1、1,第六章 高光谱特征参量与光谱库,光谱特征提取 （1）波形特征的绝对位置信息波长？波长区间？（2）波形特征的相对位置信息（波段排序）降序？升序？波长间隔？,2,6.1 光谱形态学分析光谱特征参量化,）光谱吸收特征参数 ）光谱斜率与坡向 ）光谱二值编码 ）光谱导数 ）光谱积分 ）光谱曲线模拟,3,1）光谱吸收特征参数 主要是用来识别各种矿物成分或空间分布，通过定 义的光谱参数来提取各种定量信息。 主要包括：吸收波长位置（P），深度（H），宽度 （W），斜率（K），对称度（S），面积（A）。,4,光谱吸收指数：SAI（spectral absorption index）一条光谱曲线的光谱吸收特征
2、可以由 光谱吸收谷点M与光谱吸收两个肩部的S1与 S2组成。,5,光谱吸收指数（SAI）可以表达为单散射反射率 的函数，平均单散射反射率可以进行混合像元光 谱分解成分的丰度反演，因此，可以通过获取一 系列典型地物的光谱吸收指数，通过最小二乘法 来反演地物光谱混合成分的含量，这对光谱识别 和光谱混合分析具有重要的意义。,6,）光谱斜率与坡向,光谱坡向指数示意图,7,）光谱二值编码,适用于对光谱库的查找和匹配。 成像光谱数据这种海量数据会产生大程度的冗余度，会降低计算机的处理效率。为实施匹配，因此要建立一些数据缩减和模式匹配技术，提出了一系列对光谱进行二进制编码的建议（Goetz，1990）。使得
3、光谱可用简单的0,1来表述。,8,最简单的编码方法,h(n)=0, if x(n)=T; 其中x(n)是像元第n通道的亮度值，h(n)是其编码，T是 选定的门限制，一般选为光谱的平均亮度，这样每个 像元灰度值变为1bit，像元光谱变为一个与波段数长度 相同的编码序列。,9,10,复杂一点的光谱匹配方式：,11,12,4）光谱导数（微分）,对光谱曲线进行求导或采用数学函数估算整个光谱的斜率，由此得到光谱辐射计的光谱曲线斜率称为光谱导数（微分光谱）。 光谱导数不能产生多于原始光谱数据的信息，但可以抑制或去除无关信息，突出感兴趣的目标信息。比如去除背景吸收或者是杂光反射信号，例如：增强光谱曲线在坡度
4、上面的细微变化，或者消除部分大气效应。,13,成像光谱图像所获取的能量L与地物反射率 之间的关系为： T是大气透过率，E为太阳福照度，Lp为程辐射,14,5）光谱积分,15,6）光谱曲线模拟,典型的地物具有典型的波形形态，为了准确的描述、确定光谱曲线的特点，我们可以将整条光谱曲线或者是曲线中的某一段用一个数学函数来表达出来，这就称为是光谱曲线模拟。 以植被的曲线模拟为例：分为两个阶段的模拟，500680可见光以及670780红边,16,17,18,倒高斯模型中参数主要通过两种方式获得：,19,6.2 光谱数据库,光谱数据库是：由高光谱成像光谱仪或野外光谱仪在一定条件下测得的各类地物反射光谱数据
5、的集合。 特点：它对准确地解译遥感图像信息、快速地实现未知地物的匹配、提高遥感分类识别水平起着至关重要的作用。,20,6.2.1 数据特点,光谱数据组成：一般包括植被、土壤、水体、冰雪、岩矿和人工目标6个典型地物大类。 遥感地面试验数据由遥感地面试验获取，是典型地物光谱测量与环境变量测量最终能获得规范、配套、完备、有效的数据集。 完整的地面试验数据体系应由以下6个方面组成：,21,完整的地面试验数据体系,（1）观测数据； （2）仪器观测数据； （3）测点状况数据； （4）观测方法和数据处理方法的说明； （5）观测人员信息； （6）观测数据之元数据：包括观测数据项的定义，数据格式和数据库现存数据
6、的状况。,22,实验测量的地物光谱是光谱知识库的核心。涉 及：a. 典型地物的分类与特性描述；b. 数据获取规范的建立；c. 数据采集；d. 数据处理；e. 数据质量控制等。,23,测量仪器,地物光谱数据的测量仪器主要有野外光谱仪和成 像光谱仪。 比如：光谱分析仪ASD FieldSpec Pro ,成像光 谱仪（机载或星载），modis，phi，omis等,24,常见的光谱库,当前常见的光谱库有6个，公开提供电子版的有USGS、JPL、JHU、IGCP-264、ASTER。 (1) USGS是美国地质勘探局USGS（United States Geological Survey）光谱实验室在
