基于高光谱的目标探测方法分析
高光谱遥感
• 中国：MAIS、PHI、OMIS-1（10个热波段）、 中国： 个热波段）、 、 、 （ 个热波段 CMODIS（神舟III号） 、Env-DD（环境灾害小卫星） （神舟 号 （环境灾害小卫星）
三、高光谱遥感技术优势与局限性
优势 1：充分利用地物波谱信息资源 ：
图 不同波谱分辨率对水铝反射光谱曲线
优势 2： 利用波形 精细光谱特征进行分类与识别地物 ： 利用波形/精细光谱特征进行分类与识别地物
Al-OH
Paragonite
Muscovite
Phengite
三种类型的白云母精细光谱特征
岩石的光谱发射率特征
航空高光谱遥感飞行设计图
（2）光谱特征参数定量分析技术 ）
不同水分含量的叶片的光谱反射率
RWC(%)=24.5+7.13*面积 (R2=0.845)
（3）光谱匹配技术（二值编码） ）光谱匹配技术（二值编码） • 岩矿光谱分类与识别
岩石和矿物
2.15-2.31微米 粘 土 矿 2.24-2.31微米 Mg-OH 对称性>1 滑石 2.15-2.19微米 叶蜡石 2.31-2.35微米 碳 酸 盐
优势 3： 利用图 谱实现自动识别地物并制图 ： 利用图-谱实现自动识别地物并制图
局限1：海量数据的传输、 局限 ：海量数据的传输、处理与存储 128波段的 波段的OMIS: 采集数据速率 采集数据速率60Mb/s；400Mb/km2 波段的 ；
高光谱遥感信息的图像立方体表达形式是一种新 高光谱遥感信息的图像立方体 表达形式是一种新 型的数据存储格式， 型的数据存储格式，其正面图像是由沿飞行方向的扫 描线合沿扫描方向的像元点组成的一景优选的三波段 合成的二维空间彩色影像； 合成的二维空间彩色影像；其后面依次为各单波段的 图象叠合，其数据量为所有波段图像的总和； 图象叠合，其数据量为所有波段图像的总和；位于图 像立方体边缘的信息表达了各单波段图像最边缘各像 元的地物辐射亮度的编码值或视反射率。 元的地物辐射亮度的编码值或视反射率。
高光谱成像技术原理
高光谱成像技术原理高光谱成像技术原理是一种将光谱分辨率提高到较高水平的成像技术。
它基于人眼无法察觉到的远红外和紫外波段的能力，能够获取物体的高精度光谱信息。
高光谱成像技术通过同时采集目标场景上的多个连续波段的光谱数据，实现对物体表面的光谱细微变化的探测和分析。
高光谱成像技术的原理基于物体的光谱吸收和反射特性。
当光线通过或反射于物体表面时，被物体吸收或反射的光波将发生变化。
高光谱成像系统通过对各个波段的频谱进行连续测量，可以获取到物体在不同波段下的光谱信息。
通过分析这些光谱数据，我们可以获取到物体的光谱特征，进而对物体进行分类、识别和定量分析。
高光谱成像技术的原理还包括光谱解混合和特征提取。
当目标场景中存在多个物体或目标时，它们的光谱将混合在一起，难以区分。
光谱解混合是指将混合光谱分离出不同的成分，以便更准确地分析和识别目标。
特征提取则是指从光谱数据中提取出与目标特征相关的信息，例如物体的化学成分、表面反射率等，以便更深入地理解目标的性质和状态。
高光谱成像技术还涉及成像系统的设计和数据处理。
高光谱成像仪器通常由光学系统、探测器和数据处理单元组成。
光学系统负责将目标场景中的光线聚焦到探测器上，以获取光谱数据。
探测器则负责将接收到的光信号转换成电信号，进而进行数字化处理和存储。
数据处理单元则对采集到的光谱数据进行预处理、反演和分析，以提取目标信息并进行图像重建。
总之，高光谱成像技术原理基于物体的光谱吸收和反射特性，通过采集目标场景上的多个波段光谱数据，实现对物体的光谱细微变化的探测和分析。
它可以用于遥感、农业、地质勘探、环境监测等领域，为科研和实际应用提供了强大的工具和手段。
高光谱成像技术的研究与应用
高光谱成像技术的研究与应用第一章绪论高光谱成像技术是一种光谱学和遥感技术相结合的跨学科技术，它将高分辨率图像采集和光谱分析技术相结合，通过获取材料或目标物的高分辨率、高精度和高光谱信息来分析和识别不同物质。
高光谱成像技术的研究和应用领域非常广泛，包括环境监测、农业、食品安全、医学诊断、资源探测等。
本文将重点讨论高光谱成像技术的研究和应用。
第二章高光谱成像技术的基本原理和特点高光谱成像技术的基本原理与传统光谱学相似，但它有着更高的空间分辨率特点。
