关键字:高光谱 技术 运用
1 引言
二十世纪八十年代遥感领域最重要的发展之一就是高光谱遥感的兴起。从二十世纪九十年代开始,高光谱遥感已成为国际遥感技术研究的热门课题和光电遥感的最主要手段[1]。在二十一世纪,高光谱遥感成为了光电遥感的主要手段。高光谱遥感(Hyper Spectral Remote Sensing)克服了传统单波段、多光谱遥感在波段数、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,能够从光谱空间中对地物予以细分和鉴别,在资源、环境、城市、生态等领域得到了广泛应用。它利用很多窄的电磁波波段获取物体有关数据的技术,它可在电磁波的紫外、可见光、近红外、中红外以至热红外区域,获取许多非常窄且光谱连续的图像数据。这样,在传统的二维遥感的基础上增加了光谱维,形成了一种独特的三维遥感。对大量的地球表面物质的光谱测量表明,不同的物体会表现出不同的光谱反射和辐射特征,这种特征引起吸收峰和反射峰的波长宽度在5-50左右,其物理内涵是不同的分子、原子和离子的晶格振动,引起不同波长的光谱发射和吸收,从而产生了不同的光谱特征[3]。运用具有高光谱分辨率的仪器,通过获取图像上任何一个像元或像元组合所反映的地球表面物质的光谱特性,经过计算机的图像处理,就能达到快速区分和识别地球表面物质的目的。
通过高光谱成像获取的地球表面图像包含了丰富的空间、辐射和光谱三重信息。高光谱遥感数据最主要的特点是将传统的图像维与光谱维信息融合为一体,在获取地表空间图像的同时,得到每个地物的连续光谱信息,从而实现依据地物光谱特征的地物成份信息反演与地物识别。高光谱数据是一个光谱图像的立方体(见图一),它由以下三部分组成。
[1]空间图像维:在空间图像维p高光谱数据与一般的图像相似。一般的遥感图像模式识
别算法是适用的信息挖掘技术。
[2]光谱维:从高光谱图像的每一个像元中可以获得一个“连续”的光谱曲线。采用基于光谱数据库的“光谱匹配”技术p可以实现识别地物的目的。同时大多数地物都具有典型的光谱波形特征,尤其是光谱吸收特征。这些特征与地物化学成分是密切相关的,因此对光谱吸收特征参数(吸收波长位置、吸收深度、吸收宽度)的提取将成为高光谱信息挖掘的主要方面。
[3]特征空间维:高光谱图像提供的是一个超维特征空间,挖掘高光谱信息需要深切了解地物在高光谱数据形成的N维特征空间中分布的特点与行为。研究发现,高光谱的高维空间是相当空的,数据分布不均匀,且趋向于集中在超维立方体空间的角端。典型数据的差异性可以映射到一系列低维的子空间,因此迫切需要发展有效的特征提取算法,以发现保持重要差异性的低维子空间,从而有效地实现信息挖掘。
图一:高光谱数据立方体,光谱信息及N维特征向量
就数据统计特征而言,在高光谱数据分析中,二次变量(协方差)扮演着极为重要的角色,因此在分类与信息挖掘中需同时兼顾一次变量(例如均值)和二次变量,统计距离测量将主要采用Bhattacharyya距离算法。由于高光谱特征空间的不均匀性分布,在分类与信息挖掘中要提高分类识别精度,需要很多的训练样本及更丰富的光谱数据库、知识库,以便准确地确定地物在高光谱超维空间的密度分布函数。
2 高光谱遥感技术构成
高光谱遥感技术是集新型探测器技术、精密光学机械、微弱信号探测、高速信号处理技术、计算机信息处理技术为一体的综合性技术,是属于多学科交叉技术。主要由高光谱遥感的信息获取系统--成像光谱仪和高光谱图像信息处理系统二大部分组成,比较而言,高光谱遥感中比较重要的关键技术有:
[1]新型探测器焦平面技术;
[2]新型的光谱仪技术和精密光学技术;
[3]高速信号处理技术;
[4]高光谱遥感数据定量化技术;
[5]高光谱遥感信息处理技术;
2.1 新型探测器焦平面技术
首光,成像光谱仪的发展是依赖于探测器焦平面技术的发展.目前世界上用于可见、近红外波段的硅焦平面探测器技术已十分成熟,国际上已有多种采用面阵CCD的高质量成像光谱仪。而红外波段的成像光谱仪的发展更是受益于红外焦平面器件性能的提高,在短波红外光谱段,目前常用的器件有InSb,HgCdT