高光谱背景知识介绍
2ENVI高光谱分析优质资料
董彦卿
主要内容
1、高光谱简介 2、高光谱数据预处理 3、物质制图与识别、探测
1、高光谱遥感简介
光学遥感技术的发展：
全色（黑白）－－彩色摄影－－多光谱扫描成像－－ 高光谱遥感
高光谱分辨率遥感（HyperspectralRemote Sensing）
用很窄（10-2λ ）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，因此高光谱遥感又通常被称为成像光 谱（Imaging Spectrometry）遥感。
与传统多光谱遥感相比， 其光谱通道不是离散而 是连续的，因此从它的 每个像元均能提取一条 平滑而完整的光谱曲线。
成像光谱仪系统介绍
航空成像光谱仪系统 国内系统：MAIS、OMIS-1、OMIS-2、PHI、WHI、
LASIS 国外系统：AIS、AVIRIS、TRWIS、GERIS、
HYDICEAISA、DAIS、CASI、HYMAP
单一的水气因数用于整体影像，默认是1，
对于多光谱数据使用水气反演模型，可以在多光谱设置中手 动设置水气波段
气溶胶模型（Aerosol Model）
提供四种标准MODTRAN气溶胶模型 Rural（乡村）、Urban（城市）、Maritime（海洋）、 Tropospheric（对流层，能见度在40km以上）
基于统计学模型 平场域定标 对数残差 内部平均反射率法 经验线性
基于简化辐射传输模型的黑暗像元法 基于统计的不变目标法 基于植被指数的大气阻抗植被指数法 ……
高光谱图像
高光谱图像
高光谱图像是一种特殊的图像，它不同于普通的彩色图像，能够提供更加丰富
和详细的信息。
在高光谱成像中，每个像素点不仅具有红、绿、蓝三个通道的信息，还包含了很多更加细致的波长范围内的信息。
这种细致的信息能够提供更加全面的数据，对于很多应用领域都具有重要意义。
高光谱成像的原理
高光谱成像是利用光谱分析技术，通过记录目标在不同波长下的光谱响应，获
得目标在光谱范围内的反射、透射等信息。
在高光谱成像中，往往需要使用具有很高光谱分辨率的设备，例如高光谱相机或高光谱遥感仪器。
这些设备能够获取大量的波长信息，使得每个像素点都能够呈现在光谱上的一个连续曲线，而非单一的颜色。
高光谱图像的应用
高光谱图像在很多领域都有广泛的应用。
其中，农业是一个重要的应用领域之一。
通过高光谱图像，可以实现对土壤、植被及作物的快速检测和分析，实现精准农业。
此外，高光谱图像还可以应用于环境监测、食品安全等领域，为决策提供数据支持。
高光谱成像的未来
随着科学技术的不断进步，高光谱成像技术也在不断发展。
未来，高光谱成像
技术可以望远镜技术结合，实现在宇宙空间中对星球和星系进行高光谱成像，为天文研究提供更多宝贵的数据。
同时，高光谱成像技术还可以与人工智能技术相结合，实现更加智能化的数据分析和应用。
高光谱成像是一项强大的技术，具有广泛的应用前景。
随着技术的不断完善和
发展，相信在未来的某一天，高光谱成像技术将为人类社会的发展做出更大的贡献。
高光谱参数
高光谱参数是遥感领域中一个重要的概念，它涉及到对地物光谱特性的测量和分析。
高光谱参数通常用于描述地物在特定波段范围内的光谱响应，这些参数可以提供关于地物类型、表面特征、内部结构等方面的信息。
高光谱参数通常包括反射率、发射率、辐射传输系数等。
其中，反射率是地物表面反射太阳辐射的能力，可以反映地物的颜色和纹理；发射率是地物表面发射红外辐射的能力，可以反映地物的温度和热辐射特性；辐射传输系数则是地物表面反射和吸收辐射的能力的综合体现，可以反映地物的透光性和反光性。
高光谱参数的应用非常广泛，例如在农业、林业、环境监测、城市规划、地质调查等领域都有广泛的应用。
