搜索
研究生选修课：《高光谱遥感》2009-2010学年第二学期主讲：张显峰张显峰北京大学遥感与GIS研究所2010年4月26日高光谱遥感Lecture7：Pixel-basedandSubpixel-basedSpectralAnalysis研究生选修课：《高光谱遥感》2009-2010学年第二学期第四章光谱特征分析光谱特征选择与特征提取光谱数据库与光谱分析混合光谱理论与光谱分解研究生选修课：《高光谱遥感》2009-2010学年第二学期光谱数据库与光谱分析光谱数据库的意义作为标准参考光谱或训练样本，为定量、定性识别分类模型及软件提供基本数据源光谱分析方法研究生选修课：《高光谱遥感》2009-2010学年第二学期美国地质调查局的USGS光谱库1993年USGS光谱实验室建立了波长在0.2～3.0μm之间的光谱库,包含444个样本的498个波谱,218种矿物。光谱分辨率为4nm(波长0.2～0.8μm)和10nm(波长0.8～2.35μm)。并通过附带的软件提供光谱库参数和光谱数据资料。喷气推进实验室的JPL标准物质成份波谱库John-Hopkins大学的光谱库ASTER光谱库IGCP-264研究生选修课：《高光谱遥感》2009-2010学年第二学期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;研究生选修课：《高光谱遥感》2009-2010学年第二学期USGS矿物光谱库研究生选修课：《高光谱遥感》2009-2010学年第二学期JHU的人工地物光谱库研究生选修课：《高光谱遥感》2009-2010学年第二学期JPL光谱库示例研究生选修课：《高光谱遥感》2009-2010学年第二学期ASTER光谱库：VIR\NIR\SWIR\TIR研究生选修课：《高光谱遥感》2009-2010学年第二学期研究生选修课：《高光谱遥感》2009-2010学年第二学期作物种类提交数据专题说明光谱数据数量冬小麦082001年北京小汤山测量的冠层光谱，12个采样点，完整的生育期。324条水稻07测量冠层光谱，5个品种，5个时相，不同水肥处理300条棉花062002年测量棉花叶片反射率光谱，多个时相，不同水分密度处理430条小麦冠层BRDF052001年北京顺义冬小麦冠层BRDF，3个观测点，2－3个生育期28组，共1761条光谱(1)地面光谱数据数据收集与整编研究生选修课：《高光谱遥感》2009-2010学年第二学期(2)遥感图像数据92001年4月北京小汤山地区2个时相的高光谱航空遥感图像。92001年3月－5月北京顺义地区的SPOT数据1景；TM数据3景；ASTER数据3景；OMIS数据10G;AMTIS数据12G;92001年－2002年EO-1/Hyperion数据10余景；(3)先验知识数据9收集了全国1:400万资源与环境数据库，包含行政区划、地形、地貌、植被、土壤、土地利用等专题图等。9收集了应用示范区的1：25万全要素的地形图；9收集了应用示范区的1：10万的土地利用图。研究生选修课：《高光谱遥感》2009-2010学年第二学期新数据采集(1)已开展的观测试验9油菜波谱测量实验的预观测；9冬小麦波谱测量试验；9北京玉米试验9浙江水稻试验9新疆棉花试验9河北滦成与863农作物遥感估产项目联合开展野外观测试验研究生选修课：《高光谱遥感》2009-2010学年第二学期基于光谱的分析方法基于光谱波形参数波谱相似性测度亚像元分析：混合光谱解混（unmixing）研究生选修课：《高光谱遥感》2009-2010学年第二学期光谱特征体系包括：9光谱曲线特征：全部波段的像元光谱曲线分析9光谱变换特征：部分波段的数据变换和组合9光谱相似性度量特征：光谱向量相似性度量研究生选修课：《高光谱遥感》2009-2010学年第二学期光谱精确识别，除了利用最主要的特征外,还必须结合其次要特征,以及利用整个谱带与识别像元的谱带进行相关匹配来识别。