高光谱遥感论文讲解Word格式.docx
- 文档编号:18639201
- 上传时间:2022-12-30
- 格式:DOCX
- 页数:35
- 大小:2.55MB
高光谱遥感论文讲解Word格式.docx
《高光谱遥感论文讲解Word格式.docx》由会员分享,可在线阅读,更多相关《高光谱遥感论文讲解Word格式.docx(35页珍藏版)》请在冰豆网上搜索。
毕业论文(设计)任务书II
摘要III
ABSTRACTIV
第一章绪论1
1.1选题背景1
1.2高光谱遥感技术的发展和现状1
1.3研究的目的和意义2
第二章高光谱遥感波谱分析和地物识别4
2.1高光谱遥感成像机理4
2.1.1高光谱遥感成像光谱仪的核心4
2.1.2高光谱遥感成像光谱仪的成像方式4
2.2高光谱遥感波谱分析与地物识别4
2.2.1波谱分析4
2.3.2地物识别5
2.3高光谱图像分类方法6
2.3.1非监督分类6
2.3.2监督分类7
2.4高光谱遥感在分类应用中的优势8
第三章高光谱遥感在土地利用分类中的应用10
3.1ENVI软件概述10
3.2EO-1高光谱数据10
3.3研究区域概况与高光谱遥感预处理11
3.3.1研究区域概况11
3.3.2高光谱遥感预处理11
3.4研究区土地利用分类图制作14
3.5高光谱技术在土地利用分类中的问题分析22
第四章结论与展望26
参考文献27
致谢28
第一章绪论
1.1选题背景
土地资源是一个区域的自然环境和人类过去与现在对其施加影响总和而形成的一个自然一历史一经济的综合体,它的形成与开发和自然背景紧密相关。
土地利用是人类对土地有目的地施加影响的过程,其实质是对组成土地的各种自然要素的综合开发和利用。
合理开发土地资源,促进土地资源持续利用是社会经济可持续发展的物质基础,随着人地矛盾的日益突出,特别是社会经济可持续发展战略实施以来,人们对土地资源持续利用的追求越来越强烈。
土地资源是社会经济发展的立足之本,土地的面积有限性、不可再生性、不可移动性等特征决定了土地资源持续利用的实现总是最核心内容之一,具有极其重要的地位和作用。
利用遥感技术进行土地利用调查与监测,成本低,客观及时,具有广阔的应用前景。
土地利用遥感调查与监测的目的是及时、准确掌握土地利用状况,为政府决策、为各级土地管理部门制定管理政策和落实各项管理措施提供科学依据。
高光谱遥感技术是当前较为先进的技术,其光谱分辨率高,光谱划分精细,并具有波段多,信息量丰富等独特性能,以及在地表物质的识别和分类,有用信息的提取方面与其他技术相比有很大优势,使得这一技术在环境监测,植被的精细分类,农作物生长监测,地质矿岩识别定量检测等方面有着广泛的应用,这些都有助于土地利用分类的研究。
1.2高光谱遥感技术的发展和现状
近10年来,遥感数据的获取从卫星的发射到传感器的改进,都有了飞速的发展。
美国、欧空局、中国、巴西、日本、加拿大、印度和俄罗斯相继发射了许多遥感卫星,其数据也向着高空间分辨率、高光谱分辨率发展,例如,2000年9月美国IKONOS卫星数据实现了多光谱4m分辨率和全色1m分辨率;
2000年11月卫星EO-1携带的Hyperion高光谱成像仪有220个波段,每一个波段约10nm宽,可以获得0.4—2.5um的可见光到红外的连续光谱,高光谱分辨率使目标物特点的表现更加准确和细致,大大提高了卫星探测能力。
2001年10月美国QuickBird卫星数据可达彩色2.5m和全色0.61m分辨率,高空间分辨率使影像清晰程度可以和航空影像相媲美。
2002年,法国SpotImage公司的SPOT-5号卫星也发射成功,可拍摄2.5m分辨率的全色图像和10m分辨率的彩色图像。
与此同时,微波遥感技术也有了很大的发展,以加拿大微波遥感卫星Radarsat为代表的许多微波传感器实现了多极化、多波段、多分辨率和多工作模式,而且分辨率可达到8m甚至更高,克服了微波遥感分辨率低的问题,实现全天候、大面积的高质量观测。