例如，在农业领域中，可以利用高光谱参数来监测作物的生长状况、病虫害情况等；在林业领域中，可以利用高光谱参数来监测森林的健康状况、树种分布等；在环境监测领域中，可以利用高光谱参数来监测空气质量、水质污染等。
总之，高光谱参数是遥感领域中一个重要的概念，它涉及到对地物光谱特性的测量和分析。
通过获取和分析高光谱参数，我们可以更加深入地了解地物的性质和特征，为相关领域的研究和应用提供有力的支持。
高光谱技术的原理和应用
高光谱技术的原理和应用原理高光谱技术是一种用于获取和分析广谱波长范围上的光谱数据的技术。
它与传统的光谱技术相比，能够提供更丰富和详细的信息，因为它可以在每个波长点上获取光谱数据。
高光谱技术的原理可以简单地描述如下：1.光源发射：在高光谱技术中，首先需要一个光源来发射光线。
这可以是白炽灯、激光器或其他类型的光源。
2.光线传播：发射的光线通过样本或被测对象，并传播到其中。
样本可以是土壤、植物、水体或其他材料。
3.样本反射或散射：样本对入射光的不同波长的光线进行反射、散射或吸收。
这个过程会导致光线在不同波长上的强度发生变化。
4.光谱数据采集：在经过样本后，光线被检测器接收，并将光谱数据转换成电信号。
这些信号可以是连续的或离散的，取决于检测设备的类型。
5.数据处理和分析：经过采集的光谱数据需要进行处理和分析。
这可以包括去噪、校正和模式识别等步骤。
根据应用需求，可以采用不同的处理算法和方法。
6.数据解释和应用：最后，根据处理和分析的结果，可以对数据进行解释，并将其应用到不同的领域，如农业、环境监测、医学等。
应用高光谱技术在许多不同领域中都有广泛的应用。
以下是一些常见的应用领域：1.农业：高光谱技术可以用于农作物的生长监测和疾病诊断。
通过分析植物在不同波长上的反射光谱，可以获取植物的生长状态和健康状况。
这对于农作物的管理和灾害监测非常重要。
2.环境监测：高光谱技术可以用于环境中的污染物检测和监测。
通过分析光谱数据，可以识别出水体中的有害物质、土壤中的重金属或空气中的污染物。
这对于环境保护和污染治理非常重要。
3.地质勘探：高光谱技术可以用于地质勘探和矿产资源的探测。
通过分析地表或地下的光谱数据，可以找到矿藏的迹象，并进行资源储量估计。
这对于矿业公司和勘探团队非常重要。
4.医学：高光谱技术可以用于医学成像和疾病诊断。
通过分析组织或血液样本的光谱数据，可以获取关于疾病发展和组织结构的信息。
这对于疾病的早期诊断和治疗至关重要。
什么是高光谱
什么是高光谱,多光谱,超光谱作者：felles提交日期：2010-4-26 8:16:00 | 分类:高光谱 | 访问量：196到底什么是高光谱，多光谱和超光谱技术2009-11-18 13:53多光谱，高光谱和高光谱技术都被称为成像光谱技术，在遥感和其他科研领域具有举足轻重的作用。
多年来，我一直对这种技术理解不深，很多人说什么多光谱，甚至是超光谱，多光谱技术实际上是高光谱技术的原始阶段，几乎被淘汰了。
而有些人说的超光谱实际上还在美国研发，根本没有进入到市面上，也就说诸多同仁对成像光谱技术也是糊里糊涂。
今日，我在一个网站上发现了对这种技术的解释 ，我认为从专业角度来说，他们说的还比较靠谱。
对于科研确实有一定的帮助。
我在这里吧相关资料拷贝过来供大家欣赏。
成像光谱技术（高光谱成像技术）基础Imaging Spectrometer Fundamentals说明：1.下文所属的成像光谱仪又叫高光谱成像系统，而且同一个概念。
2.该资料为天津菲林斯光电仪器公司 编写，仅作成像光谱技术的内部交流之用，禁止一切形式的侵权传播或引用行为。