通过光学方法获取物体所反射的光谱信息，然后对光谱信息进行处理和分析，来识别出不同材料。
不同于人眼感知的三种基本光谱，高光谱成像技术能获取更细致、更全面的光谱信息，可以对物质进行更精细的区分和建模，因此被广泛应用于物质定量和区域分类等方面。
第三章高光谱成像技术的应用领域3.1 环境监测领域高光谱成像技术在环境监测领域起到了重要的作用。
例如，通过高光谱成像技术可以快速准确地判别海洋中的浮游植物，监测陆地表面的叶绿素含量及其变化，了解空气污染源的类型和数量等，从而进行环境问题的精细化监管和管理。
3.2 农业领域高光谱成像技术在农业领域也有广泛的应用。
例如，可以利用高光谱成像技术对农作物的种类、生长状态、病害、虫害等进行快速有效的诊断和监测，为农作物的生长条件进行优化，从而提高农业的生产效益和品质。
3.3 食品安全领域高光谱成像技术还可以用于食品安全领域，例如检测食品中的毒素、有害物质等。
通过对食品进行高光谱成像检测，可以快速准确地检测到有害成分的存在，并能对其种类和含量进行定量分析，从而加强食品安全的监管和保障。
3.4 医学领域高光谱成像技术在医学领域也有应用，例如利用高光谱成像技术可以对肿瘤等疾病进行早期快速检测，从而提高医学的诊断效率和效果。
3.5 资源探测领域高光谱成像技术在资源探测领域也有广泛的应用，例如可以通过高光谱成像技术快速准确地检测和监测矿物质的种类和含量，从而为资源勘探、开采、利用提供准确有效的科学依据。
基于跨平台红外高光谱观测的对流层三维风场测量
Vol 41,No. 4<pp1131-1137April, 2021第41卷，第4期2021 年 4 月光谱学与光谱分析SpectroscopyandSpectralAnalysis基于跨平台红外高光谱观测的对流层三维风场测量杨天杭1! 2 ! 3,顾明剑1! 2*,胡秀清4,吴春强4,漆成莉4,邵春沅121. 中国科学院红外探测与成像技术重点实验室，上海2000832. 中国科学院上海技术物理研究所，上海2000833 中国科学院大学!北京 1000494.国家卫星气象中心中国遥感卫星辐射测量和定标重点开放实验室，北京100081摘要精确的风场数据对提高数值天气预报准确性具有重要意义，对流层风是改进天气预报的要素之一$虽然利用气象卫星成像仪对连续云图追踪特征目标进行导风是一种有效的风场观测方法，且在区域和全球尺度上改善了数值天气预报，但仍存在风场高度分配模糊问题而产生误差$星基红外高光谱探测仪具备大气温湿度廓线垂直探测能力，通过分析各个垂直分层内的大气参数运动得到三维风场，能够提升风场垂直高度的准确性，改进风场高度分配模糊问题$提出了利用跨平台极轨气象卫星FY3D 星红外高光谱大气探测仪HIRAS 和NOAA-20星跨轨红外探测仪CIS 交叉观测对流层三维风场的创新方法，根据两仪器近重叠轨道星下点交叉观测辐射数据匹配水汽通道图像，通过稠密光流法分析目标运动变化并计算风场，对风矢量进行质量控制后同ERA-Interim 再分析资料作定量化比较,分析风速均值绝对偏差、均方根误差和风向均值绝对偏差$分别对2019年2月20日UTC 世界时00 ： 00 , 06 ： 00 , 12 ： 00的HIRAS 和CrIS 交叉数据 计算200, 300, 400, 600, 650和1 000 hPa 六组垂直高度风场,结果表明,风速范围的变化趋势与再分析资料表现一致，风速范围随高度降低而减小，高层对20m ・s 1以上风速更敏感，地表附近测得风速集中在10m • s 1以内$风速均值绝对偏差多数小于3m ・s 1,最大不超过4m ・s X 风速均方根误差多数小于3. 5 m ・s i ,最大不超过4.5m ・s 风向均值绝对偏差多数小于30°最大不超过40°风场误差主要来自仪器自身设计参数不同引入辐射数据的观测偏差，以及因数据空间分辨率不同导致在图像重投影处理过程中引入的定位偏差$关键词 红外高光谱大气探测仪&对流层三维风场&水汽通道中图分类号：P412. 292文献标识码：ADOI： 10. 