物浓度随保留值的变化 提供的信息：峰的保留值与组分热力学参数有关，是定性依据；峰面积与组分含量有关 反气相色谱法 IGC 分析原理：探针分子保留值的变化取决于它和作为固定相的聚合物样品之间的相互作用力 第二矗紫外吸收光谱 2·i波(光)谱分析的一般原理 一定频率或波长的电磁波(光)与物质内部分子、电子或原子核等相互作用，物质吸收电磁波的能量，从低能级跃迁到较高能级。被吸收的电磁波频率(或波长)·取决于高低能级的能级差(见图2-1)。通过测量被吸收的电磁·波的频率(或波长)和强度，可以得到被测物质的特征波谱，特征波谱的频率(或波长)反映了被测物质的结构特征，被用来作定性分析，波谱的强度则与物质的含量有关，可用于定量分析。利用物质对电磁波的选择性吸收对其进行分析的方法统称为波(光)谱分析。 高能级图2-1波谱分析的一般原理 2·1·]电磁波的基本性质和分类 电磁波具有波粒两象性。光的衍射、干涉及偏振等现象证明了其波动性，电磁波的波动性还体现在它有波长、频率等类似于机械波的特性。电磁波的波长、频率与光速存在着特定的关系: "·A=。·(2-1) 式中步为频率成为波长籧为光速。频率一般用赫兹(Hz)为单位;波长用长度单位表示，例如纳米(nm)、微米(pm)、厘米(cm)、米(m)等，视波长大小选择其中的某一种。光速等于3X1O'。cm·s1。 电磁波的粒子性早已力量子理论所证明，而光电效应则是粒子性的最有力的实验证明。量子理论认为光(即电磁波)是由称作光子或光量子的微粒组成的，光子具有能量，其能量大小由下式决 E=bu=hcA(2-2) 式中E为光子的能量肌为Planck常数，其值为6·624X1O""j·s，其余同式(2-1)。由式(2-2) 可知光子的能量与频率成正比，与波长成反比。波长愈长，频率愈低，能量愈小。已知电磁波的波长后，很容易求出其光子的能量，例如大二300且甲的紫外光的光子能量为: E=hc忱=6·624X1O刊(J·S)X3X1O1o(cm·S@l)「300XlO-，(cm)=6·62XlO-l，J 电磁波的波长从10-，nm~l0OOm，覆盖了非常宽的范围，为了便于研究，根据波长大小将电磁波划分为若千个区域(见表2-1)。不同区域的电磁波对应于分子内不同层次的能级跃迁。2·1·2 分子吸收光谱的产生 物质内部存在着多种形式的微观运动，每一种微观运动都有许多种可能的状态，不同的状态具有不同的能量，属于不同的能级。当分子吸收电磁波能量受到激发，就要从原来能量较低的能级(基态)跃迁到能量较高的能级(激发态)，从而产生吸收光谱。分子吸收电磁波的能量不是连续的而是具有量子化的特征，即分子只能吸收等于两个能级之差的能量AE。 (2-3) 式中E、、E，分别为分子跃迁前和跃迁后的能量，其余同式(2-2)。不同分子的内部能级间的能量差是不同的，因而分子的特定跃迁能与分子结构有关，所产生的吸收光谱形状取决于分子的内部结构，不同物质呈现不同的特征吸收光谱，通过分子吸收光谱可以研究分子结构。 分子内部的微观运动可分为价电子运动、分子内原子在其平衡位置附近的振动、分子本身绕其重心的转动。因此，分子的能量E是这三种运动能量的总和，如式(2-4)所表示: (2-4) 式中瓦为分子的电子能量，E。为分子的振动能量，Er为分子的转动能量。分子的每一种微观运动状态都是量子化的，都属于一定的能级。因此，分子具有电子能级、振动能级和转动能级。图(2-2)是一个双原子分子内运动能级示意图。 