2.1　技術(shù)現(xiàn)狀與發(fā)展趨勢(shì)

2.1.1　技術(shù)現(xiàn)狀

2.1.1.1　高光譜遙感數(shù)據(jù)產(chǎn)品研究現(xiàn)狀

（1）高光譜遙感數(shù)據(jù)特點(diǎn)

高光譜遙感具有不同于傳統(tǒng)遙感的新特點(diǎn)，主要表現(xiàn)在如下方面：

①波段多：可以為每個(gè)像元提供幾十、數(shù)百甚至上千個(gè)波段；

②光譜范圍窄：波段范圍一般小于10nm；

③波段連續(xù)：有些傳感器可以在350～2500nm的太陽(yáng)光譜范圍內(nèi)提供幾乎連續(xù)的地物光譜；

④數(shù)據(jù)量大：隨著波段數(shù)的增加，數(shù)據(jù)量呈指數(shù)增加；

⑤信息冗余增加：由于相鄰波段高度相關(guān)，冗余信息也相對(duì)增加。

針對(duì)以上特點(diǎn)，高光譜遙感影像處理有其特殊性：數(shù)據(jù)量特別巨大，預(yù)處理算法復(fù)雜，需要很強(qiáng)的專業(yè)背景知識(shí)等。這就決定了高光譜遙感影像處理系統(tǒng)的復(fù)雜性和專業(yè)性，即要求強(qiáng)大的數(shù)據(jù)處理與分析能力和流程化的業(yè)務(wù)處理模式。這對(duì)系統(tǒng)的架構(gòu)提出了更高的要求，是高光譜數(shù)據(jù)庫(kù)系統(tǒng)和圖像處理系統(tǒng)區(qū)別于一般通用系統(tǒng)的典型特征。

（2）高光譜遙感數(shù)據(jù)產(chǎn)品加工處理技術(shù)流程

從高光譜傳感器獲取遙感數(shù)據(jù)后，經(jīng)過(guò)多種處理過(guò)程，最后得到適合應(yīng)用者需要的優(yōu)質(zhì)圖像與有用信息，以達(dá)到對(duì)高光譜數(shù)據(jù)的有效應(yīng)用。高光譜數(shù)據(jù)產(chǎn)品加工處理流程可分為如圖2-1所示的五個(gè)部分。

高光譜數(shù)據(jù)產(chǎn)品加工流程具體到每一部分的關(guān)鍵技術(shù)包括：數(shù)據(jù)存儲(chǔ)管理、數(shù)據(jù)預(yù)處理技術(shù)、信息提取技術(shù)和產(chǎn)品生產(chǎn)技術(shù)這幾個(gè)方面。首先，通過(guò)高光譜傳感器獲得航空高光譜及配套地面數(shù)據(jù)，然后通過(guò)數(shù)據(jù)庫(kù)技術(shù)及網(wǎng)絡(luò)技術(shù)，將航空高光譜數(shù)據(jù)保存到數(shù)據(jù)庫(kù)系統(tǒng)，遙感數(shù)據(jù)處理分析系統(tǒng)不僅可以進(jìn)行本地的數(shù)據(jù)處理，還可以通過(guò)數(shù)據(jù)庫(kù)的標(biāo)準(zhǔn)接口協(xié)議和網(wǎng)絡(luò)協(xié)議實(shí)現(xiàn)分布式數(shù)據(jù)處理、遠(yuǎn)程圖像處理與分析。航空高光譜數(shù)據(jù)的預(yù)處理技術(shù)包括：輻射定標(biāo)、大氣校正和幾何校正等。影像完成預(yù)處理后可以進(jìn)一步進(jìn)行信息的提取，包括：特征提取、混合像元分解、目標(biāo)探測(cè)與識(shí)別以及場(chǎng)景分類等。最后，輸出各級(jí)產(chǎn)品，生成產(chǎn)品質(zhì)量報(bào)告等。

（3）高光譜遙感數(shù)據(jù)產(chǎn)品的應(yīng)用

高光譜成像技術(shù)和高光譜遙感數(shù)據(jù)在研究地球資源、監(jiān)測(cè)地球環(huán)境、地表物質(zhì)的識(shí)別和分類等方面中發(fā)揮著越來(lái)越重要的作用（白繼偉，2002）。

