高光谱遥感复习资料

一、高光谱概述

1. 高光谱遥感定义、特点和存储方式

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。

特点：在可见光到短波红外波段，其光谱分辨率高达纳米数量级。

波段多波段多、光谱范围窄、波段连续、数据量大、信息冗余增加等。

存储方式：有影像立方体和光谱反射曲线。

2. 高光谱应用

（1）海洋遥感

（2）植被分析：植被类型识别、森林树种识别、荒漠化研究、生物物理生物化学参数分析

（3）精细农业：水分含量、有机质含量、土壤粗糙度、农作物生长状态分析、病虫害预警

（4）地质调查

（5）大气和环境监测

（6）军事-去除伪装

3.高光谱数据处理的关键技术：

①光谱图像的显示及数据格式

②光谱重建：实现从影像像元光谱特征的定量化表达。

③光谱编码：对光谱特征进行描述和表达；提取光谱吸收位置、深度、对称性等光谱特征的算法。

④光谱匹配：建立实测光谱数据库的基础上，对影像中各像元的灰度变化曲线与光谱库中的实测光谱曲线

进行匹配，实现类属的确定。

⑤混合光谱分析

⑥生物物理化学反演：从高光谱数据中提取出用于植被和生态研究的生物物理和生物化学参数信息的技术。

二、地物光谱特征

1. 水的光谱特征

(1)基本特征：水体在可见光波段反射率不超过10%，反射主要在蓝绿光波段，在红外波段水体反射率几乎为零，在遥感影像上常呈黑色。

(2)波谱特征：

①水体类型及所含成份有密切关系

悬浮泥沙：悬浮泥沙所引起的混浊度是影响水体光谱特征的主要因素之一。浊水反射率比清水高很多，峰值出现在黄红区。

叶绿素浓度：叶绿素浓度增加时，蓝光反射率显著下降，绿光反射率显著上升。

②不同形态的水具由不同的光谱特征

雪的反射率明显高于水体，且受到雪粒大小、雪花絮状形态、积雪松紧程度影响。

2. 植被光谱特征

(1)基本特征

可见光波段有一个小的反射峰，两侧有两个吸收带，近红外波段有一反射“陡坡”，至1.1μm附近有一峰值，形成植被的独有特征。在中红外波段受到绿色植物含水量的影响，吸收率大增，反射率下降，特别是在水的吸收带形成低谷。

3. 土壤反射光谱特征

(1)基本特征

土壤反射波谱曲线比较平滑，有机质含量和含水量越高反射率越低，壤颗粒大小本身对土壤的反射率有很大影响。

有机质与含水量因素：自然状态下土壤表面的反射率没有明显的峰值和谷值，一般来讲有机质含量越高和含水量越高反射率越低，此外土类和肥力也会对反射率产生影响。

三、高光谱成像原理

1. 高光谱遥感成像的基本概念

光谱分辨率：指探测器在波长方向上的记录宽度，又称波段宽度。

空间分辨率：瞬时视场角所对应的地面大小。

视场角：仪器扫描镜在空中扫过的角度。

调制传递函数：是从谐波分析的角度研究光学系统的成像性质，能够定量描述系统对正弦信号输入的振幅响应。

信噪比：是传感器所采集到的信号和噪声之比。

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称为凝视时间。

2. 高光谱遥感成像关键技术

①探测器焦平面技术

②各种新型的光谱仪技术和精密光学技术

③高速数据采集、传输、记录和实时无损压缩技术

④成像光谱仪的光谱与辐射定标技术

四、光谱重建

1. 定义：由于受到太阳位置、角度条件、大气条件、地形影响及传感器本身的性能的影响，传感器所记

录的数据与目标的光谱反射率或光谱辐射亮度值并不一致。因此，将传感器记录的原始辐射值转化为地物反射率，恢复地物光谱数据本来的面目，称为地物光谱数据重建。

2. 地物光谱数据重建的过程：

（1）遥感器定标：是指建立遥感器每个探测元所输出信号的数值量化值与该探测器对应像元内的实际地物辐射亮度值之间的定量关系。

遥感器定标主要包括三个阶段：实验室定标、星上定标和场地定标

（2）大气校正：大气对电磁辐射产生的散射和吸收是主要的辐射误差源，因此，遥感图像的大气校正主要是补偿大气在吸收与散射方面的瞬时影响。

大气校正方法：①平场域法②内部平均法③经验线性发④暗像元法⑤回归分析法⑥大气辐射传输模型（3）光照及地形校正：消除地形造成的影像中同类地物亮度值的差异，提高影像解译精度。

遥感影像变形的原因：

①遥感平台位置和运动状态变化

②地形起伏影响

③地球表面曲率的影响

④大气折射的影响

⑤地球自转的影响

五、高光谱数据降维与可分性准则

1. 高维特征带来的新问题

（1）信息冗余大，相邻波段之间的相关性很强

（2）超维几何体体积：超立方体的体积急剧增加，并且向角部分布。

（3）“维数灾难”问题：如果训练样本不足时，分类精度随着特征维数的增加“先增后降”的现象。（4）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。（5）高阶统计特性。