3964/j. issn. 1000-0593(2021)04-1131-07引言三维风场资料对提高天气预报精度有重要影响，当前气象卫星导风的主流方法是通过星载成像仪追踪连续时间序列图像中大气矢量特征运动得到的，并且必须为该特征矢量指定高度$虽然该方法能够有效推导风场，且一定程度上改善了数值天气预报⑴，但存在两方面限制因素而产生风速误差,分别是风场高度分配和风场覆盖范围,如MODIS/AVHRR/VIIRS 的风场产品的纬度要求为大于70°高度限制在三层& GOES 为土 60°纬度范围的风场产品，通过追踪云 层或高层单层水汽提取风场，风速均方根误差为5〜6 m ・s 】$风场高度分配错误将不能满足数值预报模式要求，造成资料同化困难()$星载红外高光谱仪具备垂直探测大气参数能力，利用指 定高度的观测辐射数据追踪大气运动矢量(如水汽)反演风场，能够减小高度分配误差$文献［3)中使用静止轨道傅里 叶变换光谱成像仪 GIFTS 高 光谱模拟数据开发了 可分辨高度的晴空风场反演算法，追踪目标为高度确定的水汽场图像序列$文献M 中提出了基于小型化、高分辨率、宽视场的中波红外温湿度探测仪MISTiC™组成测风星座方案，为重点解决风场高度误差，同时兼顾仪器设计成本$风云三号D 星(FY-3D)红外高光谱大气探测仪HIRAS (Hyperspectral Infrared Atmospheric Sounder )是我国极轨气收稿日期：2020-03-30,修订日期：2020-07-14基金项目：国家重点研发计划项目(018YFB0504800, 2018YFB0504802)资助作者简介：杨天杭,1992年生,中国科学院上海技术物理研究所博士研究生e-mail : 549611758@%通讯作者e-mail 'gumingj @1132光谱学与光谱分析第41卷象卫星第一个红外高光谱探测仪器,具有2275个光谱通道，光谱分辨率为0.625cm-1$美国极轨气象卫星NOAA-20"National Oceanic and Atmospheric Administration-20）跨轨红外探测仪CrIS（Cross-track Infrared Sounder）具有2211个光谱通道光谱分辨率0.625cm-1$两仪器光谱规格（包括光谱范围和光谱分辨率）仅在长波高频不同⑺，HIRAS 为1135cm-1,CrIS为1095cm-1$HIRAS具备高光谱分辨率、大量光谱通道、高精度光谱定标和辐射定标等仪器性质，预期将提高大气垂直探测和数值天气预报的准确性和精度（）$文献［9］利用CrIS极地观测资料进行过风场反演实验，证明了红外高光谱数据测风的可行性，但单一极轨星载探测仪测量风场仍存在区域限制$本文基于FY-3D/HIRAS和NOAA-20/CIS红外高光谱交叉观测数据，提出一种短期晴空大气对流层三维风场测量的创新方法！并进行定量化比对验证$1实验部分红外高光谱大气探测仪HIRAS是一台分步扫描式傅里叶变换光谱仪（0）,对地扫描共观测29个驻留视场（FOR）,每个FOR包括2X2排列的探元阵列，即像素视场（FOVs）,星下点地面瞬时视场大小约为16km（1）$跨轨红外探测仪CrIS是一台步进扫描式傅里叶变换光谱仪（2）,对地扫描共观测30个FOR,每个FOR包括3X3排列的探元阵列，星下点地面瞬时视场大小约为14km$由于CrIS高精度的辐射和光谱定标，被全球空间交叉定标系统GSICS（Global Space-based Inter-Calibration Sytem）推荐为红外通道交叉定标的基准仪器之一$FY3D/HIRAS和NOAA-20/CIS的仪器参数特征如表1所示$包括轨道高度、赤交点地方时、空间分辨率、光谱分辨率、通道数、光谱范围$HIRAS与MetOp/IASI（Infrared Atmospheric SoundingInterferometer）辐射定标性能交叉对比评估表明长波和中波偏差约为0.5K,短波偏差约为1.5K（3）；与CrIS在长波和中波的偏差分别约为0.3和0.7K,短波CO吸收带和窗区偏差约为0.5K（）$辐射定标一致性良好$本文采用FY3D/HIRAS和NOAA-20/CIS L1级数据用于测量对流层三维风场$1.1方法利用FY-3D/HIRAS和NOAA-20/CIS交叉匹配数据，通过分析水汽图像光流运动特征提取风场，算法流程如图1所示，主要包括数据预处理、目标追踪、分析验证$Table1Instrument characteristics of HIRAS and CrIS表1HIRAS和CrIS的仪器参数特征Instrument