高光谱遥感

高光谱遥感应用
概念： 具有比较高的光谱分辨 率，通常能达到10-2λ数量级，
高光谱遥感具有波段多的特 点，光谱通道数多达数十甚 至数百个以上，而且各通道 间往往是连续的，因此高光 谱遥感通常也被称为成像光 谱遥感（Imaging Spectrometry）。
基本概念
遥感成像技术的发展一直伴随着两方面的进步：一是通
④定量化的连续光谱曲线数据为地物光谱机理模型引入图像分类提
供了条件。 劣势：
①对数据冗余处理不当，反而会影响分类精度；
②对定量化要求高，数据前处理复杂； ③波段多，波段间的相关性大，对训练样本数量要求高；
④使用统计学分类模型对光谱特征选择要求很高。
四、高光谱图像分类与目标识别
面向高光谱图像特点的分类算法:
高光谱图像目标识别:
①从数字信号到辐射值的转换，这个过程要求在辐射和光谱上有
高精度的定标；
②剔除大气效应：从辐射值到地面视反射率； ③纠正光照几何因素和地形影响：视反射率到地面反射率； ④光谱特征选择、特征提取、数据空间转换等； ⑤从光谱数据库中提取所要识别的目标标准光谱；或者从图像中 提取光谱端元、识别和确认所找出的端元光谱； ⑥光谱匹配和识别，采用全波形匹配或者特征参量光谱匹配；也 可以采用混合光谱分解的方法，分解每一像元光谱，得出每像元 中各端元组分的相对含量。
谱特征空间，但它包括了该对象的主要特征光谱，并在一个 含有多种目标对象的组合中，该子集能够最大限度地区别于 其它地物。
光谱特征选择：光谱特征位置搜索 光谱相关性分析 光谱距离统计
三、高光谱图像光谱分析技术 （光谱特征位置搜索）
包络线去除（Continuum Removal ）：光谱曲线的包络线从 直观上看，相当于光谱曲线的“外壳”。
基于光谱特征选择的图像彩色合成-目标在图像中的快速检索
三、高光谱图像光谱分析技术 （光谱距离统计）
三、高光谱图像光谱分析技术 （光谱距离统计）
三、高光谱图像光谱分析技术 （光谱特征提取）
三、高光谱图像光谱分析技术 （光谱hift difference)
定义：高光谱遥感是高光谱分辨率遥感 (Hyperspectral Remote Sensing)的简称，是指利用很多很 窄的电磁波波段从感兴趣的物体，获取许多非常窄且光 谱连续的图像数据的技术。目前，一般将波长间隔10nm 以下，波段数36个以上的遥感系统定义为高光谱遥感。 传感器：高光谱遥感的传感器是成像光谱仪
N !/ (( N M )! M !) 100!/ (100 3)! 3!) 161, 700
（2）统计参数的估计偏差增大
随着波段数增多，样本的统计参数也要求越多。为了 达到比较精确的参数估计，训练样本数应当是所用波段数 的10倍以上，在样本数不变的情况下，分类精度随所使用 波段数的变化呈现Hughes现象。
（3）ATREM辐射校正模型（Atmospheric removal）
（4）ACORN软件（Atmospheric CORrection Now ）
三、高光谱图像光谱分析技术 （光谱特征选择）
光谱特征选择与提取
（1）光谱数据量和运算量巨大
假设原始光谱波段数为N，优选后的光谱波段是M， N>M，则光谱特征组合的数目为：
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遥感。
光谱分辨率（Spectral Resolution）
指探测器在波长方向上的记录宽度，又称波段宽度 （Bandwidth）。光谱分辨率被严格定义为仪器在达到 50%光谱响应时的波长宽度。
Airborne Visible Infrared Imaging Spectrometer (AVIRIS) Datacube of Sullivan’s Island Obtained on October 26, 1998
Color-infrared color composite on top of the datacube was created using three of the 224 bands at 10 nm nominal bandwidth.