现代遥感技术中,新型传感器的开发和运用不断改善了高空间分辨率,影像清晰度和精度也得到了较大的提高,遥感技术从此便被广泛地运用于各个科学研究领域。
在林业方面,高光谱遥感的运用给现代林业研究的发展带来了巨大的促进作用,并越来越得到人们的重视。
高光谱遥感是高光谱分辨率遥感的简称,是20世纪末迅速发展起来的一种全新遥感技术,以纳米级的超高光谱分辨率和几十或几百个波段同时对地表地物成像,获得包括森林资源的地面物体连续光谱信息。
高光谱遥感的成像光谱技术将成像技术与光谱技术相结合,在对目标地物的空间特征成像的同时,获取每个像元数十至数百个窄波段(通常波段宽度<
10nm)光谱信息,产生一条完整而连续的光谱曲线,而这是常规遥感所不具备的。
常规遥感的传感器多数只有几个或十几个波段,每个波段宽度大于100nm,更主要的是这些波段在电磁波谱上不连续。
因此,高光谱遥感能够探测到在宽波段遥感中不可探测的物质特征。
同常规遥感手段相比,高光谱遥感数据具有以下特点:
⑴超多波段,在可见光和近红外光谱区间内有几十到数百个波段。
⑵光谱分辨率高,一般为3~10mm左右。
⑶空间分辨率高,相对于MSS,TM和SPOT的多波段图像,目前实用成像光谱仪有着较高的空间分辨率。
⑷相邻波段的相关性比较高,数据冗余大。
高光谱遥感具有不同于传统遥感的新特点,主要表现在:
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——有些传感器可以在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,数据量成指数增加;
⑤信息冗余增加——由于相邻波段高度相关,冗余信息也相对增加。
高光谱遥感作为一种新的遥感技术已经在植被指数、植被叶面积指数、光合有效辐射等因子的估算中以及在植被生物化学参数分析、植被生物量和作物单产估算、作物病虫害监测中得到广泛的应用。
经过10多年的研究和发展,高光谱遥感的硬件技术及软件技术正日趋成熟。
1.3研究的目的和意义
高光谱成像光谱仪通过连续的窄波段成像,获得地物更精细的光谱信息,识别地物的能力大大提高,在地质、生态与植被、大气与环境、沿海与内陆水域环境等领域的研究中得到了成功地应用。
利用基期土地利用矢量数据和最新遥感数据进行土地利用变化监测非常普遍,图像运算法能够自动提取土地利用变化区域、确定变化类型,但其精度受遥感影像的分类精度和土地利用数据库精度等因索的限制,提取的变化信息中包含有伪变化,需实地核实。
本文研究的目的:
在总结前人相关研究成功经验和不足的基础上,以乌鲁木齐三屯碑水库试验区为例,运用EO-1成像光潜仪获取的高光谱数据开展土地利用信息提取技术研究,为新一轮土地资源调查提供新型技术手段。
课题研究的意义就是:
⑴利用EO-1成像光谱仪获取的高光谱数据,以所选区域为研究对象,清晰准确地制作土地利用分类图,为土地的合理利用和合理规划提供精确的资料。
⑵针对高光谱遥感在土地利用分类中遇到的问题如异物同谱,同物异谱进行分析,并提出解决方案。
⑶试验区高光谱遥感数据存在明显的辐射畸变、随机点噪声和条块状噪声。
在分析机载高光谱遥感图像辐射畸变和噪声特征的基础上,研究和探讨了二者的消除方法,实现对图像辐射质量的优化。
⑷基于整波形特征的光谱匹配算法没有考虑到光谱的内在物理意义,而基于光谱特征参数的匹配算法从分析光谱特征入手,从光谱曲线上提取有意义的光谱特征参量来完成图像像元的分类与识别。
本文利用基于光谱统计特征的分类方法中的监督分类和非监督分类进行处理高光谱遥感数据,利用先进的技术手段获取准确、高精度数据,为土地资源信息监测提供准确的资料。
第二章高光谱遥感波谱分析和地物识别
2.1高光谱遥感成像机理
2.1.1高光谱遥感成像光谱仪的核心
遥感成像技术的发展一直伴随着两方面的进步:
一是通过减小遥感器的瞬时视场角(InstantaneousFieldOfView,IFOV)而提高遥感图像的空间分辨率(SpatialResolution);
