高光谱数据的制图方法简介

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)

LS-Fit使用一个最小方框（least squares）拟合技术来进行线性波段预测。它可以用于在数据集中找出异常波谱响应区。LS-Fit先计算出输入数据的协方差，用它对所选的波段进行预测，预测值等于所用预测波段的线性组合再加上一个偏移值，在该过程中计算了实际波段和模拟波段之间的残差，并输出为一幅图像。残差大的像元（无论正负）表示出现了不可预测的迹象（即一个吸收波段）。模拟波段的图像也被包括在输出中。被预测的波段可以根据现有统计或新的统计进行计算。

3.1用新的统计信息进行预测

选择Spectral--Mapping Methods--LS-Fit(Linear Band Prediction)—Predict with new Statistics。选择输入文件，根据需要选取空间子集。将出现LS-Fit Parameters对话框。设置参数如图3-1：

图3-1 用新的统计信息进行预测的参数设置

输出包含两个波段：模拟波段和残差图像。残差图像中，值较大的像元，无论正负，都表明了所在位置的实际波段和模拟波段的差异。预测结果如图3-2：

图3-2 用新统计信息进行预测的模拟波段（左）和残差图像（右）

3.2根据现有统计信息进行预测

使用Predict from Existing Stats选项可以根据现有的统计文件对波段进行预测。注意：只有在统计文件中包含协方差值的波段才能作为预测波段或模拟波段。

选择Spectral--Mapping Methods--LS-Fit(Linear Band Prediction)--Predict from Existing Stats。选择输入文件，根据需要选取空间子集,选择与输入的数据文件相对应的统计文件,这里用到3.1中生成的统计文件。在出现LS-Fit Parameters对话框，只有统计计算中用到的波段才可以被选为预测波段或模拟波段。设置参数如图3-3：

图3-3用现有的统计信息进行预测的参数设置

输出包含的两个波段：模拟波段和残差图像。残差图像中，值较大的像元，无论正负，都表明了所在位置的实际波段和模拟波段的差异。预测结果如图3-4：

图3-4 根据现有统计信息进行预测的模拟波段（左）和残差图像（右）由图3-2和图3-4得：两种预测方法结果类似，区别不大。

4.匹配滤波

使用Matched Filtering选项可以进行局部分离，用于确定用户自定义端元的权重。该方法并不需要图像中所有的端元都是已知的。这项技术使已知端元的响应最大化，并抑制了未知背景合成的反应，因此“匹配”了已知信号。它根据图像要素对波谱库或图像端元波谱的匹配程度，无需对图像中所有端元波谱进行了解，就可以快速探测出特定要素。

选择菜单栏Spectral--Mapping Methods--Matched Filtering。当出现Matched Filter Input File selection 对话框时，选择输入文件，或根据需要选取任意空间和波谱子集或掩膜。点击“OK”，将出现Endmember Collection:Matched Filter 对话框,选择相应的波谱，如图4-1

图4-1 匹配滤波对应参数和端元选择

匹配滤波的结果将以一系列灰阶图像的形式出现，每幅图像对应一个选择的端元。浮点型结果提供了像元与参照波谱相对匹配程度的估计方法（1.0表示完全匹配），以及亚像元的权重。

图4-2 匹配滤波生成的一系列灰阶影像图

5.混合调制匹配滤波

使用Mixture Tuned Matched Filtering TM(MTMF )TM选项可以进行匹配滤波，混合调制匹配滤波需要输入经过MNF变换的文件或其它的isotropic数据，单位变化噪声。

MNF Rotation（Minimum Noise Fraction）工具用于判定图像数据内在的维数（即波段数），分离数据中的噪声，减少随后处理中的计算需求量。Forward MNF变换用于估计第一次旋转中所用的噪声统计。该选项包括：从输入的数据中估计噪声；运用以前计算的噪声统计；使用与数据集相关的“暗色图像”（dark Image）进行噪声统计。本文应用“从输入的数据中估计噪声”的方法，

选择菜单栏Transforms--MNF Rotation--Forward MNF--Estimate Noise Statistics From Data，

选择要输入的文件以及子集，在出现的对话框保存统计文件：

图5-1 Forward MNF Transform对话框保存设置

ENVI处理完毕后，MNF波段将被导入到可用波段列表中，并显示MNF EigenValues 图表窗口如图5-2。输出的MNF波段数等于选择输出的波段数，本实验选取了前50个波段。