在地質(zhì)學(xué)領(lǐng)域中，礦物中金屬離子Fe3+、Fe2+、Mn的電子躍遷在可見光、近紅外光譜區(qū)域形成典型的光譜波形，礦物中分子團(tuán)OH-、及Si-O鍵等的振動(dòng)在短波紅外光譜區(qū)域形成一系列的吸收特征，這些診斷性的吸收特征構(gòu)成成像光譜識(shí)別礦物的理論基礎(chǔ)（李薇薇，2012）。Goetz利用AIS 圖像在美國(guó)內(nèi)華達(dá)州進(jìn)行了礦物直接識(shí)別研究；Kruse在同一地區(qū)利用GERIS和AVIRIS圖像進(jìn)行了高嶺土、明礬石、鈉長(zhǎng)石、白云石、方解石等礦物的識(shí)別。一些學(xué)者利用GERIS數(shù)據(jù)在新疆阿克蘇西部進(jìn)行了礦物光譜識(shí)別、填圖研究，利用MAIS數(shù)據(jù)在澳大利亞松谷鈾礦區(qū)發(fā)現(xiàn)了鈾礦的可能存在區(qū)。Clark研究了礦物在2.0～3.0μm范圍反射光譜隨光譜分辨率變化的表現(xiàn)，證明高光譜分辨率對(duì)礦物的識(shí)別是非常重要的。

在植被生態(tài)學(xué)的研究中，常規(guī)遙感技術(shù)主要是獲取植被指數(shù)、葉面積指數(shù)等信息，而成像光譜技術(shù)則通過(guò)對(duì)不同類型植被的生物化學(xué)成分含量的估算可以獲得更為詳細(xì)的植被生態(tài)學(xué)信息，包括葉子水分、葉綠素、纖維素、木質(zhì)素及其他色素含量，以及葉子和樹冠結(jié)構(gòu)等，尤其對(duì)“紅邊”位移的監(jiān)測(cè)可獲得有關(guān)植被生態(tài)脅迫的信息。Elvidge等利用成像光譜數(shù)據(jù)證實(shí)能夠檢測(cè)低于5%覆蓋度的痕量植被；利用高信噪比和高定標(biāo)精度的成像光譜圖像數(shù)據(jù)可以識(shí)別植被的類型和種類。童慶禧等利用MAIS成像光譜儀對(duì)鄱陽(yáng)湖地區(qū)濕地植被生態(tài)進(jìn)行了廣泛深入的研究。目前對(duì)植被光譜特征與葉片化學(xué)和結(jié)構(gòu)特性以及群體樹冠的結(jié)構(gòu)之間關(guān)系的研究還在不斷深入，這些研究對(duì)于利用定標(biāo)的成像光譜數(shù)據(jù)進(jìn)行生態(tài)定量化研究和應(yīng)用具有非常重要的作用（童慶禧，2006）。

在大氣研究中，航空或航天高光譜遙感器記錄的太陽(yáng)反射光譜可以反映出大氣層中分子和粒子成分的光譜信息，這些成分主要包括水蒸氣、二氧化碳、氧氣、氣溶膠、臭氧和其他大氣氣體。Gao等研究了從AVIRIS高光譜遙感數(shù)據(jù)中逐像元提取大氣中水蒸氣信息； Isakov等利用AVIRIS數(shù)據(jù)研究提取氣溶膠信息；Feind等利用AVIRIS圖像數(shù)據(jù)進(jìn)行了提取云分量和云陰影性質(zhì)信息的研究。

在土壤研究中，高光譜遙感數(shù)據(jù)提供了連續(xù)窄波段的短波紅外光譜信息，反映土壤有機(jī)質(zhì)含量、離子含量、濕度及土壤侵蝕與退化等方面信息，使得土壤評(píng)價(jià)與監(jiān)測(cè)有了更強(qiáng)有力的工具。AVIRIS數(shù)據(jù)被用來(lái)進(jìn)行土壤分類、土壤與植被關(guān)系等研究，取得了較好的效果。

在水環(huán)境遙感中，高光譜遙感數(shù)據(jù)為近岸和陸地水質(zhì)遙感監(jiān)測(cè)帶來(lái)了契機(jī)，因?yàn)樗梢圆蹲降浇逗完懙厮w復(fù)雜而且多變的光學(xué)特性，提高水質(zhì)監(jiān)測(cè)的精度。Hamilton等利用AVIRIS 數(shù)據(jù)研究美國(guó)加州-內(nèi)華達(dá)州Tahoe湖的葉綠素濃度，并進(jìn)行了湖底深度制圖。疏小舟等利用我國(guó)自行研制的OMIS-Ⅱ成像光譜儀在太湖地區(qū)進(jìn)行地表水質(zhì)遙感實(shí)驗(yàn)，估算了研究區(qū)域內(nèi)的葉綠素濃度分布，并將遙感估算值與地面采樣數(shù)據(jù)進(jìn)行了比較；結(jié)果表明OMIS-Ⅱ能夠提高內(nèi)陸水體藻類葉綠素的定量遙感精度。