2.降维定义：若{X n}n=1,…,N∈R^D为D维空间中的一个容量为N的数据集合，假设其来自于维数为D的

某一数据集的采样。降维的目标是探求数据集合适的低维坐标描述，将原数据集合投影到低维空间，获得原数据集合的低维简洁表示。

3.降维的方法：①波段选择②特征变换。

4. 可分性准则的基本概念

从高维数据中得到了一组用来分类的特征，需要一个定量的标准来衡量特征对分类的有效性。

5. 基于几何距离的可分性准则

（1）构造思路：

①不同的类别→不同的分布区域；

②类别可分性→区域可分性；

③区域可分性→通过几何距离来度量。

（2）几何距离可分性准则原理：

①点与点的距离

②类内及总体的均值矢量

③点与点集的距离

④类内距离

⑤类内离差矩阵

⑥两类之间的距离

⑦各类总的均方距离

⑧多类情况离差矩阵

6. 基于类的概率密度的可分性准则

六、高光谱遥感数据的特征选择与提取

1. 光谱特征选择定义：通过对数据的评价，从高维数据中挑选出用于高光谱遥感影像分析的有限个特征。

2.光谱特征选择方法：

(1)光谱特征位置搜索（流程）：

①包络线去除：利用定义手工逐点直线连接突出的“峰”值点，并使得折线在“峰”值点的外角 >180

度，然后用实际光谱波段值去除相应的波段值，这样归一化后，峰值点均为1，非“峰”值点均小于1。这样就很容易测定吸收特征参数。

②选择特征波段区分地物

③基于特征位置进行彩色合成

(2)光谱相关性选择方法：

①方差法

②相关系数法

③OIF法

④Geary’s法

光谱相关性：指影像同一空间位置的像素在各波段有相似性。

原因：高光谱遥感影像的每个波段图像的像素值，是相同区域地物对各个波段光的反射强度值，相邻波段地物反射率是相近的，由此产生了一定的相关性。

3.光谱特征提取

(1)特征提取定义：对高维数据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。

（2）基于可分性准则的特征提取的思路：

①确定降维变换的数学映射表达Y=AX；

②选定可分性准则函数（J1，J2，J3，J4等）；

③利用准则函数对A的一阶导数等于零建立方程；

④立足于方程，寻求A的解或等效解。

(3)基于可分性准则的特征提取实施步骤：

①选择样本；

②计算原始光谱空间的类内、类间散布矩阵；

③利用特征向量构建降维变换矩阵。

④求解的特征值和特征向量。

4.特征提取与特征选择区别

（1）概念上的区别：

特征提取：原始特征空间的重组运算。

特征选择：原始特征空间的子集挑选。

（2）技术特点的区别：

特征选择→搜索策略（波段选择、特征是已知的）；

特征提取→运算规则（映射方式未知、特征是未知的）。

(3)基于变换的特征提取方法：

1)主成分分析PCA（K-L变换）

①由高光谱图像的数据矩阵X计算协方差矩阵C

②计算协方差矩阵C的特征值与特征向值U并组成变换矩阵T

③根据变换矩阵对原始矩阵X进行变换

④选取占整个能量95%的前几个分量

2)最小噪声分离变换MNF

①对图像进行低通滤波

②分离出噪声图像

④求出原始图像和噪声图像的协方差矩阵

⑤计算信噪比的特征值和相应特征向量并排序

⑥根据特征向量进行将原始影像进行变换

(4)高光谱特征提取新方法

1)分段PCA方法

①计算波段间的相关系数

②根据相关系数划分波段小组

③对每个小组进行PCA变换

④在各小组内，根据每个波段与各分量相关系数平方和计算其贡献率

⑤按照贡献率在各小组内，选择代表性波段。

特点分析：

(1) 通过分组方案，减少计算量，同时避免全局PCA对局部特征的忽略。

(2) 并不将每组的PCA第一主成分作为特征降维结果，而是通过计算组类各波段的贡献率进行波段选择，未损失反射率的物理意义。

七、光谱数据库与光谱匹配

1. 光谱数据库：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。常见的光谱库有美国地质勘探局USGS、美国喷气推进实验室的JPL、约翰霍普金斯大学的JHU。

2. 光谱匹配实施方式

(1)从像元出发的方式：从影像像元的响应光谱出发，在光谱数据库中搜索与其最相似的标准光谱响应曲线，并以此进行归类。

主要用途：适合影像解译，获取较丰富的影像像元类别信息、各类的空间布局信息。

(2)从地物标准光谱出发的方式：将光谱库中某种地物的标准光谱响应曲线当作模板与遥感影像中的每个像元进行比较，并且记录下相似性。

主要用途：适合特定地物的专题分析，获取较详细的地物含量信息。

3. 光谱匹配算法

（1）二值编码匹配：

第一步，以0.5为阈值进行二值编码；

第二步，根据最小汉明距离得到匹配结果；（汉明距离：在遥感影像处理中，汉明距离是两个

等长字符串对应位置的不同字符的个数）

A: [0，0，0，0，1，1，1，0，0，0] B: [0，0，1，1，1，1，1，1，1，1]

C: [1，1，1，1，1，1，0，0，0，0] P: [0，1，1，1，1，1，1，1，1，1]

----- 砂石 AP: 6；石灰岩 BP: 1；玄武岩 CP: 5

（2）光谱角度匹配：以两光谱向量的广义夹角为基础，比较两光谱曲线的相似性。

参考光谱：野外测量光谱；

测试光谱：像元元光谱。

（3）光谱波形匹配：

①函数模拟法：对光谱曲线的全部或部分进行（分段）函数模拟，再对函数参数进行对比分析确定相

似程度。

②线性相似度计算法：同类地物的光谱曲线具有较高的线性相似度，将像元光谱曲线与地物标准光谱

曲线进行差值运算。

（4）交叉相关匹配：

①固定参考光谱曲线，移动待匹配光谱曲线，每移动一次，计算一次相关系数；

②用横坐标轴表示波段偏差，纵坐标轴表示相关系数，可得到交叉相关曲线图；

③计算偏度，偏度越接近1，相似性越高；

光谱吸收特征匹配

八、光谱特征参量化

1. 光谱特征参量化的目的：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。

2. 光谱曲线的简化表达：用于较粗略的波谱特征查找和匹配，目的在于提高处理效率或者服务于目视判

读分析。

3.光谱特征参量化的方法：

光谱斜率和坡向

光谱二值编码：分段编码、多门限编码、在一定波段进行编码、波段组合二值编码

地物类型序列光谱柱状图

3. 光谱吸收特征参数提取方法：

1)包络线消除

包络线消除的算法设计的思想：离散化直方图、折线起点与折线终点的确定、同一波长对应的光谱曲线值与包络线值进行比值计算

包络线消除算法：

①立足于起始端点A，在后续竖线顶端中寻找折线段终点B；

②一旦找到，连接A B；

③令B作为新的起点，寻找下一终点.