characteristics HIRAS CrIS Orbit height/km830.5834Local equatorial13：4013：25 Spatial resolution(nadir)/km16.014.0 Spectral resolution/cm-10.6250.625 Numberofchannels22752211LWIR：15.38〜8.8LWIR：15.38〜9.14 Spectralcoverage/)m MWIR：8.26〜5.71MWIR：8.26〜5.71SWIR： 4.64〜3.92SWIR： 4.64〜3.92图1FY-3D/HIRAS和NOAA—2O/CIS跨平台测风方法流程Fig.1Winds measurements proces s of FY-3D/HIRAS and NOAA-2O/CrIS on cross-platform1.2数据预处理根据中国气象局（CMA）国家卫星气象中心（NSMC）提供的FY-3D和NOAA-20两颗卫星近重叠轨道预报的轨道交点位置和时间，在赤道附近的连续轨道上能够匹配到很多瞬时交叉星下点，由于FY3D/HIRAS和NOAA-20/CIS两台仪器参数设计不同，需对观测辐射数据进行预处理，包括数据通道选择，亮温图像重投影，重访区域匹配$1.2.1数据通道选择选择水汽作为示踪物相对于红外窗区大气运动矢量具有更好的空间分布［⑷，且受云的影响较小，光谱权重函数是透过率随垂直高度的变化率曲线，利用RTTOV（Radiative Transfer for TOVS）可以计算晴空中的快速辐射透过率（5）,图2为HIRAS中波红外水汽通道（1210〜1750cm-1）权重函数曲线$第4期光谱学与光谱分析11330.00.05 0.10 0.15 0.20 0.25 0.30 0.35Weight response图2 HIRAS 中波红外水汽通道（1 210〜1 750 cm "1 ）权重函数曲线Fig. 2 HIRAS weight function of vapor channelsin MWIR （1 210 〜1 750 cm"1）通道选择原则为：对流层中层以上，在具有相同峰值层的通道中选择权重函数峰值最高的通道；对流层低层，选择曲线陡峭和峰值较大的通道（6） $1 2.2 图像重投影及重访区域匹配HIRAS 空间分辨率为16 km , CIS 空间分辨率为14km ,为保证连续观测的图像尺度一致，即空间分辨率和重访区域相同，需对星下点交叉辐射数据的亮温图像进行重投影和地理位置匹配$图3为匹配后的HIRAS 和CIS 波数为1 460. 625 cm —1的水汽亮温图像,经纬度分辨率为0. 125°,地理范围为纬度11 0—31 25N ,经度161 75—151 25W $1.3目标追踪使用稠密光流算法（即计算图像所有像素点的光流）求解 运动风矢量（7）,光流基本假设包括：目标的像素亮度不变、光流变化几乎光滑、同一子图像中相邻像素之间具有相似的运动$通过引入图像金字塔方法解决区域与全局上的视觉差异，从不同尺度对图像进行观察，由高到低逐层利用上一层已求得的信息来计算下一层信息，最终得到光流场$1.4分析验证由于存在水汽观测误差或目标追踪误差，导致风矢结果产生错误，需要通过客观事实和主观判断等方法进行风场质 量控制，最后用再分析风场资料定量化验证$采用ERA-In-terim 再分析资料验证风场精度，图4为2019年2月20日UTC 世界时12：00的ERA-Interim 多层风场资料，经纬度分辨率同样为0.125°$2结果与讨论基于上述利用跨平台红外高光谱数据测量对流层三维风场算法,以HIRAS 和CIS 在2019年2月20日UTC 世界时00：00, 06：00和12：00近重叠轨道交叉数据作为输入计算垂直风场，并与ERA-Interim 再分析资料风场数据进行比 对验证，通过风速均值绝对偏差、均方根误差以及风向均值绝对偏差定量化分析风场测量结果$161.75°W 156.75°W 151.75°W图3 匹配后的HIRAS 和口 CrIS 水汽通道1 460.625 cm "1亮温图像Fig. 3 BT images at 1 460. 