一．技术历史背景在现代科研过程中, 多数情况下必须对空间不均匀样品的分布特性加以分析和确认，使用传统的光谱仪仅仅能够以聚焦的镜头扫描样品或者获得整个样品的平均特性，这种光谱和空间信息不可兼得的局限性促使高光谱成像技术（Hyperspectral Imaging）应用而生。
早在20世纪60年代（1960s）人造地球卫星围绕地球获取地球的图片资料时，成像就成为研究地球的有利工具。
在传统的成像技术中，人们就知道黑白图像的灰度级别代表了光学特性的差异因而可用于辨别不同的材料，在此基础上，成像技术有了更高的发展，对地球成像时，选择一些颜色的滤波片成像对于提高对特殊农作物、研究大气、海洋、土壤等的辨别能力大有裨益。
这就是人类最早的多光谱技术（Multispectral imaging）它最早出现在LandSat卫星上。
高光谱成像技术的原理-概述说明以及解释
高光谱成像技术的原理-概述说明以及解释1.引言1.1 概述概述是引言部分的一部分，它旨在向读者介绍高光谱成像技术的基本概念和背景。
高光谱成像技术是一种基于光谱分析的图像获取方法，可以获取物体在不同波长下的光谱信息，从而实现对物体的精细分析和识别。
该技术结合了光谱学、光学和图像处理等多学科的知识，广泛应用于农业、环境保护、地质勘探、医学等领域。
传统的成像方法一般只能获取物体的灰度或彩色图像，而高光谱成像技术能够获取物体在数百个或数千个连续波长范围内的光谱数据，使得物体的细微差别能够被有效检测和分析。
通过对不同波长下的光谱反射率进行分析，可以获得物体的光谱特征，比如吸收峰、反射特性等，从而可以实现对物体的材质、组织、化学成分等进行定量和定性分析。
高光谱成像技术的应用非常广泛。
在农业领域，可以通过对农作物的高光谱图像进行分析，实现对农作物的健康状况、营养状况和水分状况的监测和管理。
在环境保护领域，可以通过对水体、土地和大气环境等进行高光谱成像，实现对环境质量的监测和评估。
在地质勘探领域，可以利用高光谱成像技术进行矿产勘查和地质灾害监测。
在医学领域，可以通过高光谱成像技术实现对皮肤病变、肿瘤和血液疾病等进行快速诊断和监测。
然而，高光谱成像技术也存在一些局限性。
首先，高光谱成像技术需要大量的光谱数据和复杂的图像处理算法，对硬件设备和计算资源的要求较高。
其次，高光谱成像技术对环境的光照条件和物体的表面特性比较敏感，可能受到光照不均匀和表面反射率变化等因素的影响。
此外，高光谱成像技术在实际应用中仍面临一些挑战，如传感器的成本和体积、采集速度的限制等。
尽管高光谱成像技术存在一些挑战和限制，但随着科学技术的不断进步，相信在未来的发展中，高光谱成像技术将更加成熟和普及，为各个领域提供更多的应用和发展机会。
文章结构部分的内容应该包括文章的主要章节和内容安排。
这部分通常介绍整篇文章的组织架构，让读者能够清楚地了解整篇文章的内容和结构。
知识库-高光谱成像技术
高光谱成像技术高光谱成像技术起源于地质矿物识别填图研究，逐渐扩展为植被生态、海洋海岸水色、冰雪、土壤以及大气的研究中。
对空间探测、军事安全、国土资源、科学研究等领域都具有非常重要的意义。
所谓高光谱图像就是在光谱维度上进行了细致的分割，不仅仅是传统所谓的黑、白或者R、G、B的区别，而是在光谱维度上也有N个通道，例如：我们可以把400nm-1000nm分为300个通道。
因此，通过高光谱设备获取到的是一个数据立方，不仅有图像的信息，并且在光谱维度上进行展开，结果不仅可以获得图像上每个点的光谱数据，还可以获得任一个谱段的影像信息。
目前高光谱成像技术发展迅速，常见的包括光栅分光、声光可调谐滤波分光、棱镜分光、芯片镀膜等。
原理：光栅分光原理：在经典物理学中，光波穿过狭缝、小孔或者圆盘之类的障碍物时，不同波长的光会发生不同程度的弯散传播，再通过光栅进行衍射分光，形成一条条谱带。