2)光谱吸收特征参数提取

光谱吸收位置：在光谱吸收谷中，反射率最低处的波长。

光谱吸收深度：在某一光谱吸收谷内，反射率最低点与反射率1的距离。

吸收宽度：吸收深度一半处的光谱带宽。

吸收面积：

光谱吸收对称性：以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

九、高光谱分类

1. 高光谱遥感图像分类的主要特点在于：

1)光谱分辨率高，波段众多，且可以挑选特定的波段来突出特征，进行分类。

2)数量冗余程度增加，波段相关性高。

3)hughs现象的存在，样本数目要求高，且随着波段增加分类精度反而下降。

2. 降维+传统分类算法

分类方法：特征提取+传统分类算法

重点在于光谱维特征的提取，即通过映射和变换的方法（如主成分分析PCA，最小噪声分离变换MNF，小波变换等），把原始模式空间的高维数据变成特征空间的低维数据，然后对特征更集中的低维数据进行传统分类处理。

分类器：选择最小距离和最大似然法进行比较。

十、混合像元分解

1. 端元：混合像元中的包含的一种地物类型

2. 丰度：端元的百分含量

3. 混合像元成因：

①在一个瞬时视场内，有多种物质成分存在的空间混合；

②在一个瞬时视场内，由于地形和物体阴影引起的照度差异；

③不同像元之间的交叉辐射

④大气传播过程中的混合效应；

⑤遥感器本身的混合效应；

高光谱遥感综述

高光谱遥感及其发展与应用综述 摘要：高光谱遥感是20世纪80年代兴起的新型对地观测技术。文中归纳了高光谱遥感技术波段多、波段宽度窄，光谱分辨率高，数据量大、信息冗余，“图谱合一”等特点，具有近似连续的地物光谱信息、地表覆盖的识别能力极大提高、地形要素分类识别方法灵活多样、地形要素的定量或半定量分类识别成为可能等优势，简单介绍了高光谱遥感在国外及国内的发展情况。在此基础上，概述了高光谱遥感在地质矿产、植被生态、大气科学、海洋、农业等领域的应用。 关键词：高光谱遥感；发展；应用 1高光谱遥感 高光谱分辨率遥感是指利用很多很窄的电磁波波段从感兴趣的物体获取有关数据。它的基础是测谱学。测谱学早在20世纪初就被用于识别分子和原子及其结构，20世纪80年代才开始建立成像光谱学。它是在电磁波谱的紫外、可见光、近红外和中红外区域，获取许多非常窄且光谱连续的图像数据的技术。成像光谱仪为每个象元提供数十至数百个窄波段光谱信息，能产生一条完整而连续的光谱曲线。 1.1高光谱遥感的特点 （1）波段多，波段宽度窄。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。与传统的遥感相比，高光谱分辨率的成像光谱仪为每一个成像象元提供很窄的(一般<10nm) 成像波段，波段数与多光谱遥感相比大大增多，在可见光和近红外波段可达几十到几百个，且在某个光谱区间是连续分布的，这不只是简单的数量的增加，而是有关地物光谱空间信息量的增加。 （2）光谱响应范围广，光谱分辨率高。成像光谱仪响应的电磁波长从可见光延伸到近红外，甚至到中红外。成像光谱仪采样的间隔小，光谱分辨率达到纳米级，一般为10nm左右。精细的光谱分辨率反映了地物光谱的细微特征。 （3）可提供空间域信息和光谱域信息，即“谱像合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以使高光谱图像中的每一个像元在各通道的灰度值都能产生1 条完整、连续的光谱曲线，即所谓的“谱像合一”。（4）数据量大，信息冗余多。高光谱数据的波段众多，其数据量巨大，而且由于相邻波段的相关性高，信息冗余度增加。 （5）数据描述模型多，分析更加灵活。高光谱影像通常有三种描述模型：图像模型、光谱模型与特征模型。 1.2高光谱的优势 高光谱遥感的光谱分辨率的提高，使地物目标的属性信息探测能力有所增强。因此，较之全色和多光谱遥感，高光谱遥感有以下显著优势: (1)蕴含着近似连续的地物光谱信息。高光谱影像经过光谱反射率重建，能获取地物近似连续的光谱反射率曲线，与地面实测值相匹配，将实验室地物光谱分析模型应用到遥感过程中。 (2)地表覆盖的识别能力极大提高。高光谱数据能够探测具有诊断性光谱吸收特征的物质，能够准确区分地表植被覆盖类型、道路的铺面材料等。

高光谱遥感技术的介绍及应用

高光谱遥感技术的介绍及应用． 高光谱遥感技术的介绍及应用 在20世纪，人类的一大进步是实现了太空对地观测，即可以从空中和太空对人 类赖以生存的地球通过非接触传感器的遥感进行观测。最近几十年，随着空间技术、计算机技术、传感器技术等与遥感密切相关学科技术的飞速发展，

遥感正在进入一个以高光谱遥感技术、微波遥感技术为主要标志的时代。本文 简要介绍了高光谱遥感技术的特点、发展状况及其在一些领域的应用。 1 高光谱遥感简介 1.1高光谱遥感概念 所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常 <10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪 为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。 高光谱遥感技术是近些年来迅速发展起来的一种全新遥感技术，它是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。在成像过程中，它利用成像光谱仪以纳米级的光谱分辨率，以几十或几百个波段同时对地表地物像，能够获得地物的连续光谱信息，实现了地物空间信息、辐射信息、光谱信息的同步获取，因而在相关领域具有巨大的应用价值和广阔的发展前景。 1.2高光谱遥感数据的特点

同其他常用的遥感手段相比 ,成像光谱仪获得的数据具有以下特点: 1）、多波段、波段宽度窄、光谱分辨率高。波段宽度 < 10 nm ，波段数较多光谱遥感(由几个离散的波段组成)大大增多，在可见光和近红外波段可达几十到几百个。如 AVIRIS在 0. 4～214 波段范围内提供了224 个波段。研究表明许多这是传统的多光谱等。40 nm～20地物的吸收特征在吸收峰深度一半处 的宽度为 遥感技术所不能分辨的(多光谱遥感波段宽度在 100～200 nm 之间)，而高光 谱遥感甚至光谱分辨率更高的超光谱遥感却能对地物的吸收光谱特征进行很好的识别，这使得过去以定性、半定量的遥感向定量遥感发展的进程被大大加快。另外，在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以 使高光谱图像中的每一个像元在各通道的灰度值都能产生一条完整、连续的光谱曲线，即所谓的“谱像合一”，它是高光谱成像技术的一大特点。 2）、由于波段众多，波段窄且连续，相邻波段具有很高的相关性，使得高光数据