二是通过增加波段数量和减小每个波段的带宽,来提高遥感图像的光谱分辨率(SpectralResolution)。
⑴成像光谱仪的核心——探测器
⑵探测器的光谱响应与下列因素有关:
①能量流(EnergyFlux),指从地面反射或辐射进入探测器的能量总和。
②平台高度(Altitude),对于给定的地面分辨单元来说,进入仪器的能量与平台高度成反比。
③光谱分辨率(SpectralResolution),光谱通道越宽,即光谱分辨率越低,探测器接收的信号越强。
④瞬时视场角(IFOV),探测器元件(Element)的物理尺寸和扫描光学系统的焦距决定了IFOV,而IFOV越小,其光谱响应也越弱。
⑤探测器凝视时间(DwellTime),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,其大小为行扫描时间与每行像元数的比值。
凝视时间越长,进入探测器的能量越多,光谱响应也就越强。
[1]
2.1.2高光谱遥感成像光谱仪的成像方式
成像光谱仪采用的成像方式主要有四种:
⑴线列探测器加光机扫描型(摆扫型,Whiskbroom)目前波段全、实用性强的成像光谱仪多属此类,除OMIS系统之外,如美国JPL实验室完成的AVIRIS系统和美国GER公司GERIS系统。
⑵面阵探测器加空间推帚型(推扫型,Pushbroom)HIRIS,HYDICE,PHI。
⑶光谱扫描型(如傅里叶干涉成像光谱仪)。
⑷光谱与空间交叉扫描型(如渐变滤光片型成像光谱仪)。
2.2高光谱遥感波谱分析与地物识别
2.2.1波谱分析
⑴遥感数据定标:
遥感数据本质上是地物波谱。
为了保证样本于地物关系的一致性,首先对遥感数据进行反射率定标。
将影像的灰度值转化为反射率或辐射率图像。
⑵采用MNF方法实现信息重组:
基于对高光谱遥感图像信息提取开发出来的MNF分析是在主成分分析基础上经过进一步改进,由美国著名科学家Boardman和Kruse于1994年发明的一种图位空间变换方法。
基于对高光谱遥感图像信息提取开发出的MNF分析首先把噪声成分从图像信息中分离出去,这样也同时减少了对超大数据量的处理要求。
MNF分析的第一步是以噪声成分的协方差矩阵为基础,对图像数据作去相关和重定标处理,这样使得噪声成分具有单一方差,且没有带到带的相关性;
第二步对经上述处理后的新数据作一次标准的主成分分析。
最后,通过对比特征值与相应的结果图像可以把结果图像分成大特征值和主要成分图像,小特征值和噪声成分为主的图像两部分。
⑶利用PPI(纯净像元指数)进行样本提纯
纯净像元指数法对图像中的像素点进行反复迭代,找出图像中相对纯净的像元(作为图像波谱终端单元),选择MNF结果的前三个主成分作为分析数据,结果图像中最亮的像元是最纯净的像元,把它们定义为感兴趣区(ROI)。
⑷利用N-D散度法进行样本重组
为了提高样本的精度,ENVI提供N维散度法来进一步提纯样本。
N维散度法不仅利用了最新的可视化技术使用户可以在真实N维样本空间中进行样本分离,而且可以使样本精度大大提高,减少了由于肉眼识别造成的误差。
我们将选出的ROI进行n维散度分析,允许散点在n维空间适时旋转,散点的运动使得用户能同时使用图像的所有波段做波谱分析,技术人员的视觉技术和散点的几何形状被同时使用来定位图像的波谱终端单元,这些波谱终端单元可以用于波谱角分类、混合像元分解、匹配滤波和光谱特征拟合等。
[2]
2.3.2地物识别
⑴分类并进行地物识别
由于传统统计分离法没有考虑地物波谱特征和混合像元问题,往往造成分类中的混分和漏分,同时也无法反映地物分类的真实性。
为了解决这个问题,ENVI提供了两种最先进的分类方法:
波谱角分析法和特征分析法,同时采用了规则分类法进行类别重组。
在波谱库的支持下进行波谱角分类。
波谱角分类(SAM)是根据图像像元与参考光谱或ROI的相似性来决定一个像元的类别。
从分类结果看,SAM类别识别能力强,可以剔除光照影像,同时分类碎块小。
特征分析主要是针对分类识别中,由于各种干扰造成漏分及混分的现象提出的特征识别方法。
