多光谱和高光谱图像有什么区别？

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

当你阅读这篇文章时，你的眼睛会看到反射的能量。但计算机可以通过三个通道看到它：红色、绿色和蓝色。

如果你是一条金鱼，你会看到不同的光。金鱼可以看到人眼看不见的红外辐射。

大黄蜂可以看到紫外线。同样，人类无法用我们眼睛看到紫外线辐射。（UV-B伤害了我们）

现在，想象一下，如果我们能够同时拥有人类、金鱼和大黄蜂的眼睛去看世界，那将会是什么样？实际上，现在我们可以使用多光谱和高光谱传感器来实现。

电磁频谱

可见光(红、绿、蓝)、红外光和紫外光是电磁光谱中的描述性区域。我们人类为了自己的目的而构造这些区域——为了方便地对它们进行分类。每个区域根据其频率(v)进行分类。

人类看到可见光（380 nm至700 nm）

金鱼看到红外线（700纳米到1毫米）

大黄蜂看到紫外线（10纳米到380纳米）

多光谱和高光谱图像赋予人类（红色，绿色和蓝色），金鱼（红外线）和熊蜂（紫外线）的能力。实际上，我们可以看到更多的是反射到传感器的电磁辐射。

多光谱和高光谱之间的主要区别在于波段的数量以及波段的窄度。

多光谱图像通常指3到10个波段。为清楚起见，每个波段都是使用遥感辐射计获得的。

多光谱示例：5个宽带（图像未按比例绘制）

高光谱图像由更窄的波段（10-20 nm）组成。高光谱图像可能有数百或数千个波段。一般来说，它来自成像光谱仪。

高光谱示例：想象一下数百个窄带（图像未按比例绘制）

多光谱图像示例

多光谱传感器的一个例子是Landsat-8。Landsat-8产生11幅图像，图像带如下:

第1波段海岸气溶胶(0.43-0.45 um)

蓝色波段2 (0.45-0.51 um)

3波段绿色(0.53-0.59 um)

4波段红色(0.64-0.67 um)

5波段近红外近红外(0.85-0.88 um)

6波段短波红外SWIR 1 (1.57-1.65 um)

7波段短波红外SWIR 2 (2.11-2.29 um)

8波段全色(0.50-0.68 um)

9波段卷云(1.36-1.38 um)

10波段热红外TIRS 1 (10.60-11.19 um)

11波段热红外TIRS 2 (11.50-12.51 um)

除了8、10、11波段外，每个波段的空间分辨率都是30米。波段8的空间分辨率为15米，波段10和波段11的像素大小为100米。

如果你想知道为什么没有0.88-1.36波段，大气吸收是主要的动机，为什么没有传感器检测这些波长。

高光谱图像示例

TRW Lewis卫星计划在1997年成为第一个高光谱卫星系统。不幸的是，NASA与它失去了联系。

但后来美国国家航空和宇宙航行局确实成功地完成了发射任务。Hyperion成像光谱仪(EO-1卫星的一部分)是高光谱传感器的一个例子。例如，Hyperion在220个光谱波段(0.4-2.5 um)产生30米分辨率的图像。

美国宇航局机载可见/红外成像光谱仪(AVIRIS)是一种高光谱机载传感器。例如，AVIRIS提供224个波长从0.4-2.5 um的连续通道。

多光谱和高光谱

多光谱:3-10宽波段。

高光谱:数百条窄带。

多光谱与高光谱

在高光谱图像中具有更高层次的光谱细节，可以更好地看到不可见的东西。例如，高光谱遥感由于其高光谱分辨率而在3种矿物之间进行提取。但多光谱陆地卫星专题制图仪无法区分这三种矿物。

但它的缺点之一是增加了复杂性。如果有200个窄带可用，如何减少通道之间的冗余?

高光谱和多光谱图像有许多实际应用。例如，高光谱图像已被用于绘制入侵物种的地图和帮助矿产勘探。

在多光谱和高光谱的应用中，我们可以了解世界。例如，我们在农业、生态、石油和天然气、海洋学和大气研究等领域使用它。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~