7、1993年建立的波长在0.2 3.0um之间的光谱库，现在的光谱库版本是Splib04,包含444个样本的498个波谱，光谱分辨率为4 nm（可见光波段0.2 0.8um）和10nm(近红外波段0.8 2. 35um)。,25,(2) JPL是美国喷气推进实验室 (JPL Jet Propulsion Laboratory )用Beckman UV-5240型号的仪器对160种不同粒度的常见矿物进行了测试，并同时进行了X光测试分析。最后按照小于45um，45125um，125500um 3种粒度,分别建立了3个光谱库JPL1，JPL2，JPL3，突出反映了粒度对光谱反射率的影响。除光谱数据外，
8、还规范了样品采集、样品纯度和组分分析方法。,26,(3) 约翰霍普金斯大学(JHU)提供了包含15个子库的光谱库，针对不同的地物类型选用了不同的分光计，并且每种地物都给出了详细的文本介绍。其中2.032.5m的光谱数据是用BeckmanUV-5240仪器测试得到的，2.0815m的光谱数据是用FTIR仪器测试得到的。,27,(4) 美国在IGCP-264工程实施过程中，为了比较光谱分辨率和采样间隔对光谱特征的影响，对26种样本采用5种分光计测试，并同时进行了EDS、SEM、XRD分析测试。最后建成了5个光谱库。,28,(5) 2000年5月，加利福尼亚技术研究所建立了ASTER光谱库，该库还配
9、备了相关的辅助信息，并带有数据库搜索功能，用户能查询光谱数据。 光谱库的数据来源于USGS、JPL、JHU3个光谱库，共计8类，即:矿物类(1348种)，岩石类(244种)，土壤类(58种)，月球类(17种)，陨石类(60种)，植被类(4种)，水/雪/冰(9种)和人造材料(56种)。其中矿物和陨石采用双向反射波谱测量，波谱覆盖率为2.0825um，其它都采用半球反射测量，波谱覆盖范围略有不同，但大致在0.315um范围内。,29,另外，在许多遥感商用软件中也包含高光谱数据库模块，如：在ENVI软件中拥有波谱库管理、编辑及分析模块，它包含了美国地质调查局的USGS光谱库，喷气推进实验室的JPL标
10、准物质成分光谱库，John Hopking 大学热红外及植被光谱库，用户可查看、建立、重采样标准光谱库和自己的光谱库。,30,在我国，一些科研单位也着力于高光谱数据库的研究。 1987年中国科学院空间科学技术中心出版了“中国地球资源光谱信息资料汇编”，含岩石、土壤、水体、植被、农作物等地物的波谱曲线共1000条，并有相应的实验分析报告。波长范围主要为0.41.0m，部分在0.42.4m之间。 1998年中科院遥感所建立了面向对象的光谱数据库，共收集地物光谱数据5000条，这是我国第一部系统的光谱库。 建立一个齐全完善的光谱数据库需要大量的人力和物力，但是可以根据自己的需要建立小型的光谱数据库。
11、,31,实例：Geoimager光谱库系统,武汉大学也致力于光谱数据库系统的的研制和开发，并将其集成到自行开发的遥感图像处理软件GeoImager中。该数据库能够根据用户的需求，对大量的地物目标按照一定的标准，进行统一的管理、查询、提供高光谱数据的各种分析功能，并具有图像光谱维显示分析等模块。,32,GeoImager 系统界面和光谱数据库管理界面,33,（1）数据规范,建立光谱数据库所提供的地物光谱数据应是有代表性的、能反映地物的光谱特征的、可供对比的、规范化的高光谱分辨率光谱。在建立地物光谱数据库时应遵守以下规范。 测量仪器必须经过实验室定标，测量方法需符合地物光谱测量规范的要求； 在采集
12、典型地物波谱数据的同时，采集完备的科学配套的环境参数（如：测量日期、时间、地点、太阳高度角、能见度等），并记载完整的地物名称及对地物表观的物理描述参数（如：水体的水色、水温、透明度、污染状况，植被的生长状况、覆盖率，土壤的干湿度、表面粗糙度、颗粒大小，岩石的化学成分、矿物成分等），以支持定量遥感的参数反演； 测量的光谱数据必须校准为通常的反射率数据。光谱源数据来自野外光谱仪，在输入数据时用户只需选择一个或多个地物的反射率文件即可，但多个地物建立到一个光谱库的前提条件是这几个地物的波长数据应该保持一致。,34,（2）数据结构,开发的光谱数据库系统数据采取ASCII文件即文本文件存储，包括文件头和