625 cm"1 of vapor channel of HIRAS and CrIS aftermatching1134光谱学与光谱分析第 41 卷Longitude图 4 2019 年 2 月 20 日 UTC12：00 ERA-Interim 再分析风场资料(s /U I )p u<D d sP u -MFig. 4 Wind field of ERA-Interim re-analysis dataat 12：00 UTC , Feb. 20, 2019分别选择 200, 300, 400, 600, 650 和 1 000 hPa 六组垂直高度水汽通道数据，匹配后的经纬度分辨率为0.125°。
空间目标探测与识别方法研究
空间目标探测与识别方法研究一、概述空间目标探测与识别作为航天领域的重要研究方向，旨在实现对地球轨道上各类空间目标的精确探测和有效识别。
随着航天技术的不断发展，空间目标数量日益增多，类型也日趋复杂，这给空间目标探测与识别带来了前所未有的挑战。
深入研究空间目标探测与识别方法，对于提升我国航天事业的国际竞争力、维护国家空间安全具有重要意义。
空间目标探测主要依赖于各类传感器和探测设备，如雷达、光电望远镜、红外传感器等。
这些设备能够捕获空间目标的信号或特征信息，为后续的目标识别提供数据支持。
由于空间环境的复杂性和目标特性的多样性，探测过程中往往伴随着大量的噪声和干扰，这要求我们必须采用先进的信号处理技术来提取有用的目标信息。
空间目标识别则是基于探测到的目标信息，利用模式识别、机器学习等方法对目标进行分类和识别。
识别的准确性直接影响到后续的空间态势感知、目标跟踪以及空间任务规划等工作的质量。
如何提高识别算法的准确性和鲁棒性，是当前空间目标识别领域的研究重点。
本文将对空间目标探测与识别方法进行深入研究，包括探测设备的选择与优化、信号处理技术的研究与应用、以及识别算法的设计与实现等方面。
通过对这些关键技术的探讨，旨在为提升我国空间目标探测与识别的能力提供理论支持和技术保障。
1. 空间目标探测与识别的背景与意义随着科技的飞速发展和人类对宇宙探索的深入，空间目标探测与识别技术逐渐成为当今科研领域的热点。
空间目标包括各类卫星、太空碎片、深空探测器以及潜在的太空威胁等，它们的存在与活动对人类的航天活动、地球安全以及宇宙资源的开发利用具有重要影响。
在空间目标探测与识别领域，通过高精度、高可靠性的技术手段对空间目标进行实时、准确的监测与识别，对于保障航天器的安全运行、预防太空碰撞、维护国家安全和促进航天事业的发展具有重要意义。
对于深空探测和宇宙资源的开发利用，空间目标探测与识别技术也提供了有力的技术支撑。
随着太空竞争的加剧，空间目标探测与识别技术也成为各国军事竞争的重要领域。
ENVI4.8版本中高光谱遥感——SPEAR Tools简介
高光谱遥感——ENVI 4.8版本中的SPEAR Tools简介SPEAR Tools全称是光谱处理与分析工具（Spectral Processing Exploitation and Analysis Resource），在这里ENVI提供了一系列的处理工具，并形成向导引导使用者按照ENVI的标准处理影像。
SPEAR包含以下10个流程化处理模块：异常检测模块：搜索光谱不同的背景（谱异常）目标变化检测模块：检测统一地区不同时段光谱变化的异常谷歌地球桥接器：提供一个简单的方法将ENVI中的图像或矢量文件输出到Google Earth中道路提取模块：从影像中流程化提取道路信息水体提取模块：从影像中流程化提取河流，隐蔽水沟信息水的相对深度模块：从高光谱数据中快速获取感兴趣水域水的相对深度信息影像植被指数提取模块：快捷容易地确定植被的存在情况，并用多光谱图像可视化该植被的活力水平。
船只提取模块：船只提取模块，利用水和船的对比度。
以及船的纹理特征来提取船只信息。
1 异常检测模块（SPEAR Anomaly Detection）异常检测提供了一种方法来搜索光谱不同的背景（谱异常）目标，ENVI使用RXD异常探测算法来检测光谱信息异于影像背景值的目标。
由于植被在一些地区（比如在干燥的区域）光谱异常比较明显，SPEAR 异常检测模块提供了能够抑制植被的操作。
SPEAR异常检测模块能够依靠设定阈值来减小绝对误差。
SPEAR异常检测模块同时提供了滤波、核查和精度评定工具。