图2-2中E表示能级，它的下标字母e、U和j分别表示能级类型为电子能级、振动能 第一章绪论 ）、色谱法、质谱法、电泳法、热分析法和放射化 （ ）。 ）、（ ）、（ ）。 ）、（ ）、操作简便分析速度快。 答案 1光学分析法、电化学分析法 2光谱法、非光谱法 3色谱法、质谱法、电泳法 4灵敏度高检出限低、选择性好 第二章光学分析法导论 一、 选择题 1电磁辐射的粒子性主要表现在哪些方面（ ） A 能量 B 频率 C 波长 D 波数 2当辐射从一种介质传播到另一种介质时，下列哪种参量不变（ ） A 波长 B 速度 C 频率 D 方向 3电磁辐射的二象性是指： A .电磁辐射是由电矢量和磁矢量组成； B .电磁辐射具有波动性和电磁性； C ?电磁辐射具有微粒性和光电效应； D ?电磁辐射具有波动性和粒子性 4可见区、紫外区、红外光区、无线电波四个电磁波区域中， 能量最大和最小的区域分别为: A ?紫外区和无线电波区； B ?可见光区和无线电波区； C .紫外区和红外区； D ?波数越大。 一、 填空题 1仪器分析方法分为（ ）、（ 学分析法。 2光学分析法一般可分为（ ） 3仪器分析的分离分析法主要包括（ 5有机化合物成键电子的能级间隔越小，受激跃迁时吸收电磁辐射的A .能量越大；B .频率越高；C .波长越长；D .波数越大。 7受激物质从高能态回到低能态时，如果以光辐射形式辐射多余的能量，这种现象称为（） A光的吸收B光的发射C光的散射D光的衍射 8利用光栅的（）作用，可以进行色散分光 A散射B衍射和干涉C折射D发射 9棱镜是利用其（）来分光的 A散射作用B衍射作用C折射作用D旋光作用 10光谱分析仪通常由以下（）四个基本部分组成 A光源、样品池、检测器、计算机 B信息发生系统、色散系统、检测系统、信息处理系统 C激发源、样品池、光电二级管、显示系统 D光源、棱镜、光栅、光电池 二、填空题 ），能量越（），反1. 不同波长的光具有不同的能量，波长越长，频率、波数越（ 之，波长越短，能量越（）。 2. 在光谱分析中，常常采用色散元件获得（）来作为分析手段。 3. 物质对光的折射率随着光的频率变化而变化，这中现象称为（） 4. 吸收光谱按其产生的本质分为（）、（）、（）等。 5. 由于原子没有振动和转动能级，因此原子光谱的产生主要是（）所致。 6?当光与物质作用时，某些频率的光被物质选择性的吸收并使其强度减弱的现象，称为（）, 此时，物质中的分子或原子由（）状态跃迁到（）的状态。 7.原子内层电子跃迁的能量相当于（）光，原子外层电子跃迁的能量相当于（）和（）。 三. 简答题: 1?什么是光学分析法？ 2?何谓光谱分析法和非光谱分析法? 3. 简述光学分析法的分类？ 4. 简述光学光谱仪器的基本组成。 5. 简述瑞利散射和拉曼散射的不同? 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 2111603035 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。高光谱遥感技术虽然是遥感领域的新技术，但是高光谱图像的分类一直制约着高光谱遥感的应用[3,4]，因此对其进行研究显得尤为重要。 高光谱遥感图像较高的光谱分辨率给传统的图像分类识别算法提出严峻的挑战。波段维数的增加不仅加重了数据的存储与传输的负担，同时也加剧了数据处理过程的复杂性，并且由于波段与波段间存在着大量的冗余信息，从而使得传统图像分类算法并不适用于高光谱遥感图像的分类。