基于高光谱的遥感图像的光谱角度分类方法的研究

很好的资料啊,大家一起分享哈~

基于高光谱的遥感图像的光谱角度分类方法的研究

中地数码集团有限公司 刘天乐 高伟 陈启浩

摘要 高光谱遥感技术是指在特定光谱域以高光谱分辨率同时获得连续的地物光谱图像，使得遥感应用可以在光谱维上进行空间展开，定量分析地球表层生物物理化学过程与参数。在特定的光谱特征下产生了特定的光谱库和特定的高光谱分类方法——光谱角度匹配方法。其具体过程是将光谱数据视为多维空间的矢量,利用解析方法计算像元光谱与参照光谱之间矢量的夹角,根据夹角的大小来确定光谱间的相似程度,以达到识别地物的目的。

关键字 高光谱遥感 光谱角度分类

一、引言

高光谱遥感技术的高速发展使得高光谱遥感在资源、环境、城市发展和生态平衡等各个方面有了广大的应用和快速的发展。在这其中，一个很大的应用就是利用高光谱遥感图像信息对地物进行精准的分类，如光谱角度匹配，交叉相关光谱匹配，光谱吸收特征匹配，二值编码匹配等。在这些分类中，光谱角度匹配分类是应用最广泛且最精确的分类方法之一。这种匹配可以不受增益因素影响，因为在计算两个向量之间的角度时，角度不受向量本身长度的影响。所以这种分类方法可以减弱地形对照度的影响，在地质矿物成图中的应用很有潜力。

二、高光谱遥感

高光谱遥感技术是指在特定光谱域以高光谱分辨率同时获得连续的地物光谱图像，使得遥感应用可以在光谱维上进行空间展开，定量分析地球表层生物物理化学过程与参数。由此看出高光谱传感器不同于只有几个波段数据的一般传感器，它在很窄的一段波长范围内可以探测到同一个地物点的多个反射值，既它的

光谱分辨率很大。因此，在相同的波长范围

中高光谱数据比一般传感器数据要多而精确，

这样使得地物的分类变得更加准确和有效。

高光谱遥感不同于传统遥感的新特点：

1． 波段多：可以为每个像元提供几十、数百

甚至上千个波段；

2． 光谱范围窄：波段范围一般小于10nm；

3． 波段连续：有些传感器可以在350~2500nm

的太阳光内提供几乎连续的地物光谱；

4． 数据量大：随着波段数年的增加，数据量

成指数增加；

当然，由于相邻波段高度相关，冗余信息

也相对增加。

（图１ 不同传感器测量的高岭石的信号光谱）

(1)(5)(1)

很好的资料啊,大家一起分享哈~

三、光谱角度匹配（SAM）

１、光谱特征

光谱信息主要是由地物在不同波长范围下的反射率组成。利用高光谱成像测量技术直接识别地物类型的主要依据是地物表面与太阳电磁波相互作用而形成的可诊断的光谱吸收特征，具有稳定化学组分和物理结构的地物则具有较稳定的本征光谱吸收特征。大量的理论和实验表明，这种光谱吸收特征的成因主 要是在太阳电磁能量的激发下，地物内部的电子跃迁和分子振动过程对电磁能量的吸收作用。根据矿物物理学和结构化学理论，电子过程产生的光谱吸收谱带一般较宽缓，主要是由岩石矿物中存在的铁、铜、镍、锰等过度金属元素的电子跃迁引起的；而分子振动过程产生的吸收谱带较尖锐，在短波红外区段内的地物的光谱吸收特征主要由羟基（OH—）、水分子（H2O）、碳酸根（CO3）和硫酸根（SO4）等基团振动产生。