在光谱区间[λ1，λ2]，模拟出的直线段如下：
R aX b, X [1 , 2 ]
三、高光谱图像光谱分析技术 （光谱特征参量化）
2、光谱二值编码
三、高光谱图像光谱分析技术 （光谱特征参量化）
3、光谱微分
4、光谱积分
三、高光谱图像光谱分析技术 （光谱特征参量化）
5、光谱吸收指数
三、高光谱图像光谱分析技术 （光谱特征参量化）
三、高光谱图像光谱分析技术 （光谱特征位置搜索）
光谱曲线包络线算法：
设有反射率曲线样点数组r（i），波 长数组w（i），i=0，1，……，k-1； （1）i=0，将r（i），w（i）加入到包 络线节点表中； （2）求新的包络节点。若i=k-1则结 束，否则j=i+1； （3）若j=k-1，则结束，将r（j），w （j）加入到包络线节点表中，否则连 接i、j，检查（i，j）直线与反射率曲 线的交点。
光谱吸收指数（ Spectral Absorption Index, SAI ）
四、高光谱图像分类与目标识别
高光谱图像分类的特点
优势： ①光谱分辨率高，能够获取地物精细的光谱特征曲线，模型可选择 性强； ②在同一空间分辨率条件下，遥感器覆盖波长范围更宽； ③波段多，为波段之间的相互校正提供了方便；
R F
二、高光谱图像预处理 （大气辐射校正）
（3）平均域法
平均域法是选择图像中一块面积大且亮度高而光谱响应曲线变化平
缓的区域（Flat Field），利用其平均光谱亮度值来模拟飞行时的大气条 件下的太阳光谱。通过将每个像元的DN值除以该平均光谱辐射值的比值 作为地表反射率，以此来消除大气的影响。
三、高光谱图像光谱分析技术 （光谱特征选择）
Hughes现象：即分类精度随着特征数的增加上升到一定程度 后开始下降，该问题的存在严重影响了影像分类精度。
三、高光谱图像光谱分析技术 （光谱特征选择）
光谱特征选择（Feature Selection）就是针对特定对象选 择光谱特征空间中的一个子集，这个子集是一个缩小了的光
（6）光谱曲线函数模拟
三、高光谱图像光谱分析技术 （光谱特征参量化）
1、光谱斜率和坡向
在某个波长区间内，如果光谱曲线可以非常近似地模拟出一条直线 段，这条直线的斜率被定义为光谱斜率。如果光谱斜率为正，则该段光 谱曲线被定义为正向坡；如果光谱斜率为负，则该段光谱曲线被定义为 负向坡；如果光谱斜率为零，则该段光谱曲线被定义为平向坡。光谱坡 向指数为SSI。
四、高光谱图像分类与目标识别
四、高光谱图像分类与目标识别
目标识别或光谱识别是个复杂的问题，其中三个最大的 难点在于：
（1）地物在复杂环境中的光谱不确定性（Spectral Variability）； （2）光谱识别需要很高信噪比（Signal-to-Noise）的高光谱图像； （3）混合像元问题（Spectral Mixture）。
一、高光谱图像数据表达
光谱曲线（Spectral Curve ）
光谱曲面（Spectral Surface）
二、高光谱图像预处理 （大气辐射校正）
高光谱图像大气辐射校正
1、基于统计学模型的反射率反演
（1）经验线性法
DN kR b
（2）内部平均法
内部平均法是假定一幅图像内部的地物充分混杂，整幅图像的平均 光谱基本代表了大气影响下的太阳光谱信息。因此，把图像DN值与整幅 图像的平均辐射光谱值的比值确定为相对反射率光谱。
过减小遥感器的瞬时视场角（Instantaneous Field of View， IFOV）而提高遥感图像的空间分辨率（Spatial Resolution）； 二是通过增加波段数量和减小每个波段的带宽，来提高遥感 图像的光谱分辨率（Spectral Resolution）。
术语：光谱分辨率；空间分辨率；仪器的视场角；调制传递函数； 信噪比；探测器凝视时间；
高光谱图像目标识别的实质就是光谱识别，光谱识别可 以概括为确某一未知光谱属于某一种已知光谱的确认概率 （Certainty Probability）。
确认概率就是要量测两条光谱之间若干特征（Features） 或规则（Rules）的满足数量。光谱识别要求地物具有排它性 的光谱特征。
四、高光谱图像分类与目标识别
探 测 器 光 谱 响 应
100
波段 宽度
50
50%
0 0.4 0.5 0.6 0.7
%
波长/μm
高光谱遥感图像处理与分析
一、高光谱图像数据表达
二、高光谱图像预处理
三、高光谱图像光谱分析技术
四、高光谱图像分类与目标识别 五、混合像元光谱分解
一、高光谱图像数据表达
图像立方体（Data cube）
(Imaging Spectrometer)，它为每个像元提供数十至数百
个窄波段（通常波段宽度＜10nm）的光谱信息，能产生 一条完整而连续的光谱曲线。
高光谱遥感（Hyperspectral Remote Sensing）
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：用很窄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
三、高光谱图像光谱分析技术 （光谱特征位置搜索）
①设m=j+1 ② 若m=k-1则完成检查，j是包络线上的点，将w（j），r（j）加入到包 络线节点表中，i=j，转到（2）； ③否则，求i，j与w（m）的交点r’（m）； ④如果了r（m）>r‘（m），则j不是包络线上的点，j=j+1，转到（3）； 如果r（m）≤r‘（m），则i，j与光谱曲线最多有一个交点，m=m+1，转 到② 。