研究生选修课：《高光谱遥感》2009-2010学年第二学期光谱微分技术包括对反射光谱进行数学模拟和计算不同阶数的微分(差分)值，以确定光谱弯曲点及最大最小反射率的波长位置。光谱微分强调曲线的变化和压缩均值影响。光谱微分技术对光谱信噪比非常敏感。研究表明，光谱的低阶微分处理对噪声影响敏感性较低，因此在实际应用中较有效（Cloutis，1996）。可用一阶微分去除部分线性或接近线性的背景、噪声光谱对目标光谱（须为非线性的）的影响。光谱微分技术研究生选修课：《高光谱遥感》2009-2010学年第二学期导数植被指数（DVI）：植被与土壤的光谱曲线植被与土壤的光谱的一阶导数/////pdLdTEddTdEdEdTddLdλρλρλρλλ=⋅⋅+⋅⋅+⋅⋅+L为传感器接受到的辐射能量，T为大气透过率；E为太阳辐照度；ρ为地物反射率；Lp为路径辐射（程辐射）研究生选修课：《高光谱遥感》2009-2010学年第二学期判断相似程度的方法各样本之间的平均距离或相对距离离散度（基于条件概率之差）J-M距离（概率密度函数之差）相关性度量研究生选修课：《高光谱遥感》2009-2010学年第二学期基于高光谱数据库的光谱匹配技术SpectralMatching光谱相似度测定光谱匹配需要一个指标来衡量在整个测量的波长范围内光谱的相似程度。可用相关系数来测度光谱响应的匹配程度。相关系数定义为：222()()()()iiiixyixyxxyyiiiiiixxyyrxxyyσσσ−−==−−∑∑∑Meer&Bakker(1997):交叉相关光谱匹配技术研究生选修课：《高光谱遥感》2009-2010学年第二学期也可用两光谱曲线的均方差D来定义这一个指标如果考虑到每类的光谱响应值的分布存在一个范围，我们可以采用归一化的方法来给出这一指标，即夹角余弦：[]1/22121()()babaDSSdλλλλλλλ⎡⎤=−⎢⎥−⎣⎦∫112222121212cos(,)()()/()()SSSSdSdSdλλλλλλλ⎡⎤⎡⎤=⎣⎦⎢⎥⎣⎦∫∫∫研究生选修课：《高光谱遥感》2009-2010学年第二学期基于高光谱数据库的光谱角度匹配光谱角度匹配示意图研究生选修课：《高光谱遥感》2009-2010学年第二学期112211cosniiinniiiitrtrθ−===⋅=∑∑∑[0,]2πθ∈SAM表达式研究生选修课：《高光谱遥感》2009-2010学年第二学期光谱角度匹配当模式类的分布呈扇状分布时，定义两矢量之间的广义夹角余弦为相似函数，这即为较为广泛应用的广义夹角匹配模型。将象元N个波段的光谱响应作为N维空间的矢量，则可通过计算它与端元的光谱之间广义夹角来表征其匹配程度：夹角越小，说明越相似(Kruseetal.,1993)。两矢量广义夹角余弦为：端元光谱可从光谱库来，也可直接从图像抽取出来。XYcos(a)XY⋅=研究生选修课：《高光谱遥感》2009-2010学年第二学期“端元”Po01,Po02,Po03的光谱“端元”Po01的光谱波形相似度图像(相似度角度0.01为红色区域)研究生选修课：《高光谱遥感》2009-2010学年第二学期与端元Po01的光谱相似度影像redarea:similarityangel0.01)与端元Po02的光谱相似度影像)greenarea:similarityangel0.01)SpectralAngleMapper研究生选修课：《高光谱遥感》2009-2010学年第二学期光谱二值编码分段编码多门限编码NnTnxTnxTTnxnhabaa,...2,1)(11)(01)(00)(=⎪⎩⎪⎨⎧≤≤=如果如果如果研究生选修课：《高光谱遥感》2009-2010学年第二学期二值编码门限值及结果示意研究生选修课：《高光谱遥感》2009-2010学年第二学期二值编码研究生选修课：《高光谱遥感》2009-2010学年第二学期计算遥感图像植被与实测植被的HAMMING距离该距离越小，相似度越大∑==⊕=bandsNkjijihamkckcccDist1)]()([),(汉明距离：在一个码组集合中，任意两个码字之间对应位上码元取值不同的位的数目定义为这两个码字之间的汉明距离。