高光谱图像处理和分析

下载练习数据:http://vdisk.weibo.com/s/zrSeGYf9h2k_i

下载详细操作文档:http://vdisk.weibo.com/s/zrSeGYf9h2kXH

光学遥感技术的发展经历了:全色(黑白)—>彩色摄影—>多光谱扫描成像—>高光谱遥感四个历程。高光谱分辨率遥感(HyperspectralRemote Sensing)用很窄(10-2λ)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(Imaging Spectrometry)遥感。

高光谱图像分类很多地方也叫高光谱物质制图(Mapping),主要原理利用反映地物物理光学性质的光谱曲线来识别地物,即利用一种匹配方法,分析已知的波谱曲线(端元波谱)和高光谱图像每个像素波谱曲线(光谱剖面)匹配程度对图像进行分类。高光谱图像分类过程同时也是光谱识别的过程;用已知的波谱曲线去识别图像中的地物,这也是高光谱遥感最大的优点,可用于特定目标的识别和探测,其结果是“有”或者“没有”。

本课堂以航空高光谱数据为例介绍从高光谱的波谱识别过程,包括高光谱数据的预处理(大气校正)、高光谱数据维数判断和降维、端元波谱选择、波谱识别等。将会使用FLAASH工具、ENVI的波谱分析工具等。由于数据的原因,本课堂使用了两种数据AVIRISHyMap航空高光谱数据。以下所有操作在ENVI5 classic下完成,感兴趣的可以在ENVI5下操作。

ENVI下推荐使用的波谱识别流程(如图1所示)。大致可以分为五个部分:大气校正、数据维数判断、端元波谱选择、波谱识别和结果分析。

 

【遥感微课堂】高光谱图像处理和分析
 1波谱识别流程

(1)       大气校正:使用FLAASH大气校正工具;

(2)       数据维数判断:对图像做MNF变换,根据特征值判断数据的维数;

(3)       端元波谱选择

端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱,与监督分类中的分类样本具有类似的作用,直接影响波谱识别与混合像元分解结果的精度。

最简单的端元波谱获取途径是选择已知的波谱,这些已知的波谱可以来自标准波谱库中的波谱,或者波谱仪器量测等;也可以从图像自身的像元波谱中获得,这些像元一般选择只包含一种地物的纯净像元;还常常采用前面两种方法相结合,即使用已知波谱校正和调整图像上获取的端元波谱。

可选择很多种方法,流程图上标识了两种方法——基于PPI的端元提取和从外部源(如波谱库)获取,也可以选择基于几何顶点的端元提取、基于SMACC的端元提取等方法;

(4)       波谱识别可选的方法就很多,如波谱角填图(SAM)、二进制编码(Binary Encoding )和光谱信息散度(Spectral Information Divergence)、线性波段预测(Linear Band Prediction)、线性波谱分离(Linear Spectral Unmixing )、匹配滤波(Matched Filtering )、混合调谐匹配滤波(Mixture Tuned Matched Filtering)、最小能量约束(Constrained Energy Minimization)、自适应一致估计(Adaptive Coherence Estimator)、正交子空间投影(Orthogonal Subspace Projection)、包络线去除(Continuum Removal)、光谱特征拟合(Spectral Feature Fitting)和多范围光谱特征拟合(Multi Range Spectral Feature Fitting)等。

(5)       分析结果。

  • 0
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值