导图社区 高光谱遥感原理与方法
- 29
- 1
- 1
- 举报
高光谱遥感原理与方法
遥感科学与技术专业课，高光谱遥感是指用很窄而连续的光谱通道对地物持续遥感成像的技术(多波段目连续→成像光谱遥感)。
编辑于2024-09-14 16:59:29- 遥感
- 原理与方法
- 高光谱
- 相似推荐
- 大纲
高光谱遥感原理与方法
考试题型
选择题
5×2'
填空题
1×10'
名词解释
5×4'
简答题
6×6'
综合题
2×12'
概论
高光谱遥感的定义
用很窄而连续的光谱通道对地物持续遥感成像的技术（多波段且连续→成像光谱遥感）
高光谱遥感的特点
波段特点
波段多、波段宽度窄、波段连续
数据量特点
数据量大、信息冗余增加
图谱合一
高光谱遥感的关键技术
光谱微分分析技术
光谱分类技术
光谱重建与特征提取技术
光谱匹配
混合光谱分解
生物物理化学反演
高光谱遥感的应用
海洋遥感、植被分析（类型识别、化学参数分析）、精准农业（水分、有机质）
常见传感器
国内高光谱传感器
MODIS（NASA），AVIRIS、CASI
国外高光谱传感器
环境一号、高分五号、珠海一号
高光谱遥感的理论基础
电磁波理论基础
电磁波的产生机制
电子能级的跃迁、电荷的加速、物质的放射性衰变、原子和分子的热运动
原子光谱、分子光谱、晶体光谱
电磁波与物质的相互作用
电磁波与大气的相互作用
大气散射
电磁辐射能受到大气分子或气溶胶等的作用，而改变传播方向的现象
遥感器接受了视场之外的辐射而模糊了记录的空间细节
影响因素
微粒的大小、含量、辐射波长和穿过的大气厚度
散射使暗色物体呈现出比自身更亮的颜色，而使亮色物体变暗，从而降低了影像的反差
分类
由于依赖于波长的瑞利散射效应的存在，遥感一般不考虑使用蓝光或紫外光(这些都被强烈地散射)。采用这些波段的影像主要记录的是大气亮度而不是物体本身的亮度
大气折射
大气的折射率与大气密度相关，密度越大折射率越；;离地面越高，空气越稀薄，折射率也越小
大气吸收
电磁辐射穿过大气时，要受到大气分子等的吸收作用，造成能量的衰减
分类
一般吸收
在电磁辐射的整个波段内都有吸收，且吸收率随波长的变化几乎不变
选择吸收
在一些波段上吸收很大，而一些波段上吸收很少，即吸收率随波长的变化有急剧的变化
主要吸收物质
大气窗口
不同的电磁波通过大气后的衰减程度不一样，有些波段的电磁辐射通过大气后衰减很少，透光率高，这些波段被称为“大气窗口”
电磁波与地表的相互作用
反射
反射率
物体在特定波长的反射辐射通量与入射辐射通量之比
反射特性的决定因素
地表粗糙度（相对于波长）
类型
镜面反射
入射角等于反射角
漫反射/朗伯反射/各向同性反射
入射波在所有方向上均匀反射
方向反射
透射
辐射穿过一种介质而没有被严重衰减的现象
荧光
当某种常温物质经某种波长的入射光(通常是紫外线或X射线)照射，吸收光能后进入激发态，并且立即退激发并发出比入射光的的波长长的出射光(通常波长在可见光波段);很多荧光物质一旦停止入射光，发光现象也随之立即消失
特点
灵敏度高，同时选择性较好，可对多种元素进行定量或定性分析
高光谱遥感数据表达（时-空-谱信息）
光谱图像立方体
二维光谱曲线
三维光谱曲面
高光谱的成像原理
光谱仪、成像仪、辐射计
光谱仪
光谱维信息
光谱分辨能力
成像仪
空间维信息
二维成像能力
辐射计
辐射能信息
辐射分辨能力
高光谱遥感的基本概念
分辨率
光谱分辨率
仪器在达到50%光谱响应时的波长宽度
空间分辨率
成像光谱仪的空间分辨率是由仪器的角分辨力,即仪器的瞬时视场角（IFOV）决定的