在城市調(diào)查中，高光譜分辨率遙感技術(shù)使得機(jī)器能夠識(shí)別的光譜類別極大增多，有助于對(duì)地物覆蓋進(jìn)行精細(xì)分類。通過(guò)光譜識(shí)別技術(shù)能夠區(qū)分光譜特征非常相似的城市地物與人工目標(biāo)，包括水體、柏油路面、屋頂材料成分、陰影、植被種類等。土地覆蓋類型與土地利用類別間存在著一定的關(guān)系，由土地覆蓋類型有可能進(jìn)行土地利用分類，這是城市遙感研究的一個(gè)可能途徑。

2.1.1.2　高光譜遙感數(shù)據(jù)產(chǎn)品處理算法

（1）航空高光譜數(shù)據(jù)輻射定標(biāo)技術(shù)

成像光譜儀的定標(biāo)就是要建立成像光譜儀每個(gè)探測(cè)元件輸出的數(shù)字量化值與它所對(duì)應(yīng)像元內(nèi)的實(shí)際地物的輻射亮度值之間的定量關(guān)系。成像光譜儀的定標(biāo)對(duì)于定量遙感和高光譜遙感的應(yīng)用具有十分重要的意義。遙感數(shù)據(jù)的可靠性及應(yīng)用的深度和廣度在很大程度上取決于定標(biāo)精度。因?yàn)橹挥薪?jīng)過(guò)了定標(biāo)的高光譜遙感數(shù)據(jù)才能從輻射圖像中提取真實(shí)的地物物理參量，才能比較不同地區(qū)或不同時(shí)間獲取的高光譜遙感數(shù)據(jù)，才能將高光譜遙感數(shù)據(jù)與不同遙感器、光譜儀甚至系統(tǒng)模擬數(shù)據(jù)進(jìn)行比較分析。

航空遙感中，成像光譜儀主要有兩個(gè)階段的定標(biāo)：飛行前實(shí)驗(yàn)室定標(biāo)和機(jī)上定標(biāo)。在遙感器從研制到投入運(yùn)行的整個(gè)過(guò)程中，它們?cè)诓煌A段分別發(fā)揮著一定的作用。成像光譜儀的實(shí)驗(yàn)室內(nèi)光譜定標(biāo)用于確定系統(tǒng)各個(gè)波段的光譜響應(yīng)函數(shù)；實(shí)驗(yàn)室內(nèi)輻射定標(biāo)用于確定系統(tǒng)各個(gè)波段對(duì)輻射量的響應(yīng)能力；機(jī)上實(shí)時(shí)定標(biāo)用于波段的漂移和系統(tǒng)輻射響應(yīng)率的變化。場(chǎng)地定標(biāo)主要用于星載傳感器定標(biāo)，也可應(yīng)用于航空傳感器中。

（2）航空高光譜數(shù)據(jù)大氣校正技術(shù)

高光譜圖像反射率光譜反演是將遙感器獲得的輻射亮度DN值轉(zhuǎn)換為反射率值。高光譜遙感器在飛行平臺(tái)上獲取的地物輻射能量值可以表述為式（2-1）：

LO（λ）=Lsun（λ）T（λ）R（λ）cos（θ）+Lpath（λ） 　　（2-1）

式中，LO（λ）是入孔輻射能量，Lsun是大氣上層太陽(yáng)輻射，T（λ）為整層大氣傳輸，R（λ）為不考慮地形影響的表觀（視）反射率（Apparent Reflectance），θ是太陽(yáng)高度角，Lpath（λ）為程輻射。

由此可見，遙感器接收到的輻射是太陽(yáng)輻射與大氣、地物復(fù)雜作用的結(jié)果。將地物的輻射能量值反演為光譜反射率值，是考慮不同大氣條件下太陽(yáng)光譜的變化特性，反映了地物在各個(gè)不同光譜通道對(duì)不同入射能量的反射比率。顯然，高光譜圖像反射率的反演事實(shí)上就是通過(guò)大氣校正來(lái)實(shí)現(xiàn)定標(biāo)，也是對(duì)遙感過(guò)程中大氣狀況的一種修正。

