多光谱/高光谱遥感影像最佳特征“波段”及其组合的选择方法（含ERDAS进行OIF算法实现）

多光谱/高光谱遥感影像最佳特征“波段”及其组合的选择方法

遥感影像的特征波段选择

1. 遥感波段选取的原则

• 波段或波段组合信息含量的多少;

• 各波段间相关性的强弱;

• 研究区内欲识别地物的光谱响应特征如何

  最佳的波段及其组合：信息含量多、相关性小、地物光谱差异大、可分性好。

2. 波段选择的方法

• 基于信息量的波段选择方法

• 基于类别可分性的波段选择方法

基于信息量的波段选择方法

最佳波段组合指数(OIF)

​

在ERDAS中进行OIF必要数据输出

本文采用LANDSAT7的一幅影像，下载可参考地理空间数据云 (gscloud.cn)

1.首先将各个波段影像组合

在Raster菜单下找到Layer Stack，然后将所需波段添加，指定输出目录

2.制作模型

在toolbox中打开Model Maker

)

绘制如下模型，注意：多波段合成的遥感图像可以一次性对多个波段进行求标准差。

本文采用GLOBAL SD ( $n1_le12345678 , IGNORE 0 )来求波段的标准差和CORRELATION ( $n1_le12345678 , IGNORE 0 )来求每个波段的相关系数，为了避免影像上没有数值的区域（但在其他波段有数值）对结果产生较大影响，故采用忽略零值的方法。

（注意：Statistical中的SD方法为求像元的标准差）

3.将结果都输出到一个文件中，选择输出结果目录后，运行

得到的数据如下

然后将数据导入，使用python实现OIF算法

利用python计算出最适波段

由于输出文件为mtx格式，不方便读取，故导入excel中再进行读取，将tbl文件数据放入源代码以列表形式储存，按照算法编写对应程序，源代码如下，只要输入想要查询的波段即可得到对应的OIF指数。（注意：本文波段号与传感器波段号对应，可以根据实际应用进行更改，但需要注意对应关系）

import xlrd

##将标准差导入 复制粘贴tbl文件
data_S = [36,35,40,20,31,6,28,24]

a1 = input("请输入第一个波段号： ")
a2 = input("请输入第二个波段号： ")
a3 = input("请输入第三个波段号： ")
##获取想要查询的波段号及其相关系数
data = xlrd.open_workbook("./r_output.xlsx")
table = data.sheet_by_index(0)
r1 =table.cell_value(int(a1)-1, int(a2)-1) #第一个波段与第二个波段的相关系数
r2 =table.cell_value(int(a2)-1, int(a3)-1) #第二个波段与第三个波段的相关系数
r3 =table.cell_value(int(a3)-1, int(a1)-1) #第三个波段与第一个波段的相关系数

sum_data_r = abs(r1) + abs(r2) + abs(r3)

##获取查询波段号的标准差
s1 = data_S[int(a1)-1] #第一个波段的标准差
s2 = data_S[int(a2)-1] #第二个波段的标准差
s3 = data_S[int(a3)-1] #第三个波段的标准差
##计算其OIF值并输出  
data_oif = s1/sum_data_r + s2/sum_data_r + s3/sum_data_r
print(a1+a2+a3+"三个波段的OIF值为" +str(data_oif))

即可得到以上结果，比较多个组合波段，找出OIF值最大的波段方案组合即为最适波段组合方案