高光谱遥感数据光谱特征的提取与应用---高光谱基础知识科普论文

论文地址

高光谱遥感数据光谱特征的提取与应用

杜培军

遥感基础知识积累：

绝对温度大于0的物体在整个光谱轴上具有连续的光谱曲线

高光谱可以有效的描述一些窄而重要的局部光谱特征，可以明显看到高光谱对于光谱频带的描述是详细的。

光谱数据库

美国JBL的航空可见光/红外成像光谱仪(AVIRIS)，AVIRIS在0.2-2.45微米的波长范围内获取224个连续的光谱波段图像，波段宽度不大于10nm，当飞机在20km的高空飞行时，图像地面分辨率可大20m。

 

光谱吸收特征在吸收光谱曲线上为峰，在反射光谱曲线上为谷。

光谱倒数反映光谱曲线的变化率，

高光谱不是简单的波段数目的增加和波段宽度的减少，细致的刻画了地物的辐射光谱特性。

高光谱特征体系：光谱曲线特征、光谱变换特征、光谱度量特征

光谱曲线特征：直接光谱编码、光谱反射与吸收特征

光谱变换特征：植被指数、导数光谱、光谱运算特征

光谱度量特征：光谱角、光谱信息散度SID、相关系数和距离

 

不同于单波段和多光谱遥感，突破了波段数、波段范围、精细信息表达等方面的局限性，以较窄的波段区间、较多的波段数量提供遥感信息，能够从光谱信息空间中对地物予以细分和鉴别。

但是面临波段多、信息量大、信息相关强、信息冗余多等特点

目前国内外的研究主要集中在波段选择、分类、亚像元分解等方面，光谱特征提取和应用就是其中之一。

 

1 高光谱遥感数据光谱特征的三层体系

高光谱遥感影像是一个空间-光谱数据立方体。

每一层为一个波段，每一个像元各波段的属性值都构成一个光谱向量

通过对光谱向量的分析，可以提取许多对分类、信息提取都用的信息

 

全部波段的像元光谱曲线分析、部分波段的数据变换与组合、光谱向量相似性度量

 

2.光谱曲线特征

光谱曲线特征是以像元（或地物）光谱曲线为基础，通过一定的算法提取的、能够描述曲线形状和特点的特征，主要包括对曲线进行编码和提取曲线中的特征点，特征波段。

2.1 光谱曲线直接编码

二值编码和多值编码

取一个阈值，大于阈值为0，小于阈值为1

直接编码将连续的反射率空间离散化，尽管操作简单，但其编码结果受阈值影像很大，容易导致信息损失，因此主要用于一些精度较低的应用，而且针对不同的情况应合理确定分割阈值。

2.2 光谱吸收和反射特征

光谱吸收与反射特征提取的依据是不同地物的光谱特性使得光谱曲线中形成了若干波峰和波谷，对应于光谱反射和吸收极大值点。反射光谱曲线极大值点代表反射峰所在位置，而极小值点则代表吸收峰的位置。

所以吸收和反射这些特殊点反射了地物的特征

2.3 光谱吸收与反射特征编码

光谱特征编码直接根据特征波段位置进行编码，以反射特征为例，如果某一波段为反射风电，则对应位的编码为1，否则编码为0.

通过对这些特殊点的编码和匹配，尽管反射和吸收波段能够有效的描述像元对应地面实体的光谱特征，与几种已知地物类型的标准或者参考光谱之间的相似性，将像元归入到与其相似性最大的标准光谱的地物类型。但由于噪声影响、波段偏移等因素的影响，必须设计有效的匹配操作以克服这些因素的影响，以光谱吸收和反射特征为基础，在确定每一特征波段位置后，在确定左肩和右肩及相应的反射率，可以计算光谱吸收指数和钢普反射指数等指标，对特定地物的光谱特性予以更精确、全面的定量表达。

 

3. 光谱运算和变换特征

高光谱遥感多个波段数据之间既有相关性，也有互补性，通过多个波段的运算和组合可以形成一些新的特征，用于分类、信息提取等工作

3.1 植被指数

3.2 导数光谱

 

4. 光谱相似性度量特征

 

结论和展望：

1. 高光谱遥感中光谱特征可以分为光谱曲线特征、光谱变换特征和光谱度量特征三个层次.

2. 光谱曲线作为像元光谱特征最常见的表达方式,直接二值编码操作简单,但容易损失细部信息,四值编码能以较高的精度描述曲线特征,可用于匹配、检索等工作;以光谱曲线为基础计算的像元反射、吸收特征在检索、典型信息提取等方面具有广泛的应用,但在匹配时应采用有效的策略以控制误差.

3. 光谱变换与运算特征主要包括植被指数与导数光谱等,在地物识别、高光谱分类中能够提供新的特征参与处理,实现对原始数据中隐含信息的提取与表达.

4. 光谱相似性度量特征中最常用的特征是光谱角(SA)和光谱信息散度(SID),能够有效地描述

不同像元光谱之间的相似性,用于分类、聚类与检索等工作