特征值较大（大于1）的波段包含数据，特征值接近于1的波段包含噪声。显示可用波段列表中的特征图像（MNF波段），并与MNF特征值图表相比较，可以判定出哪些波段包含数据，哪些波段主要包含噪声。在随后的数据处理中，所选取的MNF波段的子集应该仅包括那些图像在空间上连续显示且特征值大于MNF图表中曲线陡坡转折处的特征值的波段。

图5-2 MNF EigenValues 图表窗口

选择Spectral--Mapping Methods--Mixture Tuned Matched Filtering。当出现Mixture Tuned Matched Filter Input File selection 对话框时，根据需要选择所需的MNF文件或其空间和波谱子集。点击“OK”。将出现Endmember Collection:Mixture Tuned Matched Filter 对话框。输入要被匹配的波谱（MNF空间）。当所需波谱选择完毕后，点击“Apply”。将出现Mixture Tuned Matched Filter Parameters 对话框。用箭头切换按钮选择“Compute New Covariance Stats”，选择输出到“Memory”或“File”。在“Output Data Type”菜单中，选择输出数据类型：浮点型，点击“OK”，开始处理。

图5-3 混合调制匹配滤波结果图

6．去除包络线

包络线去除是将反射波谱标准化的一种方法，它允许从通用的基线对每个吸收特征进行比较。包络线去除是一个在波谱顶部的凸起的外壳拟合，它用直线段连接局部的波谱最大值。

注意：使用不同的波谱子集将得到不同的结果，因此应当抽取包含吸收特征的感兴趣区作为子集。通过将包络线区分为图像中每个像元的实际波谱而把它消除。在最终图像中的包络线和匹配波谱处，波谱等于1.0，出现吸收特征的区域波谱小于1.0。也可以对数据文件或绘图窗口中的单个波谱进行包络线去除。

选择菜单栏Spectral--Mapping Methods--Continuum Removal。当出现Continuum Removal Input File对话框时，选择输入文件，若需要，选取任意子集或掩模。为得到最好的结果，应当抽取包含吸收特征的感兴趣区作为子集。

点击“OK”。当出现Continuum Removal Parameters对话框时，选择输出到“Memory”或“File”。点击“OK”，开始处理。结果如图7-1：

图7-1 去包络线结果图（右）与原影像图（左）对比

7．波谱特征拟合

Spectral Feature Fitting TM(SFF TM)是一种基于吸收特征的方法，使用最小方块技术将图像波谱的拟合比选择的参照波谱。在对数据集进行包络线去除以后，参照波谱被缩放，从而与图像波谱相匹配。

该方法将为每一个参照波谱输出一幅比例图像，它可以对与要素权重相关的吸收特征的强度进行度量。波谱特征拟合在一个小方块范围内，在每个选择的波长处对图像和参照波谱进行比较，并为每个参照波谱评定平方根误差。

选择菜单栏Spectral--Mapping Methods--Spectral Feature Fitting。当出现Spectral Feature Fitting Input File对话框时，选择经过包络线去除的输入文件，若需要，选取任意子集或掩膜。为得到最好的结果，应当抽取包含吸收特征的感兴趣区作为子集。在出现的Endmember Collection: Feature Fitting对话框中输入所需的参照波谱。

点击“Apply”。当出现Spectral Feature Fitting Parameters对话框时，用箭头切换按钮选择“Output separate Scale and RMS Images”或“Output Combined (Scale/RMS) Image”，如图7-1，并选择输出位置。

图7-1 Spectral Feature Fitting Parameters对话框选择

波谱特征拟合结果

波谱特征拟合将为每个参照波谱输出一幅比例图像和RMS图像或一幅合成的“拟合”图像(Scale/RMS)。比例图像可以对与要素权重相关的吸收特征的强度进行度量。

在比例图像中，较亮的像元表明该像元与那些像元（RMS误差低的区域中的像元）中的参照要素匹配较好。然而，如果输入了错误的参照端元或使用了错误的波长范围，就会出现一个远远大于1的比例值。波谱特征拟合在一个小方块范围内，在每个选择的波长处对图像和参照波谱进行比较，并为每个参照波谱评定平方根误差。在RMS误差图像中暗像元代表了误差值低，这些像元能与比例图像的结果相结合，用于确定与参照波谱最匹配的区域。

对波谱特征拟合结果的处理

在一幅图像中确定与参照波谱匹配最好的区域，作出RMS和scale的二维散点图。在散点图中，划出RMS值低、scale值高的区域作为感兴趣区，以突出显示与参照波谱匹配最好的像元。

另外一种生成结果（显示参照要素分布）的方式是运用“拟合”图像(Scale/RMS)。较高的拟合值表明该像元与参照波谱匹配较好。