IFOV所对应的地面大小被称为地面分辨单元
仪器的视场角(FOV)较大，可以获得较宽的地面扫描幅宽
仪器的视场角(Field of View，FOV)
仪器扫描镜在空中扫过的角度
与系统平台高度共同决定了地面扫描幅宽(Ground Swath,GS)
瞬时视场角(IFOV)较小，可以获得较高的空间分辨率
信噪比(Signal Noise Ratio,SNR)
传感器所采集到的信号和噪声之比
调制传递函数(MTF)
定量描述系统对正弦信号输入的振幅响应
探测器凝视时间
探测器的瞬时视场角扫过地面分辨单元的时间
在数值上等于行扫描时间除以每行的像元个数
凝视时间越长，进入探测器的能量越多，光谱响应越强，图像信噪比越高
成像光谱仪的空间成像方式（摆扫/推扫）
摆扫型成像光谱仪
光机左右摆扫和飞行平台向前运动完成二维空间成，由线列探测器完成每个瞬时视场像元的光谱维获取
45°斜面的扫描镜在电机的带动下进行360度旋转，旋转水平轴与遥感平台前进方向平行
扫描镜对地左右平行扫描成像
光学分光系统形成色散光源再汇集到探测上
优点
视场角
可以达到很大的视场角(FOV可达90度)
像元配准
像元配准好，不同波段在任何时刻都凝视同一像元
定标
在每个波段只有一个探测器元件需要定标，增强了数据的稳定性
波段范围
进入物镜后再分光，波段范围波段范围可以做得很宽
缺点
光扫描→像元凝视时间短
进一步提高光谱分辨率和信噪比比较困难
推扫型成像光谱仪
其垂直于运动方向在飞行平台向前运动中完成二维空间扫描;平行于平台运动方向，通过光栅和棱镜分光，完成光谱维扫描
优点
凝视时间
像元凝视时间仅仅取决于平台运动的地速，因而凝视时间大大增强。相对于摆扫型成像光谱仪，凝视时间可提高近千倍
空间分辨率和光谱分辨率
由于像元凝视时间增强，空间分辨率和光谱分辨率也得到提高
仪器体积
由于没有光机扫描运动设备，仪器的体积较小
缺点
视场角
由于探测器件尺寸和光学设计的困难，总视场角不可能很大，一般只能达到30度左右
定标
一次需要对上万个探测器元件进行定标，增加了处理负荷和不稳定因素
成像光谱仪的光谱成像方式
将进入探测器的能量分解为不同波长的电磁波
棱镜、光栅色散型成像光谱仪
入射的辐射能经过光学系统准直后，经棱镜和光栅狭缝色散，由成像系统将色散后的光能按照波长顺序成像在探测器的不同位置上
摆扫条件下光谱色散原理
二维影像空间上一个点→色散为一条线→一维灰度集合
推扫条件下光谱色散原理
二维影像空间上一条线→色散为多条线→二维灰度集合
特点
原理直接，结构简单(折射率不同)
光谱维信息易于确定(色散像按波长线性分布在像面上）
干涉成像光谱仪
不直接分光，根据不同光程差条件下的干涉图与光谱图之间的傅里叶变换关系得到不同波长对应下的光谱图
获取干涉影像的方法不同
时间调制型
迈克尔逊型干涉成像光谱仪
二光束是从同一入射光束分割出来的，同频、振动方向不相交、固定相位、振幅相差不大，在探测器上相遇时，必然会产生干涉图样
特点
可获得较大的光程差，从而实现相当高精度的光谱测量
需要一套高精度的动镜驱动系统，对扰动和机械扫描精度都很敏感，工艺复杂、成本高
由于物面像元的干涉图是时间调制的，所以，难以测量空间和光谱迅速变化的物面的光谱，仅适合较慢状态
空间调制型
通过起偏器，棱镜和检偏器，棱镜折射产生光程差，形成干涉图
特点
信噪比
探测器所探测的不是像元辐射中的单个窄波段成分，而是整个光谱的傅里叶变换，因此具有改善信噪比的作用
仪器结构
运动部件，结构紧凑，抗扰动能力和抗震性能好
实时性
实时性较好，在凝视时间较短的情况下也可获得较好的观测结果
其它类型成像光谱仪