高光谱遥感复习总结

1.高光谱分辨率遥感:用很窄（0.01波长）而连续的光谱通道对地物持续遥感成像的技术。在可见光、近红外、短波红外和热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。 2.高光谱遥感特点：波段多,数据量大；光谱范围窄(高光谱分辨率)；在成像范围内连续成像；信息冗余增加 3. 高光谱遥感的发展趋势（1）遥感信息定量化（2）“定性”、“定位”一体化快速遥感技术 4.光谱特征的产生机理：在绝对温度为0K以上时，所有物体都会发射电磁辐射，也会吸收、反射其他物体发射的辐射。高光谱遥感准确记录电磁波与物质间的这种作用随波长大小的变化，通过反映出的作用差异，提供丰富的地物信息，这种信息是由地物的宏观特性和微观特性共同决定的。宏观特性:分布、粗糙度、混杂微观特性:物质结构 6.典型地物反射：水体的反射主要在蓝绿光波段，其他波段吸收都很强，特别到了近红外波段，吸收就更强，所以水体在遥感影像上常呈黑色。 植被的反射波谱特征：①可见光波段有一个小的反射峰，位置在0.55um处，两侧 0.45um(蓝)和0.67um(红)则有两个吸收带。这一特征是叶绿素的影响。②在近红外波段(0.7-0.8um)有一反射的“陡坡”（被称为“红边”)，至1.1um附近有一“峰值”，形成植被的独有特征。这一特征由于植被结构引起。③在中红外波段(1.3-2.5um) ，反射率大大下降，特别以1.45um和1.95um为中心是水的吸收带，形成低谷。 土壤:由于土壤反射波谱曲线呈比较平滑的特征，所以在不同光谱段的遥感影像上，土壤的亮度区别不明显.自然状态下土壤表面的反射率没有明显的峰值和谷值，一般来讲土质越细反射率越高，有机质含量越高和含水量越高反射率越低，此外土类和肥力也会对反射率产生影响。 6.野外光谱测量的影响因素（1）大气透射率（2）水蒸气3）风（4）观测几何 7.地面光谱的测量方法：实验室测量，野外测量 8.垂直与野外测量的区别:垂直测量：为使所有数据能与航空、航天传感器所获得的数据进行比较，一般情况下测量仪器均用垂直向下测量的方法，以便与多数传感器采集数据的方向一致。由于实地情况非常复杂，测量时常将周围环境的变化忽略，认为实际目标与标准板的测量值之比就是反射率之比。 野外测量（非垂直测量）：在野外更精确的测量是测量不同角度的方向反射比因子。 凝视时间：探测器的瞬时视场角扫过地面分辨单元的时间称为凝视时间（dwell time）。探测器的凝视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。 光谱图像立方体：空间平面：O-XY平面；线光谱平面：O-XZ，O-YZ平面 9.高光谱遥感图像数据表达：A.光谱图像立方体 B.二维光谱曲线 C. 三维光谱曲面 10.空间成像方式：（1）摆扫型成像光谱仪：定义：它由光机左右摆扫和飞行平台向前运动完成二维空间成像，其线列探测器完成每个瞬时视场像元的光谱维获取。原理：45斜面的扫描镜，电机进行360旋转，旋转水平轴与遥感平台前进方向平行，扫描镜扫描运动方向与遥感平台运动方向垂直，光学分光系统形成色散光源再汇集到探测器上，这样成像光谱仪所获取的图像就具有了两方面的特性：光谱分辨率与空间分辨率。 （2）推扫型成像光谱仪：定义：采用一个面阵探测器，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。它的空间扫描方向就是遥感平台运动方向。原理：垂直于运动方向完成空间维扫描，平行于运动方向完成光谱维扫描。 （3）两者的优缺点：摆扫型成像光谱仪的优点：A.FOV 大；B.探测元件定标方便，数据稳

高光谱图像分类

《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 35 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月

一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。

高光谱遥感

高光谱遥感

? ? ? ?
高光谱遥感的基本概念 高光谱遥感器及平台简介 高光谱遥感技术 高光谱应用概况

高光谱遥感的基本概念
? 高光谱分辨率（简称为高光谱）遥感或成像光 谱遥感技术的发展是过去二十年中人类在对地 观测方面所取得的重大技术突破之一，是当前 遥感的前沿技术。它是指利用很多很窄的电磁 波波段获取许多非常窄且光谱连续的图像数据 的技术，融合了成像技术和光谱技术，准实时 地获取研究对象的影像和每个像元的光谱分布。

国际遥感界认为光谱分辨率在10-1λ数量级范围内的为多 光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区 只有几个波段，如美陆地卫星TM和法国SPOT卫星等; 光谱分 辨率在10-2λ的遥感信息称之为高光谱(Hyperspectral)遥感。由 于其光谱分辨率高达纳米(nm)数量级，往往具有波段多的特 点，即在可见到近红外光谱区其光谱通道多达数十甚至超过 100以上。随着遥感光谱分辨率的进一步提高，在达到10-3λ 时，遥感即进入了超高光谱(Ultraspectral)阶段 、
光谱区域（nm） ： 400 700 1100 2500 5500 14000
VIS VNIR
PIR
MIR
Sunlight 光谱分辨率 波段数 多光谱 高光谱 5-10 100-200 Δλ/λ 0.1 0.01 VNIR 50-100 5-20
IRT
MIR 100-200 10-50
IRT 1000-2000 100-500