光譜反演基于不同的理論，發(fā)展出幾大類型的模型，主要包括：統(tǒng)計(jì)學(xué)模型、基于大氣輻射傳輸理論的光譜反演等模型。光譜反演的統(tǒng)計(jì)學(xué)模型主要有經(jīng)驗(yàn)線性法（Empirical Line，EL）、內(nèi)部平均法（Internal Average Relative Reflectance，IARR）、平場(chǎng)域法（Flat Field，F(xiàn)F）。大氣削弱和散射的乘性和加性效應(yīng)以及太陽(yáng)光譜形狀等的影響可以利用輻射傳輸模型來(lái)確定。所謂基于大氣輻射傳輸理論的光譜反演模型就是基于各種大氣校正模型而完成的反射率圖像反演，包括5S、6S、LOWTRAN、MODTRAN、ATREM、ACORN、FLAASH等方法。

（3）航空高光譜數(shù)據(jù)幾何校正技術(shù)

1）高光譜圖像的系統(tǒng)級(jí)幾何校正

高光譜圖像的系統(tǒng)幾何校正一般是利用各種可以預(yù)測(cè)的參數(shù)，如成像光譜儀的校準(zhǔn)數(shù)據(jù)、位置參數(shù)、平臺(tái)姿態(tài)等測(cè)量值（或預(yù)測(cè)值）代入理論校正公式，把原始圖像校正為所要求的地圖投影坐標(biāo)系。其計(jì)算步驟為：

? 確定格網(wǎng)點(diǎn)的圖像坐標(biāo)；

? 計(jì)算每個(gè)格網(wǎng)點(diǎn)對(duì)應(yīng)像素被掃描的時(shí)刻（T）；

? 計(jì)算每個(gè)格網(wǎng)點(diǎn)（T時(shí)刻）對(duì)應(yīng)的遙感器外方位元素（地理經(jīng)緯度LT、BT，航高HT，姿態(tài)角φT、wT和kT）；

? 把格網(wǎng)點(diǎn)坐標(biāo)轉(zhuǎn)換到地面直角坐標(biāo)系；

? 把地面直角坐標(biāo)轉(zhuǎn)換為地圖投影坐標(biāo)；

? 建立起多項(xiàng)式糾正變換函數(shù)。

2）基于地面控制點(diǎn)的幾何精校正

常用于遙感圖像的幾何精校正方法是基于地面控制點(diǎn)（GCP）的多項(xiàng)式校正法。該方法的原理是用GCP數(shù)據(jù)對(duì)原始圖像的幾何畸變過(guò)程進(jìn)行數(shù)學(xué)模擬，建立原始的畸變圖像空間與制圖用坐標(biāo)空間（校正空間）之間的某種對(duì)應(yīng)關(guān)系；再利用這種對(duì)應(yīng)關(guān)系把畸變空間中的全部元素變換到校正圖像中去，實(shí)現(xiàn)幾何精校正。幾何精校正步驟為：

? 原始圖像空間與校正空間像元間的數(shù)學(xué)關(guān)系；

? 多項(xiàng)式擬合；

? 利用最小二乘原理解算多項(xiàng)式系數(shù)；

? 灰度重采樣。

3）基于姿態(tài)測(cè)量參數(shù)的幾何精糾正

基于地面控制點(diǎn)（GCP）的幾何精校正因?yàn)榭梢岳米銐驍?shù)量的GCP對(duì)圖像的幾何畸變過(guò)程進(jìn)行較精確的數(shù)學(xué)模擬，建立起畸變圖像和校正圖像的函數(shù)對(duì)應(yīng)關(guān)系，實(shí)現(xiàn)畸變圖像的糾正投影，故而在實(shí)際工作中最常使用。但是，這種方法由于需要人為標(biāo)定、甚至實(shí)地測(cè)定大量的地面控制信息，往往費(fèi)時(shí)耗力，造成工作效率和經(jīng)濟(jì)上的損失。

為了克服基于GCP幾何精糾正的缺陷，可以利用傳感器的姿態(tài)測(cè)量參數(shù)來(lái)對(duì)圖像進(jìn)行幾何精糾正。但是，這要求在遙感器獲取圖像時(shí)必須精確地測(cè)得遙感器實(shí)時(shí)的坐標(biāo)信息和姿態(tài)參數(shù)。以往由于硬件設(shè)備的限制，往往難于有效、可靠地測(cè)取這些數(shù)據(jù)。而基于POS/DG和IMU/DGPS的航空攝影測(cè)量系統(tǒng)正好滿足了需求，使我們可以基于飛機(jī)姿態(tài)測(cè)量的參數(shù)，對(duì)航空高光譜遙感圖像進(jìn)行幾何校正。主要包括以下四個(gè)步驟：