滤光片型成像光谱仪
二元光学成像光谱技术
不同于棱镜垂直于光轴色散，二元光学元件沿轴向色散，利用面阵CCD沿着光轴对所需波段进行探测，不同位置对应不同的波长的成像区
地物光谱特征及地面光谱数据采集
典型地物反射波谱特征
水体
水色遥感：利用光学遥感技术探测水体中的叶绿素、黄色物质、泥沙悬浮物
水体的类别：内陆水（河流、湖泊）/海洋水（大洋水、近岸水）
大洋水：藻类形式存在的叶绿素
近岸水：河口排放和潮汐作用，增加泥沙和黄色物质
波谱特征
主要在蓝绿光波段，其他波段吸收都很强，特别到了近红外部分，吸收就更强（呈现黑色）
水体类型及成分有关
浑浊度：泥沙反射，可见光波段反射率会增加峰值出想在黄红区（浊水放射率高于清水）
叶绿素浓度：叶绿素浓度增加，蓝光反射率下降，绿光反射率上升，，近红外波段明显抬升
其他物质：天然和人造物质（高浓度的丹宁→水质棕黄）
水的不同形态
雪（大小、雪花絮状形态、积雪松紧程度）
反射率变化（减低）：新降未融化雪>表面融化的雪>湿的融化的雪>冰冻的雪>水
指数
归一化差异水体指数（NDWI）=（Green-NIR）/（Green+NIR）
修正归一化差异水体指数（MNDVI）=（Green-SWIR）/（Green+SWIR）
植被
可见光
小反射峰
绿光（0.4-0.76μm）
两个吸收带
蓝光（0.45μm）
中心带：叶绿素a
附近带：叶红素+叶黄素
红光（0.65μm）
叶绿素b
近红外
红边效应：反射“陡坡”→植被叶细胞结构
1.1μm：峰值
中红外（1.3-2.5μm）
三个水吸收谷（1.4、1.9、2.7）：绿色植物含水量的影响，吸收率大增
反射峰：绿叶的反射
影响因素
植被种类、季节、病虫害影响、含水量
指数
归一化差异植被指数（NDVI）=（NIR-Red）/（NIR+Red）
比值指数（RVI）=NIR/Red
差值指数（DVI）=NIR-Red
增强型植被指数（EVI）=2.5*NIR-Red)/(NIR+6.0*Red-7.5*Blue+1)
地物光谱特征采集
双向反射分布函数
定义给定入射方向上的辐射照度如何影响给定出射方向上的辐射率的函数
地反射波谱的测量方式
样品的实验室测量
野外测量
垂直测量
非垂直测量
大气校正
辐射定标和辐射校正
辐射校正
辐射定标：针对传感器，建立灰度值于传感器入瞳处的辐射亮度之间的关系
大气校正
可见光/近红外：入瞳辐射亮度→地表辐射亮度或地表真实反射率
热红外：入瞳辐射亮度/亮温→地表亮温/温度
地形校正
模型
物理模型
利用电磁波在大气中的辐射传输原理建立起来的模型
校正思路
辐射亮度值计算
传感器定标后,把高光谱影像相应波段的像元灰度值转换成具有辐射意义的亮度值
建立起入瞳辐射亮度与表观反射率的联系
建立起地表--大气辐射关系分析模型
被大气衰减的下行太阳辐射通量
散射透射辐射能量
大气固有的反射太阳辐射通量入射辐通量
根据模型函数关系计算地物光谱反射率
模型
6S、LOWTRAN、MORTRAN、ATCOR
统计模型
暗目标法
每个波段DN值减去暗目标（特定波段的反射率接近0近红外：水体；红光：植被）的DN值
平面场模型
在影像中选择具有一定面积、较为均匀的样区，将每个像元的灰度值除以样区的灰度平均值
内部平均法
计算整幅影像的灰度平均值，将每个像元的灰度值除以改灰度平均值
对数残差模型
假设传感器的记录值为地形因子、反射率和照度因子的乘积，两边同时取对数
地面线性回归模型
将地面反射率与传感器入瞳辐射值总结为线性关系，并通过野外实测和卫星扫描同步进行观测，解算线性回归系数
高光谱数据处理——降维及可分性准则判断