高光谱遥感期末考复习材料

1、地面光谱测量的作用： ①地面光谱辐射计在成像光谱仪过顶时，常用于地面野外或实验室同步观测，获取下 行太阳辐射，以用于遥感器定标。 ②在一些反射率转换模型中，需要引入地面光谱辐射计测取得地面点光谱来完成 DN 值图像到反射率图像的转换。 ③地面光谱辐射计可以为图像识别获取目标光谱和建立特征项。但是，这时地面光谱 测量要在空间尺度上与图像像元尺度相对应，且要具有代表性；另外，地面光谱测 量要与高光谱图像获取条件相一致。 ④通过地面光谱辐射计测量数据和地面模拟，可以帮助人们了解某一地物被高光谱遥 感探测的可能性，理解其辐射特性，确定需要采用的探测波长、光谱分辨率、探测 空间分辨率、信噪比、最佳遥感探测时间等重要参数。 ⑤地面光谱辐射计还可以勇于地面地质填图。它可以用于矿物的光谱吸收特征，识别 地面矿物或矿物的集合，从而直接完成野外矿物填图。 ⑥可以用来建立地物的表面方向性光谱反射特性。 ⑦建立目标地面光谱数据与目标特性间的定量关系。 2、高光谱成像特点： ①高光谱分辨率。高光谱成像光谱仪能获得整个可见光、近红外、短波红外、热红外 波段的多而窄的连续光谱，波段多至几十甚至数百个，其分辨率可以达到纳米级， 由于分辨率高，数十、数百个光谱图像可以获得影像中每个像元的精细光谱。 ②图谱合一。高光谱遥感获取的地表图像包含了地物丰富的空间、辐射和光谱三重信 息，这些信息表现了地物空间分布的影像特征，同时也可能以其中某一像元或像元 组为目标获得他们的辐射强度以及光谱特征。 ③光谱波段多，在某一光谱段范围内连续成像。成像光谱仪连续测量相邻地物的光谱 信号，可以转化城光谱反射曲线，真实地记录了入射光被物体所反射回来的能量百 分比随波长的变化规律。不同物质间这种千差万别的光谱特征和形态也正是利用高 光谱遥感技术实现地物精细探测的应用基础。 3、高光谱遥感图像数据表达： ①图像立方体——成像光谱信息集。 ②二维光谱信息表达——光谱曲线。 ③三维光谱信息表达——光谱曲线图。（书本44页） 4、成像光谱仪的空间成像方式： （1）摆扫型成像光谱仪。摆扫型成像光谱仪由光机左右摆扫和飞行平台向前运动完成二维空间成像，其线列探测器完成每个瞬时视场像元的光谱维获取。扫描镜对地左右平行扫描成像，即扫描的运动方向与遥感平台运动方向垂直。其优点：可以得到很大的总视场，像元配准好，不同波段任何时候都凝视同一像元；在每个光谱波段只有一个探测元件需要定标，增强了数据的稳定性；由于是进入物镜后再分光，一台仪器的光谱波段范围可以做的很宽，比如可见光一直到热红外波段。其不足之处是：由于采用光机扫描，每个像元的凝视时间相对就很短，要进一步提高光谱和空间分辨率以及信噪比比较困难。 （2）推扫型成像光谱仪。是采用一个垂直于运动方向的面阵探测器，在飞行平台向前运动中完成二维空间扫描，它的空间扫描方向是遥感平台运动方向。其优点是：像元的凝视

高光谱遥感技术及发展

遥感技术与系统概论 结课作业 高光谱遥感技术及发展

高光谱遥感技术及发展 摘要：经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的 发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技 术为主的时代。本文系统地阐述了高光谱遥感技术在分析技 术及应用方面的发展概况，并简要介绍了高光谱遥感技术主 要航空/卫星数据的参数及特点。 关键词：高光谱，遥感，现状，进展，应用 一、高光谱遥感的概念及特点 遥感是20 世纪60 年代发展起来的对地观测综合性技术，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术[1]。所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通 常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可

探测的物质，在高光谱中能被探测。 同其它传统遥感相比，高光谱遥感具有以下特点： ⑴波段多。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。 ⑵光谱分辨率高。成像谱仪采样的间隔小，一般为10nm 左右。精细的光谱分辨率反映了地物光谱的细微特征。 ⑶数据量大。随着波段数的增加，数据量呈指数增加[2]。 ⑷信息冗余增加。由于相邻波段的相关性高，信息冗余度增加。 ⑸可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。近二十年来，高光谱遥感技术迅速发展，它集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体，已成为当前遥感领域的前沿技术。 二、发展过程 自80 年代以来，美国已经研制了三代高光谱成像光谱仪。1983 年，第一幅由航空成像光谱仪

高光谱遥感技术的介绍及应用

高光谱遥感技术的介绍及应用在20世纪，人类的一大进步是实现了太空对地观测，即可以从空中和太空对人类赖以生存的地球通过非接触传感器的遥感进行观测。最近几十年，随着空间技术、计算机技术、传感器技术等与遥感密切相关学科技术的飞速发展，遥感正在进入一个以高光谱遥感技术、微波遥感技术为主要标志的时代。本文简要介绍了高光谱遥感技术的特点、发展状况及其在一些领域的应用。 1 高光谱遥感简介 1.1高光谱遥感概念 所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。 高光谱遥感技术是近些年来迅速发展起来的一种全新遥感技术，它是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。在成像过程中，它利用成像光谱仪以纳米级的光谱分辨率，以几十或几百个波段同时对地表地物像，能够获得地物的连续光谱信息，实现了地物空间信息、辐射信息、光谱信息的同步获取，因而在相关领域具有巨大的应用价值和广阔的发展前景。 1.2高光谱遥感数据的特点 同其他常用的遥感手段相比,成像光谱仪获得的数据具有以下特点: 1）、多波段、波段宽度窄、光谱分辨率高。波段宽度< 10 nm ，波段数较多光谱遥感(由几个离散的波段组成)大大增多，在可见光和近红外波段可达几十到几百个。如A VIRIS在0. 4～214 波段范围内提供了224 个波段。研究表明许多地物的吸收特征在吸收峰深度一半处的宽度为20～40 nm。这是传统的多光谱等

