高光谱遥感影像中最佳谱段的快速选择方法

针对高光谱遥感影像数据量大、信息冗余多的特点,在子空间划分理论基础上,结合最大熵和光谱角制图算法,提出一种快速的最佳谱段选择方法。充分利用相邻波段数据间的相关性分块特点,首先提取各子空间熵值最大的波段,然后依据地物光谱可分性选择最佳的波段组合。实验验证,最佳谱段选择速度快,并且所选谱段组合用于目标提取,效果显著。     

高光谱遥感数据最佳波段选择方法试验研究

刘建平,赵英时,孙淑玲(中国科技大学研究生院　北京　100039)摘要:分析了多光谱遥感数据最佳波段选择的联合熵、行列式值及最佳指数等信息量计算方法的内在联系,说明了信息量方法用于高光谱遥感数据最佳波段选择的局限性,提出了基于类间可分性的最佳波段选择原则和方法。通过试验,说明了各种处理方法的有效性、局限性和计算复杂度。关　键　词:高光谱遥感数据;最佳波段选择;信息量;可分性中图分类号:TP 751.1/TP 79     

一种改进的高光谱数据自适应波段选择方法

高光谱遥感数据具有的波段数目多、波段宽度窄、数据量庞大等特点给图像的进一步解译带来了困难。为了解决这一问题,对自适应波段选择的降维方法进行了改进,不仅考虑了高光谱遥感图像波段的信息量和波段间的相关性,更重要的是考虑了各地物连续光谱间的可分性。光谱间的可分性距离越大,表明类间的可分性越大,地物越清晰。首先选出了能有效区分图像上任意两类别的理想波段子集,再根据波段子集中任意3波段的相关系数之和最小和它们的均方差最小两个指标,选出任意两类对间那些包含信息量大、相关性又小、谱间差异又大的3波段组合(且不唯一),最后对整幅影像选出的最佳3波段45、75、85合成的假彩色图像用光谱角度制图法(SAM)进行了分类,总体分类精度达到91.7%,Kappa系数达到0.82。     

标准化变换对高光谱影像波段选择影响

针对高光谱影像波段选择方法常采用方差大小度量波段信息量、忽略了地物不同波段光谱响应差异的问题,提出了基于标准化变换的波段选择方法。以江苏省里下河地区2009年9月7号的Hyperion影像为例,系统比较了影像标准化变换对3个经典波段选择指数(OIF、SI和CI指数)的影响以及3个指数各自最优波段组合对影像分类结果的影响,同时考虑了波段个数(3、4和5)对分类精度的影响。得出结论:标准化变换提高了OIF和SI指数对应最优波段组合的分类精度;OIF指数随着波段个数的增加表现力下降;CI指数表现最稳定,在波段个数为5时,分类结果达到最好,总体分类精度达到90.06%,Kappa系数为0.871 7。     

矩阵因子和信息散度融合的高光谱波段选择方法

高光谱数据的数据量大、冗余度高,影响了影像分类的精度和速度。为解决这一问题,在基于矩阵模式的高光谱波段选择方法的基础上,提出了一种基于矩阵因子和光谱信息散度融合的波段选择方法。首先,用光谱信息散度代替原始用光谱相关系数衡量光谱维的相关性。然后,调整矩阵因子定义方式,根据单一量化指标大小选择最佳波段组合。最后,分别用最佳指数因子、自适应波段选择法、最优波段指数法波段和所提出的算法对AVIRIS高光谱数据进行波段选择试验。结果表明,在选择相同波段数目的情况下,所提出的算法最大化保留了光谱信息并去除了冗余波段,分类精度有明显提高。     

高光谱遥感数据最佳波段选择方法试验研究

分析了多光谱遥感数据最佳波段选择的信息量诸方法的内在联系,说明了信息量方法用于高光谱遥感数据最佳波段选择的局限性,提出了基于类间可分性的最佳波段选择原则和方法。通过试验,说明了各种处理方法的有效性、局限性和计算复杂度。     

BERS-CCD数据土地利用/覆盖信息 提取最佳波段选择——以贵州喀斯特山区为例

最佳波段选择是遥感数据处理重要基础工作,不仅影响遥感信息提取目视解译效果,而且影响计算机分类精度和效率。以贵州喀斯特山区CBERS-CCD数据土地利用/覆盖信息提取为例,依据最佳指数（OIF）模型,基于波段间信息量和地物间可分性试验,从定性和定量角度评价试验结果,得出:① CBERS-CCD数据所有可能3个波段组合中,B3-4-1波段组合RGB合成假彩色影像最适宜多数土地利用/覆盖类型信息提取;② CBERS-CCD数据第5波段对水田和草地等地类信息提取有重要贡献,应予充分利用;③ 不同波段组合对不同地类信息提取贡献有别,仅仅依靠某个波段组合即便是最佳波段组合也难以获得很高精度,需要继续研究CBERS-CCD数据与其它数据融合,以及决策树与多特征提取等多种遥感信息提取方法。
     