13、数据结构两部分。 文件头中依次记录某光谱数据库中包含的各个地物的名称、传感器和环境参数等，数据部分的第一列是波长数据，其它列依次记录在该波长时与文件头所对应的地物的反射率数据。程序中用一个二维指针来表示，第一维存储不同的地物，第二维存储波长数据。,35,（3）模块特点,光谱数据库系统共包括光谱库的建库，光谱库查看和光谱重采样3个板块。 光谱库建库给用户提供了方便快捷的建库工具，用户只需输入由成像光谱仪测得的地物反射率文件，并给每个地物配以相应的参数即可保存为光谱库文件或ASCII文件； 光谱库查看使用户可以查看、分析及比较光谱库中每个地物的光谱曲线，并对未知的地物进行光谱匹配。 光谱重采样可以
14、根据用户自定义的重采样波长、传感器类型等来对光谱库中的地物重采样。,36,（4）功能设计,该光谱数据库系统主要包括光谱数据库的建立、查看、重采样等基本功能，以及光谱吸收特征分析、包络线去除等光谱特征分析功能；此外，针对高光谱数据“图谱合一”的特点，实现了图像-光谱的相互查看。,37,源数据来自野外光谱仪，在输入数据时用户只需选择一个或多个地物的反射率文件即可，但多个地物建立到一个光谱库的前提条件是这几个地物的波长数据应该保持一致。在建库模块中，用户可以重命名地物光谱曲线名称，可以添加、删除、显示任意条光谱曲线，并实现数据库文件和ASCII码文件两种格式的保存。,光谱库建库模块界面以及几个功能菜
15、单,38,左边显示了高光谱影像立方体，右边显示了该影像上几种地物的光谱曲线。,高光谱影像立方体以及其对应的几种地物光谱曲线,39,运用光谱库查看模块，可以形象直观地查看地物的光谱曲线，分析地物的光谱特征。直观反映了几种植被的光谱曲线如图所示。 用户可以一目了然地看出不同种类的植被在不同波段的反射率区别。此外，系统还提供了各种条件的查询，在查询界面中可以根据用户输入查询要求，如光谱仪型号、地物名称等，便可以从光谱库中查到满足条件的地物光谱。,图：矿石光谱库及几种矿石的光谱曲线,40,在光谱重采样模块，提供了用户自定义滤波重采样、数据滤波重采样、传感器滤波重采样等。,41,针对高光谱数据的特点，系
16、统提供了光谱特征分析的功能：如光谱吸收特征分析、包络线去除等。并且在高光谱影像上点击显示图像像素的光谱剖面图，,光谱吸收特征分析输入参数界面,干草去除包络线前后的光谱曲线,42,（5）应用目标,开发GeoImager光谱数据库系统的目标在于： 开发国产化的软件系统。 利用数据库系统有计划的收集和积累各地区、各种地物不同时期的光谱数据和有关参量，实现对我国地面目标光谱数据的管理，为用户提供查询、检索以及共享交流等。 为高光谱定量遥感理论研究和应用服务，如在光谱匹配、目标识别等关键技术中占据着重要的位置，发挥着重大的作用。 为理论研究、光谱特性研究提供有力的工具。,43,6.3 光谱匹配,在成像光
17、谱图像处理中，光谱匹配技术是成像光谱地物识别的关键技术之一。 所谓光谱匹配是通过研究两个光谱曲线的相似度来判断地物的归属类别。它是由已知地物类型的反射光谱，通过波形或特征匹配比较来达到识别地物类型的目的。,44,从概念上出发，光谱匹配主要有以下三种运作模式：,从图像的反射光谱出发，将像元光谱数据与光谱数据库中的标准光谱响应曲线进行比较搜索，并将像元归于与其最相似的标准光谱响应所对应的类别，这是一个查找过程。 利用光谱数据库，将具有某种特征的地物标准光谱响应曲线当作模版与遥感图像像元进行比较，找出最相似的像元并赋予该类标记，这是一个匹配过程。 根据像元之间的光谱响应曲线本身的相似度，将最相似的像
18、元归并为一类，这是一种聚类过程。,45,光谱匹配技术：,（1）二值编码匹配 对光谱库的查找和匹配过程必须是有效的。而且，对成像光谱数据这种海量数据会产生大程度的冗余度，会降低计算机的处理效率。为实施匹配，因此要建立一些数据缩减和模式匹配技术，提出了一系列对光谱进行二进制编码的建议（Goetz，1990）,46,高岭土与明矾石的成像光谱图像数据编码匹配时，只需要将二值编码光谱数据库内感兴趣的二值编码向量（已知）同未知的高光谱二值编码图（像元）匹配并计算匹配系数。人们根据匹配系数的大小来确定和提取位置图像上感兴趣的地物信息。,47,（2）光谱角度匹配,光谱角度匹配（Spectral Angle M