? 讀取POS/DG數(shù)據(jù)文件；

? 根據(jù)POS/DG數(shù)據(jù)確定精確的外方位元素；

? 基于連轉(zhuǎn)角系統(tǒng)的坐標(biāo)計(jì)算；

? 基于地面高程的坐標(biāo)調(diào)整。

（4）航空高光譜數(shù)據(jù)特征提取技術(shù)

特征是對(duì)象所表現(xiàn)出來(lái)的各種屬性與特點(diǎn)。模式識(shí)別中要識(shí)別和分類對(duì)象，首先需要采取各種信息獲取手段對(duì)特征進(jìn)行測(cè)量，形成原始的特征空間。原始的特征需要經(jīng)過(guò)加工處理和優(yōu)化，產(chǎn)生有效的特征空間，使之能更好地反映對(duì)象本質(zhì)，適合于分類器的處理。有效是指在特征減少到某個(gè)數(shù)量時(shí)仍能夠達(dá)到同等數(shù)目的特征所能達(dá)到的最佳分類精度。事實(shí)上分類器的性能在很大程度上依賴于特征選擇，依賴于特征是否能夠精確地描述對(duì)象的本質(zhì)。

高光譜遙感數(shù)據(jù)大量的光譜波段為了解地物提供了極其豐富的遙感信息，這必然有助于完成更加細(xì)致的遙感地物分類和目標(biāo)識(shí)別，然而波段的增多也必然導(dǎo)致信息的冗余和數(shù)據(jù)處理復(fù)雜性增加。當(dāng)光譜特征維數(shù)增加時(shí)，其特征組合更是成指數(shù)方式增加。假設(shè)原始光譜波段數(shù)為N，優(yōu)選后的光譜波段是M，N>M，則光譜特征組合的數(shù)目為：N！/（N-M）！M！。這個(gè)數(shù)目是巨大的，會(huì)導(dǎo)致運(yùn)算效率的下降，為此，光譜特征空間的減少和優(yōu)化顯得十分重要。特征空間優(yōu)化的方式可以概括為兩種：特征選擇和特征提取。

1）特征選擇

特征選擇就是針對(duì)特定對(duì)象選擇特征空間中的一個(gè)子集，這個(gè)子集是一個(gè)簡(jiǎn)化了的光譜特征空間，但它包括了該對(duì)象的主要特征光譜，并在一個(gè)含有多種目標(biāo)對(duì)象的組合中，該子集能夠最大限度地區(qū)別于其他地物。通過(guò)特征選擇，可以強(qiáng)化那些最具可分性的光譜波段，特征選擇的方式可概括為兩種：光譜距離統(tǒng)計(jì)和光譜特征位置搜索。

特征選擇方法分為兩類：一是根據(jù)專家的知識(shí)挑選；二是根據(jù)類別可分性準(zhǔn)則選擇。根據(jù)專家知識(shí)挑選特征，其經(jīng)驗(yàn)性和人為因素較多，本書不作討論。根據(jù)類別可分性準(zhǔn)則挑選特征一般應(yīng)該包括三個(gè)步驟：第一，選擇可分性準(zhǔn)則；第二，確定使用可分性準(zhǔn)則的策略；第三，確定選擇特征的算法。

①選擇可分性準(zhǔn)則　從理論上分析，可分性準(zhǔn)則中J-M距離和基于熵函數(shù)的可分性準(zhǔn)則衡量類別可分性的效果是比較好的，但是由于熵函數(shù)完全基于后驗(yàn)概率，可操作性不大，因此從某種意義上說(shuō)，基于熵函數(shù)的可分性準(zhǔn)則只具有理論上的指導(dǎo)意義。而J-M距離基于先驗(yàn)概率和樣本分布，這些都是比較容易做到的，因此，五種可分性準(zhǔn)則中，J-M距離可操作性和可分性效果兼?zhèn)洹?/p>

離散度衡量可分性的有效性總體來(lái)說(shuō)不如J-M距離，但是，當(dāng)各類模式分布相對(duì)集中，模式間的距離沒有超出致使離散度失效的臨界值時(shí)，它衡量類別可分性仍然是比較有效的。

歸一化距離（相對(duì)距離）衡量可分性的總體有效性又次之。假如樣本均值十分接近或者樣本分布十分離散都會(huì)使歸一化距離對(duì)于類別可分性的衡量失去有效性。

