补高光谱遥感ppt课件.ppt

《补高光谱遥感ppt课件.ppt》由会员分享，可在线阅读，更多相关《补高光谱遥感ppt课件.ppt（53页珍藏版）》请在三一办公上搜索。

1、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10-2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

2、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；,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(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

3、）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。,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,高光谱遥感

4、图像处理与分析,一、高光谱图像数据表达,Airborne Visible Infrared Imaging Spectrometer (AVIRIS) Datacube of Sullivans Island Obtained on October 26, 1998,图像立方体（Data cube）,Color-infrared color composite on top of the datacube was created using three of the 224 bands at 10 nm nominal bandwidth.,光谱曲线（Spectral Curve ）,一、高光

5、谱图像数据表达,光谱曲面（Spectral Surface）,高光谱图像大气辐射校正,二、高光谱图像预处理（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（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。,（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

6、气的影响。（4）对数残差法 对数残差法的意义在于消除光照及地形因子的影响。作如下假设：上式中，DNij是波段j中像元i的灰度值；Ti是像元i处表征表面变化的地貌因子，对确定的像元所有波段都相同；Rij为波段j中像元i的反射率；Ij为波段j的光照因子。,二、高光谱图像预处理（大气辐射校正）,基于上述假设，可以根据下式来计算消除了地形与光照影响的等效反射率：,上式中，Yij为消除地形和光照影响后的相对反射率因子；DNij为波段j中像元i的灰度值；DNi表示像元i的所有波段的几何均值；DNj表示波段j对所有像元的几何均值；DN表示所有像元在所有的波段的数据的几何均值。,二、高光谱图像预处理（大气辐射

7、校正）,2、基于大气辐射传输理论的反射率反演（1）6S辐射校正模型（Second Simulation of the Satellite Signal in the Solar Spectrum）（2）MODTRAN辐射校正模型（Moderate Spectral Resolution Atmospheric Transmittance Algorithm and Computer Model）（3）ATREM辐射校正模型（Atmospheric removal）（4）ACORN软件（Atmospheric CORrection Now ）,二、高光谱图像预处理（大气辐射校正）,光谱特征选择与

8、提取,三、高光谱图像光谱分析技术（光谱特征选择）,（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，NM，则光谱特征组合的数目为：（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。,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

9、空间中的一个子集，这个子集是一个缩小了的光谱特征空间，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（光谱特征选择）,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”。,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-

10、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。,三、高光谱图像光谱分析技术（光谱特征位置搜索）,设m=j+1 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）；否则，求i，j与w（m）的交点r（m）；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 。（4）得到包络线节点表后，将相邻的节点用直线段依次相连，求出w（i）所对应的折线段上的点的函数值

11、h（i），从而得到该光谱曲线的包络线。（5）求出包络线后对光谱曲线进行包络线消除：,三、高光谱图像光谱分析技术（光谱特征位置搜索）,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（光谱特征选择）,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（光谱特征提取）,移位差方法(shift difference),传感器背景噪声,光谱特征提取波长信息（1）波形特征的绝对位置信息（波长）波长？波长区间？（2）波形特征的相对位置信息（波段排序）降序？升序？波长

12、间隔？光谱形态学分析光谱特征参量化（1）光谱斜率和坡向（2）光谱二值编码（3）光谱微分（4）光谱积分（5）光谱吸收指数（吸收位置、吸收深度、吸收宽度、对称性）（6）光谱曲线函数模拟,三、高光谱图像光谱分析技术（光谱特征提取）,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。,在光谱区间1，2，模拟出的直线段如下：,三、高

13、光谱图像光谱分析技术（光谱特征参量化）,2、光谱二值编码,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）,光谱吸收指数（ Spectral Absorption Index, SAI ）,三、高光谱图像光谱分析技术（光谱特征参量化）,高光谱图像分类的特点优势：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；在同一空间分辨率条件下，遥感器覆盖波长范围更宽；波段多，为波段之间的相互校正提供了方便；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：对数据冗余处理不当，反而会影

14、响分类精度；对定量化要求高，数据前处理复杂；波段多，波段间的相关性大，对训练样本数量要求高；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:一是基于图像数据统计特性的分类方法；二是基于地物物性的分类方法，主要是利用反映地物物理光学性质的光谱特征来识别。常用分类策略：1.光谱特征匹配（特征选择、特征提取）2.光谱波形匹配（距离、角度）3.基于目标分解的神经网络分类4.像元空间关联光谱图像分类,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,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

15、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）。 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,高光谱图像目标识别:从数字信号到辐射值的转换，这

16、个过程要求在辐射和光谱上有高精度的定标；剔除大气效应：从辐射值到地面视反射率；纠正光照几何因素和地形影响：视反射率到地面反射率；光谱特征选择、特征提取、数据空间转换等；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；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。,四、高光谱图像分类与目标识别,目标空间维探测和图像光谱维探测比较,四、高光谱图像分类与目标识别,五、混合像元光谱分解,混合光谱形成机理：在一个瞬时视场内（IFOV），有多种物质成分存在的空间混合；在一

17、个瞬时视场内，由于地形和物体阴影引起的照度差异;不同像元之间的交叉辐射;大气传输过程中的混合效应;遥感仪器本身的混合效应。,线性模型是假设物体间没有相互作用(interaction)，每个光子(photon)仅能“看到”一种物质，并将其信号叠加到像元光谱中。 大尺度的光谱混合完全可以被认为是一种线性混合，而小尺度的内部物质混合是非线性的，而物体在上下垂直方向结构越复杂，其非线性特征就表现的越明显。,五、混合像元光谱分解,五、混合像元光谱分解（光谱混合模型）,线性光谱混合模型包括：物理学模型（physical model）、数学模型（mathematical model）、几何学模型（geome

18、tric model）物理学模型： 是指像元的混合光谱是像元内部各物质成分的“纯”光谱“特征”的面积加权平均（Weighted Average），是多种信号的无干扰叠加：,五、混合像元光谱分解（光谱混合模型）,五、混合像元光谱分解（光谱混合模型）,五、混合像元光谱分解（光谱混合模型）,张兵,五、混合像元光谱分解（光谱混合模型）,五、混合像元光谱分解（端元提取）,（1）纯像元指数（Pixel Purity Index ，PPI）,MNF变换进行降维处理在n个随机的单位向量上做正交投影变换计算每个像元被投影到单位向量端点的次数,五、混合像元光谱分解（端元提取）,（2）N-FINDR单形体的体积：,ei为表征第i个端元的列向量，V是由e1，e2，eN这N个端元所构成的单形体的体积，|.|为行列式运算符。向量ei的维数为N-1。波段数为N-1时，计算出的端元数为N。通过求解最大体积的单形体体积，来自动获取图像中的所有端元。,混合像元分解,五、混合像元光谱分解（混合像元分解）,五、混合像元光谱分解（混合像元分解）,