高维特征带来的问题
信息冗余大
波段之间的相关性导致的
超维几何体体积
空间维数增加
“维数灾难”问题
训练样本不足，在一定样本数量下，分类精度随着特征维数的增加出现“先增后降”的现象
高维空间中的参数估计问题
随着空间维数的增加，要得到同样精度的估计值将需要更多的样本数
高阶统计特性
低维空间：只使用均值向量进行分类的结果比只使用方差信息得到的结果的精度高
在此种情况下，在分类过程中数据分布的位置比分布的形状和方向作用要大的多
当维数增加时，只考虑均值信息进行分类的精度并不再增加，而考虑方差信息的分类精度却随着特征维数的增加而继续增加
降维的两个方法
特征变换
波段选择
可分性准则
定义
从高维数据中得到了一组用来分类的特征，用于衡量特征对分类的有效性的定量标准
类型
基于几何距离的可分性准则
基本思想
不同的类别对应不同的分布区域，通过几何距离来度量不同区域之间的相似程度，来判断低维特征的可分性
原理
点与点
点与点集
均值天量
类内距离
两类之间的距离
各类总的均方距离
类内离差矩阵
反映类内部样本在均值周围的散布情况
多类情况离差矩阵
总的类内离差矩阵
类间离差矩阵
总体离差矩阵
判据构造
离差矩阵分析
类内越紧密，类间越分散
样本越分散，矩阵的数值越大
依据可分性准则构造判据
数值的大小直接体现降维后特征空间的类别可分性
类间离差矩阵的单调增函数是类内离差矩阵的单调减函数
基于概率密度的可分性准则
基本原理
衡量各类的条件概率密度函数重叠度J的大小来确定可分性
判断依据
Bhattacharyya判据
Chernoff判据
对两个概率密度函数进行卷积运算
两个概率密度函数越重合，卷积结果越大
散度判据
基于贝叶斯判决的可分性判据
高光谱特征选择
概念
通过对数据的评价，从若干特征/波段中挑选出用于高光谱遥感影像分析/分类的有限个特征/波段
类型
基于可分性准则（统计计算，分类的角度）
主要思想
在特征空间中搜索最优或者次优子集使得μ(S)具有最佳性能，μ(S)为评价特征子集S对于感兴趣条件的性能指标
通过类别样本和可分性判据选出波段子集，波段子集的产生方式由搜索策略决定
搜索方法
穷举搜索（计算量大）
评价各个可能的特征子集的性能指标，找出最优的子集
启发式搜索（阶段最优）
前向选择
波段子集初始状态为空，一次入选一个波段（在当前剩余特征中最能提高可分性）
后向选择
波段初始状态包含所有特征，一次淘汰一个波段（最能减低可分性）
随机搜索
分类器的学习算法
滤波类型和包装袋类型
滤波类型
先选出波段子集在形成分类标准
包装袋类型
形成分类标准的同时选择出波段子集
两个策略
选择各类平均可分性最大的特征
难以照顾到分布比较集中的类
选择对最难区分的类别具有最大可分性的特征
漏掉对各模式具有最大可分性的特点
基于光谱特征位置搜索（针对特定地物，从波谱空间出发）
利用地物波段吸收特性
具有地物波谱特征的先验知识
波段选择针对特定目的
通常进行包络线去除
实例
联合熵
联合熵越大，图像所含信息丰富，对所有可能的波段组合计算其联合熵，并按从大到小的顺序进行排序，则联合熵最大的前面若干个就是最佳波段组合
存在问题
波段选择的结果容易聚集在某一连续的波段间
高光谱遥感数据的波段信息之间的强相关性，使得多种波段组合方式具有相同的联合熵
自动子空间划分法
依据高光谱影像相关系数矩阵灰度图的“成块”特点，根据高光谱影像相邻波段相关系数的大小，把波段划分为若干个子空间，然后分别在各个子空间内利用联合熵算法进行波段的选择
混合随机搜索（遗传算法+局部寻优）
混合搜索策略
策略
全局搜索阶段（遗传算法）