如果得出满意的结果，可以将其输出成shp文件的矢量格式。
从影像中提取异常信息操作流程如下：1.在ENVI主菜单栏下，选择Spectral > SPEAR Tools > Anomaly Detection。
弹出文件显示对话框，选择输入文件。
（输入的文件必须是能被ENVI识别的多光谱数据）设定保存路径。
2.设定算法模型，包括RXD、UTD、RXD-UTD。
高光谱遥感
高光谱遥感器
OMIS系统部分参数 128波段 波段 波长 光谱分辩率 64(64,32,16) 0.4-1.1um 10nm 16(8,1) 1.1-2.0um 60nm 32(32,1) 2.0-2.5um 15nm 8(8,1) 3.0-5.0um 250nm 8(8,1) 8.0-12.5um 500nm IFOV 3.0,1.5mrad FOV > 70 degree
VNIR: 32 波段 (0.44~1.08um) 光谱分辨率: 20nm SWIR: 32 波段 (1.5~2.45um) 光谱分辨率: 25nm TIR: 7 波段 (8.0~11.6) 光谱分辨率: 0.45um IFOV: 3.0mrad FOV: 90 degree scanning : 10-20(line/second) digitizer: 12bit
高光谱遥感的基本概念
高光谱遥感起源于20世纪70年代初的多光谱遥 感,它将成像技术与光谱技术结合在一起,在对目标 的空间特征成像的同时,对每个空间像元经过色散 形成几十乃至几百个窄波段以进行连续的光谱覆 盖,这样形成的遥感数据可以用“图像立方体”来形 象的描述.同传统遥感技术相比,由于其所获取的图 像包含了丰富的空间,辐射和光谱三重信息。
2 5.0 表 1.1，国际上部分成像光谱仪一览表（陈述彭等，1997） 500-980 32 2 0.0-71.0
遥感器 PLI-PMI CASI SFSI AIS-1 AIS-2 AVIRIS (20km) ASAS 改进 ASAS GERIS
光谱范围 (nm) 403-805 430-870 1200-2400 900-2100 1200-2400 800-1600 1200-2400 400-2450 455-873 400-1060 400-100 1000-2000 2000-2500
高光谱图像异常目标检测研究进展_赵春晖
· 804 ·
电子测量与仪器学报
第 28 卷
谱特性不符合全局或局部背景光谱信号模型的像 元判定为目标。 可以从不同角度对光谱异常检测算法在进行 。简要介绍和讨论了经典的 ＲeedXiaoli 细分
［ 1015］
心双 滑 动 窗 口 包 括 一 个 小 的 内 窗 口 中 的 区 域 （ IWＲ） 和一个较大的外窗口中的区域 （ OWＲ ） 。 内 窗口尺寸的大小根据图像中感兴趣的典型目标的 大小的假设来确定。 有时会使用一个环绕内窗口 的保护空口来防止目标像元影响背景参数的估计。 这里需要注意的是， 与全局的 ＲX 算法相比， 局部 的 ＲX 算法需要的计算更为复杂， 这是因为在使用 局部算法时， 需要对每一像元的同心双滑动窗口的 背景参数进行估计， 并频繁对矩阵进行求逆运算。 ＲX 算子是高光谱异常检测中广泛应用的标准 ［ 1718］ 。 近年来很多学者对 ＲX 算子进行 比对算法 了改进， 包括 Chang 等人提出的基于协方差矩阵的 NＲXD、 MＲXD、 LPD、 UTD 等以及基于相关矩阵的 NＲXD、 MＲXD、 CＲXD 等［19-21］。 2． 2 基于核方法的异常目标检测
基于决策树理论的高光谱影像目标提取技术研究
光谱曲线的整体统计特征 ， 如光谱向量之间的广义
距离或广义夹角等 ， 但是这种将高ቤተ መጻሕፍቲ ባይዱ谱数据看作单
作者简介 ： 王明海 （９ ８） 男 ， １６ 一 ， 山东安丘人 ， 工程师 ， 主要从事遥感影像处理与应用研究 。
４
目标提 取试 验分 析
４ １ 试 验 数 据 ．
本 试 验 采 用 由 中科 院上 海 技 术 物 理 所 研 制 的
相对 测量 比绝 对 测量 具有 更 高 的精 度 ， 这是 测
的， 即每一个样本在进行分析、 比较后立即赋予一个 最终类 别 。单 层 匹配模 型所 使用 的相似性 测度 均为