一种改进的高光谱图像波段选择方法

根据高光谱波段选择的基本准则,将子空间划分、基于矩阵模式的高光谱波段选择方法(BSMM)、波段指数(OIF)三者相结合,提出了一种新的波段选择方法ABO。该方法首先根据各波段之间的相关性进行子空间划分;然后,在全波段范围内利用基于矩阵模式的高光谱波段选择方法得到单一量化指标W,选出各子空间中量化指标W取最大值所对应的波段;其次,针对已选波段计算任意3个波段的波段指数(OIF),波段指数最大值所对应的3个波段即为所选波段;最后,利用AVIRIS真实高光谱数据进行仿真实验,对所选3个波段进行RGB合成与HSV变换以及RX异常检测,通过与以往波段选择方法进行对比验证了所提方法的有效性。     

高光谱影像波段选择算法研究*

基于高光谱影像数据的特点,分析了高光谱数据的降维方法。着重探讨了波段选择的若干算法:熵及联合熵、最佳指数因子、自动子空间划分、自适应波段选择、波段指数和最优波段指数等算法。分析了各种算法的有效性、局限性和计算复杂度,并针对波段指数的不足,设计了最优波段指数(OBI)波段选择新算法。最后通过具体的试验,验证了各种算法的性能。     

高光谱数据的光谱信息特点及面向对象的特征参数选择——以北京顺义区为例

波段宽度为纳米级的高光谱数据,具有几十乃至几百个光谱通道,它们各有不同的特点。如何根据具体的应用目的,在这众多的波段中选择出最佳波段和特征参数,对于有效地进行高光谱数据的处理、分析及信息提取至关重要。以北京顺义区高光谱数据为例,首先分析了通道间的相关性,根据通道的相关性大小和分组块状结构特点,将其分为若干组;然后全面分析了高光谱数据的光谱信息特征,在综合考虑各波段的信息含量、波段间的相关性以及地物光谱的吸收特性和可分性等因素
的基础上,提出了面向对象的分层多次选择高光谱数据最佳波段和提取特征参数的基本思路和方法;最后用其它地区的成像光谱数据对此方法进行了验证。     

基于Hyperion影像的高光谱水汽含量反演的算法比较研究

基于高光谱遥感图像数据的大气参数反演和一体化辐射校正具有重要研究意义和应用价值。首先,通过6S模型辐射传输计算分析了EO-1/Hyperion遥感影像在940和1 130nm附近水汽吸收区域的光谱吸收特点。其次,采用两通道比值法和三通道比值法,比较了不同波段组合的大气含水量高光谱遥感反演精度并进行了敏感性分析,模拟实验结果表明采用三波段比值算法的相关系数和均方根误差均优于对应的两波段算法。最后,利用张掖地区2008年3景EO-1Hyperion高光谱遥感影像,反演了大气含水量,并与地基CE-318太阳分光光度计测量数据进行对比验证,结果表明:1 124nm水汽吸收通道反演精度优于940nm,两通道和三通道比值法的均方根误差分别为0.369和0.128g/cm2,三通道比值方法优于两通道比值方法,与地面观测结果一致。     

一种基于物理机理的高光谱遥感图像真彩色校正模型

针对高光谱遥感影像由于各波段光谱范围窄,难以获得符合人们视觉效果的真彩色合成影像问题,提出一种基于物理机理的高光谱遥感图像真彩色校正模型。该模型充分利用高光谱影像在红、绿、蓝反射区的所有谱段信息,通过插补波段并进行波段加权积分重建真彩色合成图像,进而结合实测地物反射率光谱,利用辐射传输模拟的方式,构建具备普适性的真彩色校正模型。利用航空高光谱遥感影像进行色彩校正实验的结果表明,所构建的真彩色校正模型能够很好地应用于高光谱遥感影像真彩色校正。     

基于最速上升算法的超光谱图像波段选择搜索算法*

超光谱遥感数据具有的波段数目多、波段宽度窄、数据量庞大等特点,给图像的进一步解译带来困难。结合超光谱图像波段选择的具体应用,根据波段之间的相关性将整个波段划分为几个子波段,采用最速上升的特征选择搜索算法在各子波段中快速提取最优波段。为了验证本算法的有效性,分别选取JM距离、BH距离以及类内类间离散度作为评价准则,针对一幅200波段的AVIRIS超光谱图像进行分类实验,并将该方法与传统的SFFS算法进行对比。实验结果表明所采用的算法用于特征选择具有搜索能力强、分类精度高的特点,完全可以替代传统的SFFS算法     