传统 成像光谱技术 1.成像光谱技术发展简述 光谱技术是指利用光与物质的相互作用研究分子结构及动态特性的学科，即通过获取光的发射、吸收与散射信息可获得与样品相关的化学信息，成像技术则是获取目标的影像信息，研究目标的空间特性信息。这两个独立的学科在各自的领域里已有数百年的发展历史，但是知道上个世纪六十年代，遥感技术兴起，空间探测和地表探测一时成为科学界研究的热点，人们希望得到的不单纯是目标的影响信息或者目标的光谱信息，而是同时得到影像信息和光谱信息，这一需求极大的导致了成像技术和光谱技术的结合，催生出了成像光谱技术。 所谓光谱成像技术，其本质是充分利用了物质对不同电磁波谱的吸收或辐射特性，在普通的二维空间成像的基础上，增加了一维的光谱信息。由于地物物质组成的不同，其对应的光谱之间存在差异（即指纹效应），从而可以利用地物目标的光谱进行识别和分类。光谱成像技术可以在电磁波段的紫外、可见光、近红外和中红外区域，获取许多窄并且光谱连续的图像数据，为每个像元提供一条完整并且连续的光谱曲线。 图1 成像光谱技术示意图 图1.1就是成像光谱技术的示意图，成像光谱仪得到一个三维的数据立方体，从每个空间象元都可以提取一条连续的光谱曲线，通过谱线的特征分析，继而用于后续的测探等目的。 2.成像光谱仪的分类 成像光谱仪是成像光谱技术发展的必然产物，是可以同时获取影像信息与像元的光谱信息的光学传感器，是成像光谱技术得以实现的实物载体，根据不同的分类标准可以进行多种分类，主要有以下几种： (1)根据成像光谱仪的光谱分辨率不同，可以分为多光谱成像仪 (Multispectral Imager, MSI)，高光谱成像仪(Hyperspectral Imager, HSI)，超光谱成像仪(Hyperspectral Imager, USI)。 多光谱成像仪：获得的目标物的波段在3~12之间，光谱分辨率一般在 100nm左右，主要用于地带分类等方面。 高光谱成像仪：获得的目标物的波段在100~200之间，光谱分辨率在10nm 左右，被广泛用于遥感中。 超光谱成像仪：获得的目标物的波段在1000~10000之间，光谱分辨率在 1nm以下，通常用于大气微粒探测等精细探测领域。 (2)按照分光原理的不同可以分为棱镜色散型、光栅衍射型、滤光片型、干涉 型以及计算层析型。 棱镜色散型和光栅衍射型分别是利用棱镜的色散和光栅的衍射来获取目标物的光谱，这两类光谱仪都是直接型光谱仪，即可以直接得到目标物的光谱曲线，具有原理简单和性能稳定等优点。 滤光片型光谱仪是采用相机加滤光片的方案，分光元件为滤光片，有多种形式，有线性滤光片、旋转滤光片等。这种光谱仪也是一种间接成像光谱仪，需要调制才能获得整个数据立方体 干涉型光谱仪是采用干涉仪实现两束相干光的干涉，从而获得目标物的干涉图。该类型的光谱仪其采集到干涉图和最终需要反演得到光谱图之间存在傅里叶变换关系，故其也称傅里叶变换光谱仪。 (3)按照扫描方式不同，成像光谱技术可分为挥扫式(Whiskbroom)、推扫式(Pushbroom)和凝视(Staring)成像光谱仪。 挥扫视：主要利用扫描镜，将空间信息按照一定的顺序输入，再由光谱仪对各点进行光谱分光，这类光谱仪的探测器一般为线阵。 推扫式：采用一个垂直于运动方向的面阵探测器，先将扫描成像于光谱仪的狭缝上，在通过运动获得另一维的光谱数据。 凝视型：无需探测器的运动，在任意时刻即可获取目标的二维空间信息以及一维光谱信息。 此外，还有多种分类方法，比如按照数据称重理论和调制方式以及搭载平台的不同等等。 