由于遥感数据的混合像元效应和各种干扰造成不同物质谱线相似,相同物质谱线差异大等现象,从而形成传统方法中的漏分及混分。
由于各种物质都有自己的特征吸收峰,它并不受到其它现象的干扰,因此通过波谱特征识别就可以大大减少混分和漏分现象。
规则分类法是对某一分类规则得到的类型特征按用户定义的参数标准进行类型重组的方法,它可以实现不同类别不同标准的归类方式,大大增加了分类的灵活性。
另外,ENVI提供的亚像元分解法和空域分辨增强法来解决混合像元问题。
亚像元分析法是针对混合像元的特点,利用地物波谱组合等研究成果,对遥感数据每一个像元进行波谱分离,从而计算出每个像元中含有某类地物的含量,达到解决混合像元问题的目的,空域分辨增强法是为了增强小于或接近一个像元的地物。
由于混合像元造成了接近一个像元或小于一个像元的地物边界不清,从而减少了此类地物的识别能力。
空域分辨增强利用空间域地物纹理特点和空间大核卷积算法,增强此类地物的识别能力。
⑵最后,用户可以使用ENVI的波谱分析器,将分类结果中感兴趣地物的波谱曲线与ENVI自带的波谱库或自定义波谱库进行对比分析,从而识别未知地物。
达到目标检测地物的目的。
2.3高光谱图像分类方法
经过配准后的图像可以进行分类处理。
为了得到较好的分类结果,在分类之前有必要对图像做适当的预处理。
比如平滑处理,K-L变换等。
平滑处理在空间域与频率域中均可进行。
在空间域中采用邻域平均法,而在频率域中则采用低通滤波处理。
K-L变换即主成分变换,通过K-L变换,可以消除波段间的数据相关性,达到数据压缩的目的,以加快处理速度。
一般的处理方法使先进行K-L变换,然后进行平滑处理。
[3]
2.3.1非监督分类
ENVI中提供两种非监督分类方法:
K-均值法(K-Means)和IsoData法。
K-Means采用聚类分析(c1usteranalysia)法,它要求用户选择聚类数,然后任意定位聚类中心,通过迭代处理改变聚类中心以得到最佳分类效果。
IsoData法计算平均分布于数据空间的类别均值,然后来用最小距离法迭代聚类剩余像素。
非监督分类操作简单,但这种分类方法得出的分类结果与期望的分类结果通常有较太差别。
这样就需要改变参数,通过多次试验以得到较好的分类结果。
结果如下:
abc
图2-1非监督分类
a为原始图像。
b为IsoData法分类。
c为K-means法分类。
2.3.2监督分类
在遥感图像数字处理操作中,监督分类与非监督分类的主要区别在于样本区的选取。
监督分类利用用户所选择的样本区计算分类参数.监督分类的分类结果与样本区的选择有很大关系。
在分类之前先进行样本区的选取。
样本区的选取利用ENVI的ROI(RegionsofInterest)工具进行。
有两种方式打开ROL对话框,一种是在主菜单条中选择:
BasicTools→RegionsOfInterest→ROItools,第二种是在主图像窗口中选择:
Overlay→ROI。
ROL选取示例。
图2-2中左图为选取的ROI。
右图为ROI工具窗口。
图2-2样本区选取
选取ROI后,即可利用所选取的ROI施行监督分类。
在进行分类之前,还需要对所选择的ROI进行分析。
常见的监督分类方法有:
平行六面体分类法(Parallelepiped),最小距离法(MinimumDistance),最大似然法(MaximumLikeliood),马氏距离法(MahalanobisDistance)等。
平行六面体分类法用一个简单的分类规则分类多光谱图像,这种分类规则将多光谱图像中的不同的n维平行六面体区分开来。
最小距离法利用ROI计算均值矢量,然后计算每个未知像素与均值矢量的欧氏距离。
在用户未设定标准差和距离阙值的情况下,每个像素将被分类。
如果用户设定了阑值,将可能有部分像素因不符合所选标准而不被分类。
最大似然法基于这样的一个统计规律,即每个波段的不同类别服从正态分布,从而计算每个给定像素所属的特定类别。
在没给定概率阑值的情况下,所有像素将被分类。