各類樣本均值距離的平均值衡量類別可分性的效果最差。只有當(dāng)各類樣本的分布一致，且既不太離散也不太集中的特殊情況下，它才有效。

②可分性策略　選擇多類別可分性特征時(shí)，一般有兩個(gè)策略：一是選擇各類平均可分性最大的特征；二是選擇使所有類別中最難分的類別具有最大可分性的特征。

③特征選擇算法　對(duì)于高光譜遙感圖像來(lái)說(shuō)，波段數(shù)往往很多，要從n個(gè)特征中找出具有m個(gè)特征的最優(yōu)子集并不是一件容易的事。因此怎樣找一個(gè)較好的算法，以便在較短的時(shí)間內(nèi)找出最優(yōu)的那一組特征，也是一個(gè)很重要的問(wèn)題。歸納起來(lái)，選擇特征的算法有如下幾種（尼曼，1988）：

a.單獨(dú)選擇法　根據(jù)可分性準(zhǔn)則函數(shù)計(jì)算每一個(gè)特征的可分性，然后根據(jù)各個(gè)特征的可分性大小排序，選擇可分性最大的前m個(gè)特征。

b.擴(kuò)充最優(yōu)特征子集　基本步驟為：根據(jù)類別可分性準(zhǔn)則函數(shù)計(jì)算每一個(gè)特征的對(duì)于所有類別的可分性，選擇可分性最大的那一個(gè)特征進(jìn)入最優(yōu)特征子集；增加一個(gè)特征，與最優(yōu)特征子集中的特征形成新的組合，并計(jì)算新的特征組合的可分性，選擇可分性最大的特征組合作為新的最優(yōu)特征子集；重復(fù)執(zhí)行第二步，直到最優(yōu)特征子集中的特征數(shù)達(dá)到m個(gè)為止。

c.對(duì)最難分類的類對(duì)的正確分類作出最大貢獻(xiàn)的特征　基本步驟為：根據(jù)類別可分性函數(shù)計(jì)算每一個(gè)類對(duì)的可分性，找出最難分的類對(duì)；計(jì)算各個(gè)特征對(duì)于最難分的類對(duì)的可分性，挑選可分性最大的特征進(jìn)入最優(yōu)特征子集；增加一個(gè)特征，與最優(yōu)特征子集中的特征形成新的組合，并計(jì)算新的特征組合對(duì)于最難分的類對(duì)的可分性，選擇可分性最大的特征組合作為新的最優(yōu)特征子集；重復(fù)執(zhí)行第三步，直到最優(yōu)特征子集中的特征數(shù)達(dá)到m個(gè)為止。

d.去掉對(duì)最難分類的類對(duì)的正確分類作出最小貢獻(xiàn)的特征　基本步驟為：根據(jù)類別可分性函數(shù)計(jì)算每一個(gè)類對(duì)的可分性，找出最難分的類對(duì)；計(jì)算各個(gè)特征對(duì)于最難分的類對(duì)的可分性，去掉可分性最小的特征，剩下的特征作為最優(yōu)特征子集；從最優(yōu)特征子集任意減少一個(gè)特征，作為新的特征組合，并計(jì)算新的特征組合對(duì)于最難分的類對(duì)的可分性，選擇可分性最大的特征組合作為新的最優(yōu)特征子集；重復(fù)執(zhí)行第三步，直到最優(yōu)特征子集中的特征數(shù)達(dá)到m個(gè)為止。

e.搜索樹　搜索樹也叫分支定界法或分支估界法，是一種自上而下的搜索方法，但具有回溯功能，可使所有可能的特征組合都被考慮到。由于合理的地組織搜索過(guò)程，搜索樹必須具備一個(gè)先決條件：所采用的可分性準(zhǔn)則函數(shù)必須具有單調(diào)性。即從n個(gè)特征中選出m個(gè)特征組成m維特征向量，再?gòu)倪@m個(gè)特征中選出K個(gè)特征組成K維特征向量，其準(zhǔn)則函數(shù)應(yīng)滿足Jn≥Jm≥Jk的條件。搜索樹正是利用了這種單調(diào)性，才可能減少了對(duì)一些特征組合的搜索。

f.動(dòng)態(tài)規(guī)劃法　基本步驟為：初始化n個(gè)集合，使每個(gè)集合初始時(shí)僅包含一個(gè)特征；對(duì)一個(gè)確定的i，組成所有集合， 從中選擇出一個(gè)最優(yōu)特征子集；對(duì)所有i=1，2，…，n，j=1，2，…，m-1執(zhí)行第二步；這n個(gè)集合中含有m個(gè)特征。由中選出可分性最大的作為含有m個(gè)特征的最優(yōu)特征子集。 