找到全局较大值位置P，避免陷入局部极小值 b
尽可能涉及更多的波段组合形式——跨度大
遗传算法
随机选择若干个码串，构成码串集合，利用选择，交叉算子，迭代更新码串集合
计算集合中每个码串对应波段组合的性能评估函数（可分性判据）
选择判据计算值最大的码串对应的波段组合为选择的方案
局部搜索阶段
在位置P附近，进行局部邻域搜索找到极大值
尽可能细致的找到极大值位置——跨度小
对全局搜索结果码串进行领域索搜索
高光谱特征提取
特征选择与特征提取的区别
特征提取️：原始特征空间的重组运算
（映射方式位置，特征未知）
特征选择：原始特征空间的子集挑选
（波段选择，特征已知）
基本概念
对原始的光谱空间特征进行重新组合和优化，提取出最适合当前应用需求的新特征
基本原理（基于可分性）
确定降维变化的数学映射表达式Y=AX
选定可分性准则函数
利用准则函数对A的一阶导数等于零建立方程
立足于方程，寻求A的解或等效解
主要方法
经典PCA
使用PCA变换后各成分按照方差从大到小排序
计算协方差矩阵的特征值和特征向量，按照特征值的大小顺序排列特征向量，构成变换矩阵，降维后样本的总体方差最大
最小噪声分离法
噪声适应主成分法
通用光谱模式分解（UPDM)
高光谱参量化
目的和地位
目的：对高光谱曲线特征进行定量表达，用数值化的形式来描述反射率随波长的变化特征
地位：针对待分析对象，通过高光谱特征参量提取，构建分析特征集，为后续匹配、分类、识别及反演奠定基础
主要方法（3个内容）
光谱曲线的简化表达（重点）
光谱吸收特征参数提取（重点）
光谱曲线的函数模拟（大致了解）
光谱曲线的简化表达
目的：反射率为浮点型数据，波段数量多，为提高分析效率，可以对光谱曲线进行简化表达
光谱斜率与坡向
在光谱区间(B1,B2)内，将光谱曲线近似视为直线，该直线的斜率即为光谱斜率
光谱斜率为正，光谱曲线被定义为正坡向
光谱斜率为零则为平坡向
光谱斜率为负则为负坡向
光谱二值编码
为了实现在光谱库中对特定目标进行快速查找，采用对光谱进行二值编码的方案
类型
分段编码
将光谱波长分成几段分别进行二值编码，各段具有不同的编码阈值T
多门限编码
采用多个门限进行编码可以加强编码的描述性能。例如可采用两个门限将光谱值划分为三个域:
在一定波段进行编码
仅在最能区分地物类型的波段进行编码。如果不同地物的光谱特征差异在特定波段有显著体现，可以在这些波段进行编码，从而既能达到良好分类目的，又能提高编码效率
波段组合二值编码
考察当前波段与后续相邻波段的数值关系，依据数值关系确定编码
地物类型序列光谱柱状图
地物类型序列
概念
五大典型目标之间的光谱特征差异很大，比较容易区分，而内部不同亚类之间的光谱特征较为接近，称为地物类型序列
四个特点
同属于同一个典型地物大类
包含的物理化学成分和特性相近，仅各成分比例不同
地物内部组织结构相似，外部形态略有差异
在波谱空间中，光谱曲线的形态类似
光谱柱状图
光谱吸收特征参数提取
包络线消除
作用
突出反映光谱曲线之间吸收峰的差异
定义
将光谱曲线相应波段的反射率值与包络线曲线的反射率值进行比值运算
包络线
光谱曲线的包络线与光谱曲线相切或相离
算法思路
离散化直方图
折线起点与折线终点的确定
判断每条折线段终点的依据：折线段的延长线与后续竖线段(及延长线)的交点位置是否位于相应竖线端点上方
将光谱曲线相应波段的反射率值与包络线曲线的反射率值进行比值运算，得到新的光谱曲线
包络线消除后，那些“峰”值点上的相对值均为1，非“峰值”点均小于1。形成若干个吸收谷，能够突出反映光谱吸收特点
优点