马氏距离法是一种对方向敏感的距离分类器。
利用每个类别的统计规律进行分类。
它和最大距离法类似,但假设每个类别间的方差一样,因此分类更快。
不同的方法得出的分类结果有所差别。
abcd
图2-3监督分类结果比较
a马氏距离法;
b最大似然法;
c最小距离法;
d平行六面体法。
在分类中,均采用默认值进行分类,可以发现马氏距离法和最大似然法对图像进行了完全分类,而最小距离法和平行六面体法中还有大量像素未被分类(在圈中为黑色)。
2.4高光谱遥感在分类应用中的优势
⑴从图像光谱的角度来说,高光谱遥感图像分类的效果取决于四个因素:
①类别的可分性:
非人为影响下的原始地物光谱具有可分性是高光谱图像分类的前提条件;
②图像像元光谱空间的维数:
一般来讲,在图像波段信噪比达到一定要求的情况下,光谱波段越多,越有利于分类;
③训练样本的数量:
训练样本的数量越大,地物的训练特征越全面和具有代表性,因此有利于分类;
④分类器类型和分类方案。
⑵常规方法的缺陷:
①由于Hughes现象的存在,随着高光谱图像波段的增加,训练样本数量的要求剧增,给分类带来了一定困难;
②高光谱数据特定的光谱物理含义往往被忽略,完全从纯数学的角度去进行波段选择和聚类,无形中浪费了高光谱数据的巨大内涵;
③自然界中地物的分布都有其特定的一般性规律性,完全基于数学模型的分类算法,其结果常常具有明显的不合逻辑的地方;
④在常规的决策树分类中,地物分类的顺序对结果有很大的影响,往往是不可逆的,因此有一定的随意性。
⑶高光谱遥感技术在分类识别方面有如下明显的优势:
①光谱分辨率更高(高达5-10nm),能够获取地物精细的光谱特征曲线;
②覆盖波长范围更宽,延伸到近红外、短波红外、中红外和热红外。
光谱覆盖范围越宽,就能够探测地物更多的对电磁波的响应特征;
③图像波段众多,可以根据需要选择或提取特定的波段来突出目标特征,尤其是“谱”的概念;
④高光谱遥感图像包含丰富的辐射、空间和光谱信息,是多种信息的综合载体,为新理论新方法的引进创造了可能。
从图像中已知的相应目标物(类别)的存在区域(训练区)中提取数据(训练数据)进行总体特征(统计量)的测定,把它叫做有监督测定,这种分类方法叫监督分类。
在监督分类中,必须提取出代表总体特性的训练数据。
当图像中包含的目标物不明确时,把随机采样的像元数据用聚类等方法机械地分割为比较匀质的数据群,把它们作为分类类别。
以这些数据群为训练数据测定类别总体的特征,这种分类方法叫非监督分类。
[4]
第三章高光谱遥感在土地利用分类中的应用
3.1ENVI软件概述
ENVI(TheEnvironmentforVisualizingImages)遥感影像处理软件是美国RSI公司的旗帜产品,它是由著名的遥感科学家基于交互式数据语言IDL开发的一套功能强大的遥感影像处理系统,它可以轻松读取、显示、分析各种类型遥感数据,并提供了从影像预处理、信息提取到与地理信息系统整合过程中需要的各种工具。
ENVI卓越的波谱分析工具能够快速准确地从遥感影像中提取出用户所需要的各种目标信息,凭借其自动高效的信息提取和目标识别能力,ENVI已连续多年获得美国测绘制图局NIMA遥感软件测评第一。
ENVI软件进入中国市场十年来,凭借着其强大的遥感影像处理功能、丰富的遥感数据格式支持、简单易用的使用风格、中文化的菜单支持、全面的操作系统支持及IDL底层开发平台强大的可扩展能力被广大的遥感用户逐步熟悉和使用,并被广泛地应用于国土、地质、环境、林业、农业、军事、自然资源勘探和海洋资源管理等多个领域。
[5]
3.2EO-1高光谱数据
⑴EO-1卫星平台简介
Hyperion传感器搭载于EO--1卫星平台,EO-1(EarthObserving-1)是美国NASA面向21世纪为接替LandSat-7而研制的新型地球观测卫星,EO-1上搭载了3种
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 光谱 遥感 论文 讲解