矿物与岩石的可见-近红外光谱特性综述

矿物和岩石的系统光谱学研究是当今高光谱遥感发展的基础。在简要介绍了吸收光谱产生的电子过程和振动过程机理后,系统归纳了主要矿物类型和岩石类型的可见-近红外光谱特征。认为矿物的吸收光谱主要由二价、三价铁离子和过渡族元素的电子跃迁以及晶体场效应等电子过程产生;此外,还可以由水分子、Al-OH、Mg-OH、碳酸根的振动过程及卤化物的色心和硫化物的导带产生;岩石的吸收光谱都是杂质、包体、蚀变及替代成分产生的,主要为铁、水和羟基、碳酸根、硼酸根的光谱。最后指出,不同物理、化学环境下的矿物光谱特征变异研究在将来的高光谱遥感地质勘察中将变的更为重要。     

基于萤火虫算法的高光谱遥感波段选择方法

高光谱图像在遥感领域中的应用越来越广泛,但由于自身的高数据维、波段间的高冗余度等特性给图像处理带来了一定困难,针对这个问题,提出一种基于类间可分性准则的改进萤火虫仿生算法,进行高光谱遥感波段选择。在分析萤火虫算法机理的基础上,阐述了利用该算法进行高光谱波段选择的思路,并构造波段相似性矩阵,选择欧氏距离、JM距离、光谱信息散度和离散度作为可分性准则来设置目标函数,根据目标函数值的优劣选择优势波段。最后,使用HYDICE Washington DC Mall和 HyMap Purdue Campus两个高光谱遥感影像数据进行实验验证,并利用支持向量机分类器对最佳波段组合进行精度评价,证明该算法的可行性和有效性。
     

Spectral characteristics and feature selection of hyperspectral remote sensing data

Hyperspectral remote sensing data with bandwidth of nanometre (nm) level have tens or even several hundreds of channels and contain abundant spectral information. Different channels have their own properties and show the spectral characteristics of various objects in image. Rational feature selection from the varieties of channels is very important for effective analysis and information extraction of hyperspectral data. This paper, taking Shunyi region of Beijing as a study area, comprehensively analysed the spectral characteristics of hyperspectral data. On the basis of analysing the information quantity of bands, correlation between different bands, spectral absorption characteristics of objects and object separability in bands, a fundamental method of optimum band selection and feature extraction from hyperspectral remote sensing data was proposed.     

基于遥感分类的博鳌地区生态变化评价

利用不同年份TM 数据, 使用遥感和景观分析的评价方法, 并对博鳌镇及周边区域的生态安全状况进行了研究。在充分利用影像波段信息的基础上选取不同的波段组合, 对最大似然方法和光谱角分类法做对比分析, 并将对比的最优结果用于景观评价指数的计算, 运用土地利用转移概率矩阵以及多种景观指标对博鳌地区景观格局变化和各个斑块类型的变化进行了研究. 结果表明, 从1988 年到2000 年, 该地区的未利用地面积明显下降, 土地利用开发效果明显; 与此同时耕地面积也有一定规模的下降, 明显存在耕地被建筑用地挤占情况; 林地面积有很大的扩张, 显示出极大的优势度, 就研究区域整体景观而言, 该区的破碎度得到一定的改善, 但其物种多样性和均衡性遭到一定破坏。     

Citrus Recognition Methods of Hyperspectral Remote Sensing Image based on Spectral Unmixing Model

In order to monitor the citrus planting information timely and accurately,We take Huichang County of Jiangxi Province as the research area,using EO\|1 Hypersion hyperspectral remote sensing (HRS)image as a datasource to build a citrus recognition methods of hyperspectral remote sensing image based on spectral unmixing.First of all,the EO\|1 Hyperion hyperspectral remote sensing image has 242 bands,and it has a wide spectrum rang.It can extract the spectral curve of typical objects in the study area,which is based on the image pre\|processing including the band selection,the atmospheric correction and so on.Then,we use the fully constrained linear spectral mixture model of spectral unmixing to decompose the mixed pixels of the image,and then extract the abundance value of citrus.Finally,we construct the relationship between citrus abundance and the actual cultivation of citrus based on the high resolution remote sensing image.The results indicated that the unavoidable error in the extraction of the typical objects and the differences of the citrus canopy coverage can lead to the corresponding relationship between the citrus plant accurate identification and the citrus abundance threshold value.Under the condition of repeated experiments,the study area of citrus abundance thresholds in the range of 0.30~0.45,the overall accuracy can reach more than 90%,and it can meet the requirements of identification of citrus.     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。