量技术的一个基本原理。对于高光谱遥感影像分类 来说 也存在相 同之 处 ， 通过 相对 比较 区分 两个 类 别
（ １６ ６ ３３部 队 ， 陕西 西 安
伟
７ ０５ ） １０ ４
摘要 ： 利用决策树分级匹配分类的思想 ， 完成高光谱遥感 影像分类过程 中的光谱特征优化 、 特征参量构造和相 应的匹配策略选择 。该方法结合专家知识和光谱特征分析结果 ， 能够充分利用高 光谱 遥感数据 中丰 富且细致 的光 谱信息 ， 灵活采用合适的匹配参量和匹配方法 。试验结果表 明， 该方 法能够显著提 高高光谱遥感影 像 目标提取 的
精度 。
关键词 ： 高光谱遥感 ； 目标提取 ； 决策树 ； 分级匹配
中图 分 类号 ： Ｐ ５ ． Ｔ ＇ １１ ７ 文献标识码 ： Ａ 文章 编 号 ： ６ １３４ （ ００ ０ ．０４０ １７ — ４ ２ １ ） １０ １．４ ０
光谱图像处理算法优化及其在地质勘探方面应用
光谱图像处理算法优化及其在地质勘探方面应用近年来，光谱图像处理算法在地质勘探领域得到了广泛应用。
地质勘探是指通过对地壳构造、岩矿分布、地下资源等进行综合研究，探测、分析和评价地下构造和资源储量的活动。
而光谱图像处理算法的优化则可以提高地质勘探的效率和准确性。
光谱图像处理算法的优化可以从多个方面入手，以下将重点介绍图像融合算法和目标检测算法在地质勘探中的应用。
首先，图像融合算法可以将多光谱图像和高光谱图像进行融合，得到融合图像，进而提取地质信息。
多光谱图像包含了一定数量的波段信息，而高光谱图像则包含了大量的波段信息。
通过融合这两种类型的图像，可以获得更全面的地质信息。
传统的图像融合算法存在信息丢失和模糊等问题，因此需要优化算法以提高融合图像质量。
近年来，基于小波变换的图像融合算法在地质勘探中得到了广泛应用。
这种算法可以根据不同的图像特点和地质需要，选择合适的小波基函数进行融合，从而达到更好的融合效果。
同时，考虑到地质勘探中的噪声干扰问题，还可以引入自适应权重因子以提高图像融合算法的稳健性和鲁棒性。
其次，目标检测算法在地质勘探中的应用也非常重要。
目标检测是指在图像中自动识别和定位感兴趣的目标。
在地质勘探中，目标可以是地质构造、矿物矿石、矿产资源等。
传统的目标检测算法在地质勘探中往往存在漏检、误检等问题，因此需要优化算法以提高准确率和鲁棒性。
近年来，深度学习在目标检测领域取得了重要进展，其中的卷积神经网络（Convolutional Neural Network，CNN）在地质勘探中也得到了广泛应用。
CNN具有对图像进行端到端的学习和特征提取能力，可以自动学习地质目标的特征表示，并进行目标识别和定位。
同时，还可以结合数据增强和迁移学习等技术，提高目标检测算法的性能和泛化能力。
此外，还可以使用多尺度目标检测算法，通过多尺度的特征融合和目标检测，提高地质目标的检测率和定位精度。
光谱图像处理算法的优化在地质勘探中有着广泛的应用。
- 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)。
植 被 的精 细分 类 以及军 事 目标 的探测 等诸 多方 面 ．
高光谱 成 像技 术 已成功地 应用 于遥 感 和航空航 天 目标 探测 领域 ， 它不 但 能 对 地 面 目标 拍 摄 高分 辨 率单谱 图像 ， 而且 还 能 将 每 一 个 目标 像 元 的光谱 测
高光谱遥感工作机理
测、 城市 规划 、 质岩矿 的识 别 、 地 海洋 水色定 量 检测 、
至 物体 表面 的物质 成分 ． 术研究 人员 认为 ， 技 将光 谱 划分 为多个 波 长 ， 取 高光 谱 数 据 可使 分析 人 员 得 获 到 空间探 测 与地 面实 际存在 之 间更精 确 的数学相关
Ｄｅ ｅ ｔｎｇ Ｍ ｅ ｈｏ ｓ ｄ ｏ Ｈｙ ｅ － ｐ ｃ ｒ ｍ ｌ ｓｓ ｏ ｒ ｅ ｔ ｃ ｉ ｔ ｄｓＢａ ｅ ｎ ｐ ｒ ｓ ｅ ｔ ｕ
Ｚ ＨＡＯ ｈ— ｏ ｇ ．，ＬＶ —ａ ｇ ，ＬＩ Ｋａ— ｎ ２ Ｚ ｉ ｎ 一 ｙ Ｘｕ ｌ ｎ ｉ Ｕ ｉｏ ｇ ，Ｌ Ｈｕ ｌ Ｕ ｉ
高光谱 成像 技术 是 一种集 光学 、 光谱 学 、 精密 机 械、 电子技 术及 计算 机技 术 于一体 的新 型遥 感技 术 ． 由其 物化 的成像 光谱 仪 ， 根据光 谱分 辨率 的不 同 ， 可 分为 多光谱 型 、 高光谱 型 和超 高光谱 型 ３种 ， 其光谱