也就是说：空间中的一维信息通过镜头和狭缝后，不同波长的光按照不同程度的弯散传播，这一维图像上的每个点，再通过光栅进行衍射分光，形成一个谱带，照射到探测器上，探测器上的每个像素位置和强度表征光谱和强度。
一个点对应一个谱段，一条线就对应一个谱面，因此探测器每次成像是空间一条线上的光谱信息，为了获得空间二维图像再通过机械推扫，完成整个平面的图像和光谱数据采集。
经过狭缝的光由于不同波长照射到不同的探测器像元上，光能量很低，因此需要选择高灵敏相机，同时需要加光源。
例如系统如下：声光可调谐滤波分光（AOTF）原理：AOTF由声光介质、换能器和声终端三部分组成。
射频驱动信号通过换能器在声光介质内激励出超声波。
改变射频驱动信号的频率，可以改变AOTF衍射光的波长，从而实现电调谐波长的扫描。
最常用的AOTF晶体材料为TeO2即非共线晶体，也就是说光波通过晶体之后以不同的出射角传播。
如上图所示：在晶体前端有一个换能器，作用于不同的驱动频率，产生不同频率的振动即声波。
高光谱信息采集及应用说明
高光谱信息采集及应用说明一、高光谱成像技术简介通俗地讲，高光谱成像技术就是将一个范围的光谱按照一定的间隔进行分光形成光谱间隔很小的一系列光谱集合，再分别用这些光谱进行成像，生成一系列图像集合。
由于高光谱将光谱分成了间隔很小的“纯净”光，因此形成的影像可以展示该波段所具有的特性。
一般情况下，400nm-1000nm的范围内，可分成200个以上的谱段，即可获取超过200幅图像，在文物图像上选取任一点，读取200幅图像上相同位置点的光谱反射率，形成一条光谱曲线，可以标识该点对光谱敏感性，形成“文物指纹”。
二、高光谱应用介绍及案例高光谱大量应用于全球的文物及艺术品发掘、颜料分析、收藏分析、签名真伪分析等领域，具体包括笔记分析、墨水分析、颜料分析和化学物质分析等。
文物分析的特点为非接触、无损、定性定量结合、可视化和实时。
（1）强化模糊或被遮蔽的痕迹图1. 发现隐藏字迹如上图1所示，BEVIN家族拥有一幅画作，通过高光谱成像分析，在短波红外段寻找出隐藏的作者独特签名“D”，通过于作者藏于其他馆的画作比对，确定该画作是西班牙画家Diego Velazquez的作品，该画作大幅增值。
图2. 发现《独立宣言》涂改字迹如上图2的美国《独立宣言》手稿，通过高光谱分析，发现了隐藏的字迹，揭示处托马斯-杰斐逊在起草时写上“我们的人民”（our fellow subjects）之后涂改为“我们的公民”（our fellow citizen），这对于研究美国历史具有重要意义。
图3. 发现烧焦纸片的字迹如上图3的烧焦纸片，进行高光谱成像后采用PCA方法进行图像分析，发现了纸片上的字迹。
（2）艺术品监控图4.可见光与紫外荧光下的艺术品如上图4所示的艺术品，进行紫外荧光假彩色成像后，可以发现艺术品外层掉漆现象，方便及时修补。
（3）探测退化标志和研究保存环境的影响图5. 梵高画作保存环境研究如上图5所示的梵高画作，可见光下笔触难以分辨，无法判断画作材质是否有变质现象，进行外红假彩色成像后，红色墨迹为正常鞣酸铁墨水，黑色墨迹为变质墨水，警示博物馆需要尽快采取行动。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
高光谱背景知识介绍
一光谱怎么作用:
组成物质的分子、原子的种类及其排列方式决定了该物质区别于其它物质的本质特征。
当电磁波入射到物质表面，物质内部的电子跃迁，原子、分子的震动、转动等作用使物质在特定的波长形成特有的吸收和反射特征，根据这个吸收或者反射的光谱，就可以反映出物质的组成成分与结构的差异。
不同的物质，光谱不同，特定的物质有特定的光谱，这是研究的方向，也是得出结论的根据。
二高光谱遥感：