2）特征提取

①基于K-L變換與MNF變換的特征提取　K-L變換，也稱為主成分變換，是將多個(gè)指標(biāo)化為少數(shù)幾個(gè)綜合指標(biāo)的一種統(tǒng)計(jì)分析方法。設(shè)p維隨機(jī)向量X的均值為E（X）=0，協(xié)方差矩陣為D（X）=∑>0。求第一主成分的問(wèn)題就是求解a1=，使得在達(dá)最大，這是條件極值問(wèn)題，可利用拉格朗日乘數(shù)法求解，令：

　　

（2-2）

考慮：

　　

（2-3）

因a1≠0，故，求解公式（2-3），其實(shí)就是求解∑的特征值和特征向量的問(wèn)題。設(shè)λ=λ1是∑的最大特征值，則相應(yīng)的單位特征向量a1即為所求。一般地，求X的第i主成分需先求∑的第i大特征值λi對(duì)應(yīng)的單位特征向量a1，然后通過(guò)得到。

MNF變換利用信噪比信息發(fā)展了主成分分析方法。采用MNF（Minimum Noise Fraction）變換使變換后各成分按照信噪比而不是方差從大到小的順序來(lái)排列。高光譜圖像的每個(gè)觀測(cè)像元由理想狀況下的無(wú)噪聲信號(hào)向量和噪聲向量組成，與不相關(guān)，可以表示為：

　　（2-4）

MNF算法首先用低通濾波從原始圖像中分離出噪聲圖像，然后分別求出和的協(xié)方差矩陣和。

計(jì)算的特征值λi和相應(yīng)的特征向量ui，假設(shè)這些特征值滿足λ1≥λ2≥…≥λL。令，則MNF變換最終可表示為。

②基于可分性準(zhǔn)則的特征提取　基于可分性準(zhǔn)則的特征提取方法也叫CA（Canonical Analysis）變換，前面介紹的可分性準(zhǔn)則都可用于特征提取。這里以比較常用的可分性準(zhǔn)則）為例，介紹基于可分性準(zhǔn)則的特征提取的一般步驟。

采用變換y=ATx后，希望在m維的Y空間里，樣本的類別可分性好，即希望在Y空間里，準(zhǔn)則函數(shù)J2達(dá)到最大值。

根據(jù)協(xié)方差傳播律，Y空間里的協(xié)方差矩陣Cy與X空間里的協(xié)方差矩陣Cx有如下關(guān)系：

　　（2-5）

這樣，Y空間里的類內(nèi)離散度矩陣Syw可用X空間里的類內(nèi)離散度矩陣Sxw計(jì)算得到：

　　（2-6）

　　（2-7）

因此，在Y空間中可分性準(zhǔn)則函數(shù)為：

（2-8）

式（2-8）對(duì)A求導(dǎo)并令其為零：

（2-9）

由式（2-9）得：

　　（2-10）

利用線性變換z=BTy=（AB）Tx，可將對(duì)稱矩陣Syb、Syw同時(shí)對(duì)角化：

BTSybB=A，BTSywB=I　　（2-11）

式中，B是非奇異的m×m階方陣。

　　

（2-12）

設(shè)的本征值為λ1，λ2，…，λn，按大小順序排列為：

λ1≥λ2≥…≥λm≥λn　　（2-13）

選前m個(gè)本征值對(duì)應(yīng)的本征向量構(gòu)成變換矩陣：

AT=　　（2-14）

此時(shí)準(zhǔn)則函數(shù)取最大值：

　　（2-15）

③基于光譜重排的特征提取　眾所周知，不同地物的光譜信息是不相同的，很多時(shí)候直接利用原始光譜信息進(jìn)行特征提取都是可以的，比如利用紅邊、綠峰、NDVI等特征可以提取植被，很多種礦物也有自己明顯的吸收特征。但在更多的情況下，當(dāng)不同地物之間的光譜在形狀、反射率（或DN值）、變化趨勢(shì)等指標(biāo)大致相同的時(shí)候，從原始光譜上很難發(fā)現(xiàn)需要提取的地物的具有顯著特征的信息，也就是說(shuō)，這時(shí)地物之間的不相關(guān)性均勻地分布在各個(gè)波段。針對(duì)這種情況耿修瑞提出了光譜重排的方法，打破光譜按波長(zhǎng)排列的次序，根據(jù)光譜反射率或DN值的大小重新排列各個(gè)波段，通過(guò)大量的實(shí)驗(yàn)發(fā)現(xiàn)任何兩種不同地物的光譜通過(guò)光譜重排之后，總有顯著的特征出現(xiàn)（而不是僅僅表現(xiàn)為幅度上的差別），并且不同地物的特征出現(xiàn)在不同的位置。通過(guò)光譜排序，基譜的光譜曲線將變?yōu)閱握{(diào)上升的重排曲線，而其他的光譜曲線在按相應(yīng)的順序重排后一般都會(huì)有特征出現(xiàn)，而且選取不同的光譜曲線作為基譜，相應(yīng)的特征位置會(huì)發(fā)生變化。為了免除或者減少噪聲對(duì)光譜的影響，可以先用小波變換（相當(dāng)于波段合并）來(lái)對(duì)原始光譜進(jìn)行平滑處理。