之所以说高光谱图像在某种程序上比一般遥感图像分类更精准，是因为很多矿物的光谱特征只能利用高光谱数据才能被探测到。（如图１）高光谱数据的光谱分辨率比宽波段遥感高数十倍，在宽波段上无法反映出这些光谱特征，但在高光谱影像上很容易识别。如在植被方面，植被中的非光合作用组分用传统宽带光谱无法测量，而用高光谱对植被组分中的非光合作用组分进行测量和分离则较易实现。又如地质调查方面是高光谱遥感应用中最成功的一个领域。因为一般矿物质的光谱吸收峰宽度为30nm左右，只有利用光谱分辨率小于30nm的传感器才能识别出来。可以用高光谱丰富的光谱信息，依据实测的岩石矿物波谱特征，对不同岩石类型进行直接识别。这从根本上改观了从光学遥感图像上提取地质信息的质量和数量。

２、光谱库 (2)

光谱库是一个在很多波长范围内包含有典型矿物、植物和多种混合物质样品的标准反射率的文件。它的主要信息有波长，分辨率，反射率，物质名，测量的相关信息及物质的相关信息等(3)。通常这种标准库是通过对地物进行精确的测量和进行一系列校准使得误差最小后的得到的地物的反射率，如美国地质调查所（USGS）通过深入详细的研究，测量出各混合矿物、植被、水体、冰、雪、大气分子及人造物等的精准反射率及误差值。（如图二）还有美国喷气推进研究室（JPL）测量的0．4~2．45um的波长范围224个连续光谱波段的各物质的光谱反射值（6）。

建立光谱库的目的，是把地物的光谱与光谱库中的光谱逐一进行比较和匹配。当与某一条光谱库的光谱匹配率最大时，就把测量的地物看成与光谱库中物质一样。这样就使地物不仅被分类，还得到了识别。光谱角度匹配方法，也是用光谱库中的一条或多条光谱与实测的地物用一种特定的角度算法来得到它们的匹配率，从而得到分类和识别的结果。除此之外，由于光谱库中光谱的标准性，还可以用光谱库中光谱来对实测地物进行辐射校正。

值得注意的是，在匹配时往往不能直接把光谱库光谱与实测地物光谱进行匹配，因为在大多数情况下，光谱库中光谱反射率所对应的波长值与地物反射率所对应的波长是不完全一样的。为了使匹配在相同的光谱分辨率和波长范围下进行，就必须先对光谱库中光谱进行重采样。

很好的资料啊,大家一起分享哈~

（图二 USGS测量的splib04b光谱库的显示）

３、光谱角度填图（SAM）

了解了高光谱遥感数据的特点和光谱库的意义，就可以很好的理解光谱角度匹配方法的理论基础和物理意义。光谱角度填图技术是建立在矢量空间,谱形分析基础上的一种方法,适合于地物谱形总体相似性分析的图像分类,可以改善高光谱数据因照度和地形引起的光谱变异,其优越性是显而易见的。

光谱角度填图方法的具体过程是将光谱数据视为多维空间的矢量,利用解析方法计算像元光谱与光谱数据库光谱或像元训练光谱之间矢量的夹角,根据夹角的大小来确定光谱间的相似程度,以达到识别地物的目的。由于与矢量的模无关,光谱角度对增益是不敏感的,从而能够减弱因地形和照度引起的增益变化,因此训练光谱可以直接和像元光谱相比较。光谱角度图像的结果,是对像元赋予0°—180°的角度值,给出像元光谱与训练光谱之间相似性的定量估计。（如图四）

设有两个n个波段的光谱向量，一个为光谱库光谱或一个像元训练光谱为T＝(t1,t2,...tn)，一个为实测地物光谱为R=(r1,r2,...rn)，T、R不是零向量。它们的广义夹角θ定义为θ=cos 1(4)T R，即 T R

n

θ=cos 1∑ti=1

n2

i

i=1i rin。(如图三) 2i∑t∑ri=1

如果以图像中已知区为参考光谱，则将区域中

的光谱的几何平均向量为类中心。设已知某类中有M

1R2，......, Rm，则类中心为R=个点R1，M∑R

i=1Mi。 (图三 光谱角度匹配算法图解)

但由于仅考虑谱形,不考虑岩石的相对反射差异,就难以区分不同岩石非选择性吸收的特征。因此在应用中不同岩类有时具有相似的谱形,很难区分“异类同谱”的岩石。

具体光谱角度分类步骤是： (1)