高光谱遥感的发展与应用_张达

第１１卷　第３期２ ０１３年６月光学与光电技术 ＯＰＴＩＣＳ　＆ＯＰＴＯＥＬＥＣＴＲＯＮＩＣ　 ＴＥＣＨＮＯＬＯＧＹＶｏｌ．１１，Ｎｏ．３　 Ｊｕｎｅ，２０１３收稿日期　２０１２－０９－２９；　收到修改稿日期　２０１２－１２－ １３作者简介　张达（１９８１－） ，男，博士，副研究员，硕士生导师，主要从事空间光学遥感仪器的研制、空间光学成像，以及光谱探测技术方面的研究。Ｅ－ｍａｉｌ：ｚｈａｎｇｄａ＠ｃｉｏｍｐ ．ａｃ．ｃｎ基金项目　国防预研基金（ＳＡ０５０），国家８６３高技术研究发展计划（２０１０ＡＡ１２２１０９１００１） ，吉林省科技发展计划（２０１１０１０７９ ）资助项目文章编号：１６７２－３３９２（２０１３）０３－００６７－ ０７高光谱遥感的发展与应用 张　达　郑玉权 （中国科学院长春光学精密机械与物理研究所，吉林长春１３００３３） 摘要　阐述了高光谱遥感的特点、优势，以及在航空及航天领域的发展情况，列举了几种典型高光谱成像仪的光学系统原理和主要技术指标。在此基础上， 概述了高光谱遥感在植被生态、大气环境、地质矿产、海洋、军事等领域的应用情况。最后对高光谱遥感发展趋势提出了几点建议，包括低反射率目标遥感、高信噪比、高空间分辨率及宽覆盖范围等方面。关键词　高光谱遥感；发展；应用；成像光谱仪中图分类号　ＴＰ７０ 文献标识码　Ａ １　引　言 遥感技术是２０世纪６０年代发展起来的对地 观测综合性技术［１］ ，随着２０世纪８０年代成像光谱 技术的出现， 光学遥感进入了高光谱遥感阶段。从２０世纪９０年代开始， 高光谱遥感已成为国际遥感技术研究的热门课题和光电遥感的最主要手段。 高光谱遥感技术作为对地观测技术的重大突破［ ２］ ，其发展潜力巨大。 高光谱遥感实现了遥感数据图像维与光谱维信息的有机融合，在光谱分辨率上有巨大优势，是遥感发展的里程碑。随着高光谱遥感技术的日趋成熟，其应用领域也日益广泛，已渗透到国民经济的各个领域，如环境监测、资源调查、工程建设等，对于推动经济建设、社会进步、环境的改善和国防建设起到了重大的作用。本文主要阐述高光谱遥感的特点、优势以及在航空及航天领域的发展情况，概括了高光谱遥感在植被生态、大气环境、地质矿产， 海洋军事等领域的应用情况。２　高光谱遥感特点与优势 高光谱遥感是高光谱分辨率遥感（Ｈｙｐｅｒｓｐ ｅｃ－ｔｒａｌ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ） 的简称［３］ ，它是在电磁波谱的紫外、可见光、近红外、中红外和热红外波段范围 内，获取许多非常窄且光谱连续的影像数据的技 术，是在传统的二维遥感的基础上增加了光谱维，形成的一种独特的三维遥感。对大量的地球表面物质的光谱测量表明， 不同的物体会表现出不同的光谱反射和辐射特征，这种特征引起吸收峰和反射峰的波长宽度在５～５０ｎｍ左右，其物理内涵是不同的分子、 原子和离子的晶格振动，引起不同波长的光谱发射和吸收，从而产生了不同的光谱特征。运用具有高光谱分辨率的仪器，通过获取图像上任何一个像元或像元组合所反映的地球表面物质的光谱特性， 经过后续数据处理，就能达到快速区分和识别地球表面物质的目的［ ４］ 。高光谱遥感的成像光谱仪具有光谱分辨率高（５～１０ｎｍ），光谱范围宽（０．４μｍ～２．５μｍ） 的显著特点，可以分离成几十甚至数百个很窄的波段来接收信息， 所有波段排列在一起能形成一条连续的完整的光谱曲线，光谱的覆盖范围从可见光、近红外到短波红外的全部电磁辐射波谱范围。高光谱数据是一个光谱图像的立方体，其空间图像维描述地表二维空间特征，其光谱维揭示图像每一像元的光谱曲线特征，由此实现了遥感数据图像维与光谱 维信息的有机融合［ ５］ 。高光谱遥感在光谱分辨率方面的巨大优势，使得空间对地观测时可获取众多连续波段的地物光谱图像， 从而达到直接识别地球表面物质的目的。地物光谱维信息量的增加为遥感对地观测、地物识别及地理环境变化监测提供了

高光谱遥感影像的光谱匹配算法研究概要

https://www.wendangku.net/doc/8616651725.html, 中国科技论文在线高光谱遥感影像的光谱匹配算法研究 蔡燕1，梅玲2作者简介：蔡燕，（1984-），女，硕士研究生，主要研究方向：高光谱遥感 通信联系人：梅玲，（1984-），女，助理工程师，主要研究方向：水文地质. E-mail: meilingcumt@https://www.wendangku.net/doc/8616651725.html, （1. 中国矿业大学环境与测绘学院，江苏徐州 221008； 2. 江苏煤炭地质勘探四队，南京 210046） 摘要：在高光谱遥感影像处理中，光谱匹配技术是高光谱地物识别的关键技术之一。本文主要围绕光谱匹配算法的研究展开，分析讨论了常用的几种光谱匹配技术的特点，根据先验知识建立了多种地物标准光谱库，并将其读入程序存储，基于Visual C++平台实现了最小距离匹配，光谱角度匹配，四值编码匹配法，最后基于混淆矩阵对分类图像进行精度比较分析并对三种编码匹配法进行比较。 关键词：高光谱；光谱匹配；最小距离匹配；光谱角度匹配；四值编码 中图分类号：TP751 The Study on the Spectral Matching Technique of hyperspectral romote sensing Cai Yan1, Mei Ling2 (1. School Of Environment Science and Spatial Informatics China University of Mining and Technology, JiangSu XuZhou 221008;

2. JiangSu Geological Prospecting Team Four, NanJing 210046 Abstract: In the hyperspectral image processing, the spectral match technique is one of key techniques to identify and classify materials in the image. This paper addresses some issues of spectral matching methods. Several algorithms are analyzed and compared, such as minimum distance matching, spectral angle mapping and quad-encoding. According to the prior knowledge, standard spectral library including typical land-cover types is built, which is stored and used for spectral matching. All of work is done in the programming environment of Visual C++. Finally, the experimental results are tested and compared when classification accuracies are computed based on confusion matrixes. Keywords:hyperspectral; spectral match; minimum distance matching; spectral angle mapping; quad-encoding 0 引言 高光谱遥感技术的发展和广泛应用是20世纪最具有标志性的科学技术成就之一，与传统的多光谱遥感技术相比，高光谱分辨率遥感的核心特点是图谱合一，即能获取目标的连续窄波段的图像数据[1]。高光谱遥感信息的分析处理集中于光谱 维上进行图像信息的展开和定量分析。 高光谱影像分类与地物识别是建立在传统的遥感图像分类算法基础之上，结合高光谱数据特点，对高光谱图像数据进行目标识别，是对遥感图像基本分类方法的扩展与延伸。高光谱遥感影像有着很高的光谱分辨率，且光谱通道连续，因此对于影像中的任一像元均能获取一条平滑而完整的光谱曲线，将其与地物波谱库中的光谱曲线进行匹配运算，实现地物识别与定量反演[2-4]。光谱匹配技术是成像光谱地物识别的关键技术之一，主要通过对地物光谱与参考光谱的匹配或地物光谱与数据库的比较，求算他们之间的相似性或差异性，突出特征谱段，有小提取光谱维信息，以便对地物特征进行详细分析[5]。本文紧紧围绕光谱匹配的算法分析了最小 距离法，光谱角度匹配法，以及四值编码法，进行精度分析与方法比较。

