6-高光谱特征参量与光谱库

1第六章高光谱特征参量与光谱库本章主要介绍光谱形态学分析和光谱数据库的内容。26.1光谱形态学分析－－光谱特征参量化1）光谱吸收特征参数2）光谱斜率与坡向3）光谱二值编码4）光谱导数5）光谱吸收特征匹配6）光谱积分7）光谱曲线模拟31）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。吸收波长位置（P）在光谱吸收谷中，反射率最低处的波长位置。吸收深度（H）在某一波段吸收范围内，反射率最低点到归一化包络线的距离。吸收宽度（W）最大吸收深度一半处的光谱带宽。4面积（A）对称度（S）以吸收位置垂线为界限，右边区域面积与左边区域面积比值的常用对数。斜率（K）5光谱吸收指数：SAI（spectralabsorptionindex）一条光谱曲线的光谱吸收特征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。6光谱特征参量的分析，尤其是光谱吸收指数（SAI）的计算，可以进行矿物吸收特征的鉴别，主要是特定波长吸收深度图像的生成。不同吸收波长位置的SAI图像序列形成光谱吸收图像立方体，它构成了矿物识别分类与填图的特征参数集。例如，2.33微米的SAI图像可以得到碳酸盐矿物分布图。2.20微米的SAI图像可以得到粘土矿物分布图，2.12微米的SAI图像可以得到铵化物的分布图等等。物理意义：7２）光谱斜率与坡向光谱坡向指数示意图在某一个波长区间内，如果光谱曲线可以近似地模拟出一条直线段，那么直线的斜率被成为光谱斜率。如果光谱斜率为正，则光谱曲线定义为正向坡；否则定义为负向坡，如果光谱斜率为0，则定义为平向坡。可以用光谱坡向指数（spectralslopeindex,SSI）来衡量光谱曲线的走向。8３）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）。使得光谱可用简单的0,1来表述。9最简单的编码方法h(n)=0,ifx(n)=T;h(n)=1,ifx(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。1011复杂一点的光谱匹配方式：12134）光谱吸收特征提取实例三个特征参量？1.最大吸收位置2.最大吸收深度3.对称性14第一个特征参量：最大吸收位置W为了便于计算光谱吸收参数，可以将之线性化。先假设两个开始点S1、S2，即左右两个肩部（峰值为1）。再分别在两肩部的中间假定两吸收点A1、A2，进而确定两条线的交点，列出下面方程。xSAyd22221111SxAASyd即光谱最大吸收位置W可以有两个肩部和两个吸收点即为：x+S215第二个特征参量：光谱吸收深度D（0到1之间）。第三个特征参量：对称性S，这里不用面积作为衡量单位。利用这3个光谱吸收特征参数，对图像进行分析可以分别得到高光谱影像的吸收位置图、吸收深度图以及对称性图。2222][DSASWD)()(12WSSWBAS16分别利用这三个吸收特征参数对美国内华达cuprite矿区影像进行分析处理。该地区原始影像是由航空可见光/红外成像光谱仪（AVIRIS）于1995年获得，共50个波段。17主要分析Al-O和C的特征，并选择相应的吸收波段：（1）Al-O分子的左右肩部分S1和S2别采用了第178个波段（2.0509um）和第199波段(2.2606um)，两个吸收点A1和A2分别为第184个波段（2.1110um）和第196个波段（2.2307um）。（2）C分子的左右肩部分S1和S2别采用了第197个波段（2.2407um）和第212波段(2.3898um)，两个吸收点A1和A2分别为第201个波段（2.2805um）和第210个波段（2.3700um）18Al—O分子的光谱吸收位置图C分子的光谱吸收位置图19光谱吸收深度图光谱对称性205）光谱导数（微分）即对光谱曲线进行求导。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上面的细微变化，或者消除部分大气效应。216）光谱积分227）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，500~680可见光以及670~780红边23246.2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。256.2.1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。26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ASDFieldSpecPro,成像光谱仪（机载或星载），modis，phi，omis等27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等。(1)USGS是美国地质勘探局USGS（UnitedStatesGeologicalSurvey）光谱实验室在1993年建立的波长在0.2～3.0um之间的光谱库。包含444个样本的498个波谱，光谱分辨率为4nm（可见光波段0.2～0.8um）和10nm(近红外波段0.8～2.35um)。28(2)JPL是美国喷气推进实验室(JPLJetPropulsionLaboratory)用BeckmanUV-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，45～125um，125～500um3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，还规范了样品采集、样品纯度和组分分析方法。29(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，2.03～2.5μm的光谱数据是用BeckmanUV-5240仪器测试得到的，2.08～15μm的光谱数据是用FTIR仪器测试得到的。30(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。(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。31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2.08～25um，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0.3～15um范围内。一般光谱库的数据来源32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标准物质成分光谱库，JohnHopking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。光谱库的发展33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0.4～1.0μm，部分在0.4～2.4μm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。34简单的实例：Geoimager光谱库系统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。35GeoImager系统界面和光谱数据库管理界面36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单37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。38针对高光谱数据的特点，系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曲线图。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396.3基于光谱库的光谱匹配在成像光谱图像处理中，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。40从概念上出发，光谱匹配主要有以下三种运作模式：查找：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。匹配：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。聚类：根据像元之间的光谱响应曲线本身的相似度，将最相似的像元归并为一类，这是一种聚类过程。41基于光谱库的光谱匹配技术：（1）二值编码匹配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。42（2）光谱角度匹配光谱角度匹配（SpectralAngleMatch：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43SAM通过下式确定测试光谱ti与一个参考光谱ri的相似性：]])()/[([cos2/1122/11211bbbniiniiniiirtrt44SAM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（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