出． 通过测出的这些光谱特征曲线 ， 可反演 出对应每
等方法用于 目标探测 ， 并结合高光谱成像遥感试验 ， 对上述方法进行 了试验验证 ， 成功实现了从 自然背景中分离 目标的 目的． 关键词 ： 高光谱 成像 ； 最小 噪声分 离变换 ； 解混 ； 遥感
中图 分 类 号 ：Ｎ １ ；Ｎ ｌ ．４ ＇ ２５ Ｔ ｇ １ ７ １ ＂ 文献标识码 ： Ａ 文 章 编 号 ：６ ３ ２５ ２ １ ｝３ ０ ３ ３ １７ —１５ （０ ０ ０ —０ ０ —０
Ｋｅ ｒ ｓ ｈ ｐ ｒｓ ｅ ｔａ ｍａ ｉ ｇ ｙ ｗｏ ｄ ： ｙ ｅ —ｐ ｃ ｒ ｌ ｉ ｇ ｎ ；ｍ ｉ ｉ ｕ ｎ ｉ ｒ ｃ ｉｎ；ｕ ｍ ｉ ｉ ｇ ｅ ｔ ｅ ｓ ｇ ｎ ｍ ｍ ｏ ｓ ｆ ａ ｔ ｅ ｏ ｎ ｘ ｎ ；ｒ ｍｏ ｅ ｓ ｎ ｉ ｎ
高光谱 遥感 的兴起 是 ２ 纪 ８ 代遥 感技 术 ０世 ０年 的最 大成 就之 一 ， 光 谱 目标探 测 技 术 是 高 光谱 遥 高 感最 为 重要 的应 用 方 向 ， 以有 效 地 应 用 于 环 境检 可
第２ ５卷第 ３期 ２１ ００年 ６ 月
光 电技 术 应 用
ＥＬＥ ＣＴＲ０ —０ ｒ Ｃ Ｉ ＴＥＣ Ｈ 『 ． ０Ｉ ０ＧＹ ＰＬＩ ＡＰ ＣＡＴ１ ０Ｎ
Ｖｌ ． ５． ． Ｏ ２ Ｎｏ ３ １
Ｊ ｎ ．０ ０ ｕ ｅ２ １
・
光 电 系 统 与设 计 ・
基 于 高光 谱 的 目标 探 测方 法 分 析
赵 志勇１ ， ， 吕绪 良 ， ２ 刘凯龙 卢 辉 ，
（． １ 解放军理工大学 ， 江苏 南京 ２ ０ ０ ； 总装工程兵科研二所 ， １０ ７ ２． 北京 １０ ９ ） ０ ０ ３
摘
要： 开展 了基于高光谱成像的 目标探测方法研究 ， 提出了 目标 与背景最佳分离变换 、 最小噪声分离变换 、 目标解混探测
（ ｎ ｉｅｒ ｇＩｓ ｔｔ ｏ ｎ ｉｅ ｉ ｒｓ Ｐ Ａ Ｕ ｉ ． １Ｅ ｇｎｅｉ ｎｔ ｕｅ ｆＥ ｇｎｅ ｎ ｃ ｐ ， Ｌ ｎｖ ｎ ｉ ｒ ｇｏ
Ｓｉ ｃ ．＆Ｔ ｃ ， ｎｉｇ２ ０ ０ ， ｈｎ ｅ ｈ． Ｎａｊｎ １０ ７ Ｃ ｉ ａ；
２ Ｔ ｅ ｅ ｎ ｎ ｉｅ ｓ ｃ ｎｉ ｃ ｅ ａｃ ｎｔｕｅ ｔｅ ｅｅａ ｍａ ｎｓ ｅａ ｔ ｎ ，Ｂ ｉｎ ０ ０ ３ ｈ ｉ ） ｈ ｃ ｄＥ ｇｎｅ ｉ ｔ ｉ Ｒ ｓ ｒ Ｉｓ ｔｔ ｏ ｈ ｎ ｌ Ｓｏ ｒＳ ｅ ｆ ｅ ｈ ｉ ｆ Ｇ ｒ Ａｒ ｍｅｔＤ ｐ ｒ ｍｅｔ ｅｉｇ １０ ９ ，Ｃ ｎ ｊ ａ
Ａｂ ｔａ ｔ Ｔｈ ｔ ｄ ｆｔｒ ｅ ｅｅｔ ｇ ｍｅｈ ｄ ａｅ ｎ ｈ ｐ ｒｓ ｅ ｔｕ ｔ ｅ ｒ ａ ｅ ｂ ｅ ｄ ．Ｔｈ ｓｒ ｃ ： ｅ ｓｕ ｙ ｏ ａ ｇ ｔｄ ｔｃｉ ｔ ｏ ｓ ｂ ｓ ｄ ｏ ｙ ｅ－ｐ ｅｒ ｍ ｈ ｏ ｙ ｈ ｖ ｅ ｎ ｍａ ｅ ｎ ｅ ｍｅｈ ｄ ｕ ｈ ３ ｐ ｉ ａ ａ ｓｒ ｃｉｎ ｏ ａｇ ｔｆｏ ｂ ｃ ｇｏ ｎ ｔｏ ｓｓ ｃ ８ｏ ｔ ｌ ｂ ｔａ ｔ ｆｔｒ ｅ ｒ ｍ ａ ｋ ｒ ｕ ｄ，ｍｉｉ ｍ ｏｓ ｒｃｉｎ ａ ｄ ｔｒｅ ｅｅ ｔ ｇｂ ｍ ｏ ｎｍｕ ｎ ｉ ｆａｔ ｎ ａｇ ｔｄ ｔｃｉ ｙ ｅ ｏ ｎ ｕ ｍ ｉｉｇａｅｂ ｏ ｇ ｔｆｒ ｒ ｎ ｓｄ ｉ ｅｅ ｔ ｇ ｔｒｅ ．Ｔｈ ｔ ｏ ｓａｅ ｖ ｌ ａｅ ｎ ｔ ｅ ｈ ｐ ｒｓ ｅ ｔｕ ｎ ｘ ｎ ｒ ｒｕ ｈ ｏ ｗａ ｄ ａ ｄ ｕ ｅ ｎ ｄ ｔｃｉ ａｇ ｔ ｎ ｅｍｅｈ ｄ ｒ ａｉ ｔｄ ｉ ｈ ｙ ｅ —ｐ ｃｒ ｍ ｄ ｉ ａ ｅｒｍｏ ｅｓｎ ｉｇ ｅ ｐ ｒ ｎ ｓ ｍ ｇ ｅ ｔ ｅ ｓｎ ｘ ｅｉ ｍｅ ｔ ，ｗｈｃ ｕ ｃｓｆ ｌ ｉｋ ｕ ａｇ ｔｆｏ ｎ ｔ ｒ ｅ ｔ ｒ ． ｉｈｓ ｃｅｓｕｌ ｐｃ — ｐｔｒ ｅ ｒ ｍ ａｕ ｅｆａ ｕ ｅ ｙ
一
个像 元 的 目标 物 的组 成 成分 ， 如是 树 叶 、 绿色 油漆
还 是 塑料 ． 而 区分开 自然 背景 与 目标 的差别 ， 判 从 并
断 出 目标 的性 质 和种 类 ， 其最 突 出 的特 点是 能 够 鉴