即：d(x,y)=∑x[i]⊕y[i]，这里i=0,1,..n-1，x,y都是n位的编码，⊕表示异或。例如，(00)与(01)的距离是1，(110)和(101)的距离是2。在一个码组集合中，任意两个编码之间汉明距离的最小值称为这个码组的最小汉明距离。最小汉明距离越大，码组越具有抗干扰能力。研究生选修课：《高光谱遥感》2009-2010学年第二学期计算遥感图像水体植被对实测植被和遥感图像植被的HAMMING距离研究生选修课：《高光谱遥感》2009-2010学年第二学期仅在一定波段进行编码研究生选修课：《高光谱遥感》2009-2010学年第二学期分段编码研究生选修课：《高光谱遥感》2009-2010学年第二学期混合光谱与混合像元分解混合光谱其形成原因主要包括两个方面：在一个瞬时视场内（IFOV），有多种物质成分存在的空间混合(Spatialmixing)；在一个瞬时视场内，由于地形和物体阴影引起的照度差异（Variableillumination）。大气传输过程中的非线性混合效应。基于以上三个原因，在一个象元内部，就形成了具有各向异性的瞬时视场，这样的一个象元就被称为混合象元。研究生选修课：《高光谱遥感》2009-2010学年第二学期如果在地面像元的IFOV视面积A上有m种物质，即像元组份(endmember)，其总入射能量为L(λ)，总反射率为ρ(λ)，则总反射辐射亮度为L(λ)ρ(λ)，各个组分的反射辐射亮度为：L1(λ)ρ1(λ)，L2(λ)ρ2(λ)，…Lm(λ)ρm(λ)，如果各个组分的IFOV视面积分别为A1,A2,…Am，则A1+A2+A3+…+Am=A设各像元组份在像元中所占的视面积比为：F1=A1/A,F2=A2/A,…Fm=Am/A混合像元光谱值的线性加和模型研究生选修课：《高光谱遥感》2009-2010学年第二学期无论遥感器的瞬时视场IFOV所限定的地面像元内有多少种辐亮度不同的目标物(endmember)，根据非相干光的光辐射能量(功率)相加定律，探测器阵元接收的是这些目标物即像元组份辐射强度相加的总的表观辐射强度。∑=⋅=mjjjfR1)()(λρλ研究生选修课：《高光谱遥感》2009-2010学年第二学期对于m种endmember,k个波段可以矩阵形式表达为:mkmkkmmkfffRRR..................2121222211121121ρρρρρρρρρ=研究生选修课：《高光谱遥感》2009-2010学年第二学期***abcRραρβργ=++则像元光谱反射率:线性光谱混合原理描述除了线性混合模型，光谱混合在很多时候尤其在微观尺度下，表现为非线性混合，非线性光谱混合模型有Hapke模型、Kubelk-Munk模型、SAIL模型等研究生选修课：《高光谱遥感》2009-2010学年第二学期混合像元分解（subpixelunmixing）步骤第一步：确定端元并提取端元光谱，（1）从光谱库中得到端元光谱；（2）从遥感影像上得到端元光谱，也称为imageendmember;第二步：建立亚像元分解模型，需要考虑（1）部分分解，还是完全分解？（2）模型算法；第三步：利用最小二乘或其他约束条件完成亚像元分解，对分解结果进行评价。亚像元分解后得到数个端元的“丰度图像”（abundanceimages）。需要对分解的不确定性进行评价。研究生选修课：《高光谱遥感》2009-2010学年第二学期混合像元分解（subpi