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。
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。
特点：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。
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。
高光谱数据可表示为高光谱数据立方体，是三维数据结构。
高光谱数据可视为三维图像，在普通二维图像之外又多了一维光谱信息。
其空间图像为描述地表二维空间特征，其光谱维揭示了图像每一像元的光谱曲线特征，由此实现了遥感数据图像维与光谱维信息的有机融合。
(1)空间图像维：在空间图像维，高光谱数据与一般的图像相似。
(2)光谱维：从高光谱图像的每一个像元中可获得一个“连续”的光谱曲线。
采用基于光谱数据库的“光、谱匹配”技术，可以实现识别地物的目的。
同时大多数地物都具有典型的光谱波形特征，尤其是光谱吸收特征。
这些特征与地物的化学成分是密切相关的。
难点：高光谱图像处理技术面临的主要难点有:
（1）数据量大
（2）加性噪声
（3）混合像素点
（4）从地物目标到图像的光谱响应的机理和作用过程非常复杂，即使是同一种材料，其光谱表现通常也有很大的差异，即存在所谓“同物异谱”和“同谱异物”的现象。
意义：高光谱图像处理意义在于：这一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革命性地结合在一起，而许多物质的特征往往表现在一些狭窄的光谱范围
内，高光谱遥感实现了捕获地物的光谱特征同时又不失其整体形态及其与周围地物的关系。
高光谱技术产生的一组图像所提供的丰富信息可以显著地提高分析的质量、细节性、可靠性以及可信度。
三高光谱发展程度
1．高光谱数据处理技术的发展程度
（1）基于纯像元的分析方法
①基于光谱特征的分析方法。
基于光谱特征的分析方法主要从地物光谱特征上出发，表征地物的特征光谱区间和参数。
这一方法通过对比分析地面实测的地物光谱曲线来区分地物。
“光谱匹配”是利用成像光谱仪探测数据进行地物分析的主要方法之一。
②基于统计模型的分类方法。
基于统计模型的分类方法
主要是对高光谱数据样本的总体特征进行统计分析。
对样本
采样点统计分布特征的分析可以帮助识别不同的目标物。
（2）基于混合像元的分析
由于传感器空间分辨率的限制以及地物的复杂多样性，遥感影像中的像元大多数都是几种地物的混合体，而它的光谱特征也就成了几种地物光谱特征的混合体。
2．高光谱应用的发展程度
（1）在地质方面的应用
在地质方面主要利用其探测岩石和矿物的吸收、反射等诊断性特征，从而进行岩石矿物的分类、填图和矿产勘查。
（2）在植被检测中的应用
通过对来源不同的植被高光谱遥感数据采取相应的技术处理后，可将其用于植被参数估算与分析，植被长势监测以及估产。
（3）在农业中的应用
高光谱在农业中的应用，主要表现在快速、精确地获取作物生长状态以及环境胁迫的各种信息，从而相应调整投入物资的投入量，达到减少浪费，增加产量，保护农业资源和环境质量的目的。
（4）在大气和环境方面的应用
大气中的分子和粒子成分在太阳反射光谱中有强烈反应，这些成分包括水汽、二氧化碳、氧气、臭氧、云和气溶胶等。
传统宽波段遥感方法无法识别出由于大气成分的变化而引起的光谱差异，而波段很窄的高光谱则能够识别出这种光谱差异。
高光谱遥感可以对人们周围的生态环境情况做出
定量的分析（环境污染）；用来探测危险环境因素（精确识别危险废矿物，编制特殊蚀变矿物分布图，评价野火的危险等级，识别和探测燃烧区域等）。
目前主要应用于地质、植被调查、农业、环境、军事等领域。