强化了吸收特征，却未改变敏感波段位置，增强了可识别性
光谱吸收吸收参数
用来定位光谱吸收位置并量化吸收谷形状特征的参数
参数
光谱吸收位置
光谱吸收谷中，反射率最低处的波长
光谱吸收深度(AD)
某一光谱吸收谷内，反射率最低点与反射率p=1的距离
吸收宽度(AW)
最大吸收深度一半处的光谱带宽
吸收面积
光谱吸收对称性
过吸收位置的垂线为边界，右边区域面积与左边区域面积的比值的常用对数
光谱吸收指数
非吸收基线
光谱吸收谷的左右两个肩部点连线S1S2
光谱曲线的函数模拟
目的
曲线平滑、将离散便稳定、使得参数具有针对性s
植被光谱曲线的函数模拟
500-680nm
被可见光光谱反射率模型(VVSR)
670-780nm
植被倒高斯模型(IG)
光谱导数
光谱导数可以增强光谱曲线在坡度上的细微变化，光谱导数波形分析能消除部分大气效应
应用
地质填图
混合光谱
基本概念
混合光谱产生的原因
每个像元所对应的地表，往往包含着不同的覆盖成分，它们具有不同的光谱特征。而每个像元仅用一个信号记录这些“异质”成分，因此形成混合光谱现象，对应的像元称为混合像元
端元和丰度
进入到像元内部，地物的基本组成成分被称为“端元”，每种成分的比例称为“丰度”
成因（简单分析）
物质混合因素
在IFOV所对应的分辨单元内，有多种物质成分存在的空间混合
在分辨单元内，由于地形和阴影引起的照度差异
大气传输因素
大气传输过程中的漫射、折射等效应，会使得影像像元中包含了IFOV所对应的地面分辨单元之外的地物信息，从而产生了光谱混合
仪器因素
成像光谱仪CCD焦面技术的误差、以及镜头光学传输系统以及仪器辐射传输系统的误差，会使得在成像阶段产生信号的混合
非线性
线性光谱混合模型
三种描述手段
物理学
像元的混合光谱是像元内部各物质的“纯”光谱的面积加权平均
代数学
遥感影像所获取的像元光谱矢量C是其所有端元光谱矢量A与各端元光谱丰度B矢量的乘积
几何学
一般形式
N个端元
其它混合光谱模型
概率模型
几何光学模型
随机几何模型
模糊聚类模型
线性解混关键问题
端元的提取
物理端元提取
在野外实测光谱或选取地物光谱库中的标准光谱
图像端元提取
基于影像特征的分析，寻找符合某种意义的“纯点”端元较符合影像的实际特点
丰度的结算
非限制性方法
不利用任何约束条件，仅仅利用线性关系
限制性方法
将线性关系和限制性条件综合利用（三个约束条件都用上）
最小二乘法+拉格朗日条件
端元提取方法
提取几何顶点的端元提取算法
基本思想
寻找端元➡️寻找单形体的顶点
经典方法
纯像元指数法
N-FINDR方法
最大距离法
基于误差分析的端元提取算法
利用均方根误差来逐个搜索端元，通过对当前端元分解结果的误差评估来决定后续端元的选择
线性混合像元分解的应用
反射率转换
地物分类
地物填图
高光谱定量估测建模技术
回归分析
建立反应光谱特征与研究要素之间具体的数量关系的数学模型
一元回归分析模型
多元线性回归分析模型
将所有变量根据重要程度对其重新导入到回归方程中建立回归模型
偏最小二乘回归
非线性分析反演模型
BP神经网络
随机森林
支持向量机
实例一高光谱遥感土壤有机质含量估算
1.设计土壤采样方案
土壤的采集和土样大小颗粒的制备
2.收集并预处理高光谱数据，获取土样的反射率R
3.分析数据
进行光谱数学变换（R，log（1/R），1/R，一阶微分），提取光谱特征
建立回归模型，对不同颗粒大小的土样光谱特征进行分析
选择多种回归方法（SVM，RF，一元线性回归，BP神经网络等）比较，对比分析
进行精度评价(指标)
相对误差
平均相对误差
总均方根差
判定系数