3.成像光谱技术的应用 成像光谱技术应用方向可以分为两大类：军用和民用。在军用方面，由于成像光谱仪特别是高光谱成像仪具有在光谱上区分地物类型的能力，因此它在地物的精细分类、目标检测和变化检测上体现出较强的优势，成为一种重要的战场侦察手段。早在20世纪末，美国军方就有实验表明高光谱图像可以分辨出 第一章绪论 一、填空题 1仪器分析方法分为（）、（）、色谱法、质谱法、电泳法、热分析法和放射化学分析法。 2 光学分析法一般可分为（）、（）。 3仪器分析的分离分析法主要包括（）、（）、（）。 4仪器分析较化学分析的优点（）、（）、操作简便分析速度快。 答案 1光学分析法、电化学分析法 2光谱法、非光谱法 3色谱法、质谱法、电泳法 4灵敏度高检出限低、选择性好 第二章光学分析法导论 一、选择题 1 电磁辐射的粒子性主要表现在哪些方面（） A能量B频率C波长D波数 2 当辐射从一种介质传播到另一种介质时，下列哪种参量不变（） A波长B速度C频率D方向 3 电磁辐射的二象性是指: A．电磁辐射是由电矢量和磁矢量组成；B．电磁辐射具有波动性和电磁性； C．电磁辐射具有微粒性和光电效应；D．电磁辐射具有波动性和粒子性 4 可见区、紫外区、红外光区、无线电波四个电磁波区域中，能量最大和最小的区域分别为：A．紫外区和无线电波区；B．可见光区和无线电波区； C．紫外区和红外区；D．波数越大。 5 有机化合物成键电子的能级间隔越小，受激跃迁时吸收电磁辐射的 A．能量越大；B．频率越高；C．波长越长；D．波数越大。 6 波长为0.0100nm的电磁辐射的能量是多少eV？ A．0.124；B．12.4eV；C．124eV；D．1240 eV。 7 受激物质从高能态回到低能态时，如果以光辐射形式辐射多余的能量，这种现象称为（）A光的吸收B光的发射C光的散射D光的衍射 8 利用光栅的（）作用，可以进行色散分光 A散射B衍射和干涉C折射D发射 9 棱镜是利用其（）来分光的 A散射作用B衍射作用C折射作用D旋光作用 10 光谱分析仪通常由以下（）四个基本部分组成 A光源、样品池、检测器、计算机 B信息发生系统、色散系统、检测系统、信息处理系统 C激发源、样品池、光电二级管、显示系统 D光源、棱镜、光栅、光电池 二、填空题 1. 不同波长的光具有不同的能量，波长越长，频率、波数越（），能量越（），反之，波长越短，能量越（）。 2. 在光谱分析中，常常采用色散元件获得（）来作为分析手段。 3. 物质对光的折射率随着光的频率变化而变化，这中现象称为（） 4. 吸收光谱按其产生的本质分为（）、（）、（）等。 5. 由于原子没有振动和转动能级，因此原子光谱的产生主要是（）所致。 6. 当光与物质作用时，某些频率的光被物质选择性的吸收并使其强度减弱的现象，称为（），此时，物质中的分子或原子由（）状态跃迁到（）的状态。 7. 原子内层电子跃迁的能量相当于（）光，原子外层电子跃迁的能量相当于（）和（）。三．简答题： 1. 什么是光学分析法？ 2. 何谓光谱分析法和非光谱分析法？光谱成像技术的分类
高光谱数据处理基本流程
常用色谱与光谱分析方法与技术
高光谱图像分类
一种基于Contourlet变换的高光谱图像压缩算法
完整word版光谱成像技术的分类
高光谱数据处理基本流程
光谱分析方法
高光谱数据的制图方法简介
光谱分析原理及表示方法
紫外吸收光谱解读
光谱分析方法
高光谱图像分类讲解学习
成像光谱技术简介
光谱分析方法