高光谱应用研究综述

浙江师范大学 研究生课程论文封面 课程名称：遥感理论与技术 开课时间： 2014-2015年第一学期 学院地理与环境科学学院学科专业自然地理学 学号2014210580 姓名张勇 学位类别全日制硕士 任课教师陈梅花 交稿日期2015年1月21日 成绩 评阅日期 评阅教师 签名 浙江师范大学研究生学院制

高光谱遥感应用研究综述 张勇 （浙江师范大学地理环境与科学学院，浙江金华321004） 摘要：高光谱遥感是近二十年发展起来的谱像和一的遥感前沿技术。虽然发展时间不长，但由于其本身的特点，使其获得了广泛的重视和应用。本文阐述了高光谱遥感的特点、优势，以及在航空及航天领域的发展情况，列举了几种典型高光谱成像仪的光学系统原理和主要技术指标。在此基础上，概述了高光谱遥感在植被生态、大气环境、地质矿产、海洋、军事等领域的应用情况。最后对高光谱遥感发展趋势提出了几点建议，包括低反射率目标遥感、高信噪比、高空间分辨率及宽覆盖范围等方面。 关键字：高光谱遥感；应用；成像光谱以；研究综述 Conclusion application of hyperspectral remote sensing Zhang Yong (Geography and environmental sciences, Zhejiang Normal University, Jinhua 321004) Abstract:Hyperspectral remote sensing, developed in the late twenty years, is the advanced technology of remote sensing. Because of its characters, Hyperspectral Remote Sensing has been attached importance to and used widly. The characteristics and advantages of hyperspectral remote sensing, and development situation are presented in the fields of aviation and aerospace. Several typical hyperspectral imager optical system principle and the main technical indicators are particularized. At the same time, the applications with hyperspectral remote sensing in vegetation ecology, atmospheric science ,geology and mineral resources, marine and military fields are summarized. The suggestions for the future development trend of hyperspectral remote sensing are given in the end，including the remote sensing of low reflectivity target, high signal-to-noise ratio, high spatial resolution and wide coverages. Keywords: hyperspectral remote sensing；application；imaging spectrometer 1 引言 遥感是20世纪60年代发展起来的对地观测综合性技术，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术[1]。经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技术为主的时代。本文系统地阐述了高光谱遥感技术在分析技术及应用方面的发展概况，并简要介绍了高光谱遥感技术主要航空/卫星数据的参数及特点。 1.1高光谱遥感简介 高光谱遥感技术又称为成像光谱技术，是指利用很多很窄的电磁波波段从感兴趣的物体

高光谱图像分类讲解学习

高光谱图像分类

《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 2111603035 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月

一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。高光谱遥感技术虽然是遥感领域的新技术，但是高光谱图像的分类一直制约着高光谱遥感的应用[3,4]，因此对其进行研究显得尤为重要。 高光谱遥感图像较高的光谱分辨率给传统的图像分类识别算法提出严峻的挑战。波段维数的增加不仅加重了数据的存储与传输的负担，同时也加剧了数据处理过程的复杂性，并且由于波段与波段间存在着大量的冗余信息，从而使得传统图像分类算法并不适用于高光谱遥感图像的分类。传统

高光谱遥感数据处理基础

泛函分析概括 高光谱遥感应用中，如何度量光谱间的相似性一直高光谱图象处理的核心问题，因而我们有必要先交代下度量空间的一些概念。 度量空间:所谓度量空间，就是指对偶(,)X d ，其中X 是一个集合，d 是X 上的一个度量（或X 上的距离函数），即d 是定义在X X ?上且对所有,,X ∈x y z 满足以下四条公理的函数： （1） d 是实值、有限和非负的。 （2） 当且仅当=x y 时，(,)0d =x y 。 （3） (,)(,)d d =x y y x （对称性）。 （4） (,)(,)(,)d d d ≤+x y x z z y （三角不等式）。 度量空间给出来空间中元素“距离”的度量，因而使得空间中的元素可比较。但是，仍需要在空间中引入代数结构，使得元素之间可进行代数运算。因而，这里需要引入线性空间。 线性空间：所谓域(K R 或C)上的线性空间是指一个非空集合X ，且其元素,,x y （称为矢量）关于X 和K 定义了两种代数运算。这两种运算分别叫做矢量的加法与标量的乘法。 矢量的加法是，对于X 中的每一对矢量(,)x y ，与其相联系的一个矢量+x y ，叫做矢量之和。按这种方式它还具有下述性质：矢量加法是可交换的和可结合的，即对所有矢量都有 ()()+=+++=++x y y x x y z x y z 此外存在零矢量,X ∈0并对每个矢量x ，存在有-x ，使得对一切矢量有 ()+=+-=x 0x x x 0 矢量与标量的乘法是，对于每个矢量x 和每个标量α，与其相联系的一个矢量αx ，叫做α与x 之积。按这种方式对一切,x y 和标量,,αβ具有

()()1αβαβ==x x x x 和分配律 ()()ααααβαβ+=++=+x y x y x x y 在很多情况下因为线性空间X 上定义了度量d ，所以X 同时也是一个度量空间。然而，如果X 的代数结构与度量没有什么关系的话，我们就不能指望把代数的概念和度量的概念结合在一起。为了保证X 的代数性质与几何性质有如此的关系，我们首先需要引入一个辅助的所谓“范数”的概念，其中要用到线性空间的代数运算。然后再用范数诱导出我们希望的度量d ，这一想法就导出了赋范空间的概念。简单的说，赋范空间把线性空间的代数结构和其作为度量空间的度量紧密结合在一起。 赋范空间:所谓赋范空间X ，就是指在其上定义了范数的线性空间X 。而所谓线性空间X 上的范数，就是指定义在X 上的一个实值函数，它在X ∈x 的值记为x ，并且具有如下性质： （1）0≥x （2）0=?=x x 0 （3）αα=x x （4）+≤+x y x y 其中,x y 是X 中的任意矢量，α为任意标量。 巴拿赫空间：所谓巴拿赫空间就是完备的赋范空间（这里的完备性是按范数定义的度量来衡量的，见下面公式） (,)d =-x y x y ,X ∈x y 此度量叫做由范数所诱导的度量。 由范数所诱导的度量具备以下基本性质: 引理（平移不变性）：在赋范空间X 上，由范数诱导的度量d ，对所有的,X ∈x y 及每个标量α，都满足