19、atch：SAM）通过计算一个测量光谱（像元光谱）与参考光谱之间的“角度”来确定他们两者之间的相似性。这种技术在地质矿物分类成图中的应用较有潜力。参考光谱可以是实验室光谱或野外测定光谱或是从图像上提取的像元光谱。 下面通过两波段（二维）的一个简单例子来说明参考光谱和测试光谱的关系,48,SAM通过下式确定测试光谱ti与一个参考光谱ri的相似性：,49,SAM的流程分为4步： （1）从光谱数据库中选择感兴趣的“最终成分光谱”； （2）对“最终成分光谱”做重采样，因为图像光谱分辨率通常要低于地面测量的光谱分辨率，使两者光谱分辨率一致。 （3）计算最终成分光谱与图像像元光谱两个光谱向量之间的角度 （
20、广义夹角余弦），以评价此两光谱向量相似性。当 =0时表示两个光谱完全相似，而 时则两个光谱完全不同。 （4）计算成像光谱图上每个像元光谱与每个最终成分光谱的，从而实现对图像光谱的匹配和分类。具体匹配分类时，对于一个像元光谱x，计算它与第i个最终成分光谱的广义夹角 。如果，则x被判为第i最终成分光谱。如果只是为了突出感兴趣的一类最终成分光谱，那么SAM的输出是一幅灰度图，其中亮度越高代表相似性越高，即和目标光谱有较高的吻合性。,50,利用SAM分类提取的植被与水体类别,51,SAM技术在地质矿物分类成图中的应用较有潜力。对于与光谱库中的地物曲线相似的各种矿物，使用机载高光谱数据构造源于影像的各种
21、矿物光谱反射曲线，使用这些数据签定和在图像上标出各种矿物的位置。 以南澳大利亚地区获取hymap机载高光谱扫描仪图像为例，获取的波段范围：4002500nm，分辨率5m,52,a是彩色合成图像；b灰度图上显示的六种矿物位置；c几种选定矿物的实验室光谱反射率；d根据高光谱数据确定的已选矿产的光谱反射曲线。,a,b,c,d,53,（3）交叉相关光谱匹配,交叉相关光谱匹配是Meer&Bakker于1997年建立的一种光谱匹配技术。这种技术考虑景物光谱和参考光谱之间的相关系数、偏度和相关显著性标准。,54,通过计算一个测试光谱（像元光谱）和一个参考光谱（实验室或像元光谱）在不同的匹配位置的相关系数，来
22、判断两光谱之间的相似程度。测试光谱和参考光谱在每个匹配位置的交叉相关系数等于两光谱之间的协方差除于它们各自方差的积。 m为光谱匹配位置即两光谱错位的波段数,55,交叉相关系数可用t统计量式检验其显著性：它可用自由度为（n-2）查分布表得 值，如果 ，则两光谱在匹配位置m处相关显著，否则无统计意义。,56,假定测试光谱轴不动，沿光谱轴方向移动参考光谱，并规定向短波方向移动为负，向长波方向移动为正。 据此，向短波移动一个波段，即m=-1 ；向长波移动一个波段，即m=1，以此类推。因此m=-10表示参考光谱向测试光谱短波方向偏移了10个波段，而m=10则向长波方向移动了10个波段，显然m=0说明两个
23、光谱没有任何波段相对错位。 由此可见，当m绝对值最大为10时，就有21个交叉相关系数点。将这21个值依值从小到大排列并连成曲线即为交叉相关曲线图。,57,根据这种曲线图可计算曲线峰值的调整偏度，来描述曲线的形状和便于成偏度图。 当 =1时，说明曲线峰值无偏；当 越接近1，说明偏度越小；反之当 值越接近0，说明峰值越偏。至于左偏还是右偏视计算的偏度正负号而定，负者为左偏，正者为右偏。,58,图示三类光谱。图中图像下部的光谱包含两个吸收峰，它匹配实验室高岭土矿物光谱；景物光谱（图像上部）显示单个、宽吸收特征，中心位于2.17um，匹配实验室明矾石光谱；而景物光谱（中部）没有显示明显吸收特征的则属于
24、第三类矿物（Goetz等，1985）。,美国内华达州Cuprite地区的AIS图像。,应用交叉相关系数光谱匹配实例,59,图a是重采样到AVIRIS图像波段宽度的高岭土、明矾石和水铵长石三种矿物光谱曲线（测试光谱）；图b则为由实验室的参考光谱高岭土光谱与图a中三种矿物光谱的交叉匹配相关系数图。,60,美国内华达州Cuprite地区的AVIRIS影像与高岭土光谱在匹配位置为0时的匹配结果。,与高岭土在匹配位置m=0时的相关系数图、相关显著性图以及偏度图,61,分别与高岭土、明矾石和水铵长石三种参考光谱进行匹配的最终结果。从图中可以看出三种矿石的分布概况以及相关性等特征。,与高岭土、明矾石和水铵长石三种光谱进行匹配的最终结果 （匹配位置取m=0, 显著性、偏度阈值均取0.9）,