高光谱遥感基本概念

高光谱遥感基本概念 高光谱遥感用很窄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线波段其光谱分辨率高达纳米数量级，通常具有波段多特点，光谱通道数多达数十甚至上百以上，而且各光谱通道间往往是连续的，因此又称成像光谱遥感。 地物光谱特征：自然界中任何地物都具有其自身的电磁辐射规律，如具有反射、吸收，外来的紫外线、可见光、红外线和微波的某些波段的特性，他们有都具有发射某些红外线、微波的特性；少数地物还具有透射电磁波的特性。 混合像元的分解：从一个像元的实际光谱数据（一般为地物光谱混合的数据）中提取各种地物成分所占的比例的法。 成像光谱：就是在特定光谱域以高光谱分辨率同事获得连续的地物光谱图像，这使得遥感应用可以在光谱维上进行空间展开，定量分析地球表层生物理化过程与参数。 高光谱：它是一种图谱合一的成像方式，常用于遥感或同时获取图像和光谱信息的应用。 地物光谱：地物的反射率随入射波长而变化的规律。数据融合⑴概念：遥感数据融合包括不同传感器、不同空间分辨率、不同时相图像的融合，以及遥感数据与其他辅助数据如地形数据、物化探数据的融合。 ⑵三个层次：像素级，特征级，决策级。 植被指数：当光照射在植物上时,近红外波段的光大部分被植物反射回来,可见光波段的红光则大部分被植物吸收,通过对近红外和红波段反

射率的线性或非线性组合,可以消除土地光谱的影响,得到的特征指数称为。 表观光学量AOP：指随入射光场变化而变化的水体光学参数。 固有光学量IOP：指不随入射光场变化而变化，仅与水体成分有关的光学量。水色遥感：就是利用光学量来反演出水体成分的浓度。 几何校正：消除几何畸变，即定量的确定图像上的像元坐标（图像坐标）与目标物的地理坐标（地图坐标）的对应关系。 为什么要进行几何校正？遥感影像的总体变形（相对于地面真实形态而言）是平移、缩放、旋转、偏扭、弯曲及其他变形综合作用的结果。产生畸变的图像给定量分析及位置配准造成困难，因此遥感数据接收后，首先由接收部门进行校正，这种校正往往根据遥感平台、地球、传感器的各种参数进行处理。而用户拿到这种产品后，由于使用目的不同或投影及比例尺的不同，仍旧需要作进一步的几何校正。 几何校正的两个步骤：1、像元坐标转换的两种方法 ①直接纠正法：从原始图象阵列出发，依次对其中每一个像元分别计算其在输出（纠正）图像的坐标。②间接纠正法：从原始图象阵列出发，依次计算每个像元P（X, Y）在原始图象中的位置P（x, y），然后将该点的灰度值计算后返送给P（X, Y）。2、像元灰度值重新计算计算每一点的亮度值。由于计算后的（x，y）多数不在原图的像元中心处，因此必须重新计算新位置的亮度值。一般来说，新点的亮度值介于邻点亮度值之间，所以常用内插法计算。通常有三种方法：最近邻法双向线性内插法三次卷积内插法。

高光谱图像简介

高光谱遥感是指利用很多很窄的电磁波波段从感兴趣的物体中获取有关数据，高光谱遥感技术作为20世纪80年代兴起的对地观测技术，始于成像光谱仪的研究计划。 目前，我国研制的224波段的推扫高光谱成像仪（PHI）与128波段的实用型模块化机载成像光谱仪（OMIS）已经进行了多次成功的航空遥感实验。另外，中国科学院上海技术物理研究所研制的中分辨率成像光谱仪于2002年随“神州”三号飞船发射升空，这是继美国1999年发射的EOS平台之后第二次将中分辨率成像光谱仪发送上太空，从而使中国成为世界上第二个拥有航天成像光谱仪的国家。 高光谱遥感图像和常见的二维图像不同之处在于，它在二维图像信息的基础上添加光谱维，进而形成三维的坐标空间。如果把成像光谱图像的每个波段数据都看成是一个层面，将成像光谱数据整体表达到该坐标空间，就会形成一个拥有多个层面、按波段顺序叠合构成的三维数据立方体。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段 （2）光谱范围窄——波段范围一般小于10nm （3）波段连续——有些传感器可以再350~2500nm的太阳光谱范围内提供几乎连续的地物光谱 （4）数据量大——随着波段数的增加，数据量呈指数增加 （5）相邻谱带间相关——由于相邻谱带间高度相关，冗余信息也相对增加，这一特点也为其降维处理（包括波段选择、特征提取等）和谱间压缩提供可能 （6）随着维数的增加，超立方体的体积集中于角端，超球体和椭球体的体积集中在外壳，该特点进一步为高光谱图像的降维和压缩处理提供了理论依据。 根据高光谱图像的特点及其相关技术处理的需要，高光谱数据与其所携带的信息一般采用如下的三种空间表达方式：图像空间、光谱空间和特征空间。 1、图像空间（有空间几何位置关系） 2、光谱空间，光谱信息 3、特征空间（在光谱空间进行取样，将得到的n个数据用一个n维向量来表示，它是表示光谱响应的另一种方式。N维向量包含了对应像素的全部光谱信息。在三种表示方法中，特征空间表示法适合于模式识别中的应用。） 高光谱遥感技术将确定物质或地物性质的光谱与揭示其空间和几何关系的图像结合在一起。 支持向量机是1992~1995年由Vapnik等人在统计学习理论的基础上提出来的一种新的模式识别方法。SVM在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。目前SVM已经被广泛应用于解决高维数据的监督分类中。支持向量机的核心思想是以构造风险最小化思想为归纳原则，通过非线性映射把样本投影到高维特征空间，在高维空间中构造VC维尽可能低的最优分类面，使分类风险上界最小化，从而使分类器对未知样本具有最优的推广能力。 我国尚未解决的SVM问题：目前支持向量机应用中，判别阈值都是以理论值0作为阈值，这在线性支持向量机情况下不会产生偏差，但是在非线性情况下，由于核函数的引进，SVM 的分类判别阈值会发生偏移而不再保持为0.这样仍然采用0作为阈值，势必会影响分类效