（5）航空高光譜混合像元分解技術(shù)

航空高光譜混合像元分解主要包括端元提取和像元解混兩個(gè)步驟，分別說(shuō)明如下。

1）端元提取

高光譜數(shù)據(jù)端元的提取是對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步分析（比如解混、填圖等）的前提條件。如何從高光譜圖像中提取端元，已經(jīng)有很多成熟的方法被提出和應(yīng)用。

①PPI　采用MNF變換對(duì)高光譜數(shù)據(jù)進(jìn)行降維和噪聲白化處理。經(jīng)過(guò)一系列的幾何變換，得到均值為零的數(shù)據(jù)，然后對(duì)該數(shù)據(jù)進(jìn)行旋轉(zhuǎn)和縮放處理，使得最終結(jié)果數(shù)據(jù)每個(gè)波段的噪聲都不相關(guān)且方差為單位值。

當(dāng)把光譜特征空間中的所有像元點(diǎn)往一個(gè)單位向量上投影時(shí)，端元就會(huì)投影到的兩側(cè)，而混合像元?jiǎng)t會(huì)投影到中部。因此，可以讓圖像在n個(gè)隨機(jī)的單位向量上投影，并且記下每個(gè)像元被投影到端點(diǎn)的次數(shù)，即為純像元指數(shù)（Pixel Purity Index，PPI）。當(dāng)被投影到隨機(jī)向量端點(diǎn)的次數(shù)越多時(shí)，此像元為純像元的概率就越大。

②N-FINDR　N-FINDR利用高光譜數(shù)據(jù)在特征空間中的凸面單形體的特殊結(jié)構(gòu)，通過(guò)尋找具有最大體積的單形體從而自動(dòng)獲取圖像中的所有端元。通過(guò)求最大單形體的體積而得到各個(gè)端元的單形體自動(dòng)獲取圖像中的所有端元，其體積公式如下：

　　

（2-16）

　　

（2-17）

式中，為表征第i個(gè)端元的列向量，V是由，這N個(gè)端元所構(gòu)成的單形體的體積，為行列式運(yùn)算符。由于用到了求行列式的運(yùn)算，所以要求必須為方陣，這樣向量的維數(shù)必須為N-1，但原始的高光譜數(shù)據(jù)往往是不滿足這個(gè)條件的，于是需要先對(duì)原始數(shù)據(jù)進(jìn)行降維處理。

③IEA　迭代誤差分析（Iterative Error Analysis，IEA）也是一種不需要對(duì)原始數(shù)據(jù)進(jìn)行降維或者去冗余而直接對(duì)數(shù)據(jù)進(jìn)行處理的端元提取算法，它首先給定一個(gè)初始向量（一般為所有光譜的均值向量），然后對(duì)圖像逐次進(jìn)行線性約束解混操作，每次解混操作均可從誤差圖像中得到一個(gè)端元，然后新的端元再加入到下一步的解混操作中，直至在某種準(zhǔn)則條件下求出圖像中的所有端元。

④VCA　頂點(diǎn)成分分析（Vertex Component Analysis，VCA）是一種從高光譜影像提取端元的快速算法。它是在先驗(yàn)知識(shí)很少的情況下，僅僅使用觀測(cè)到的混合像元的數(shù)據(jù)，來(lái)獲得端元的光譜信號(hào)。準(zhǔn)確地說(shuō)，VCA是從高光譜數(shù)據(jù)中非監(jiān)督提取端元的算法。它應(yīng)用了一個(gè)簡(jiǎn)單的幾何事實(shí)：端元一定是單形體的端點(diǎn)。

⑤ORASIS　光學(xué)實(shí)時(shí)自適應(yīng)光譜辨識(shí)系統(tǒng)（Optical Real-time Adaptative Spectral Identification System，ORASIS）是一種自動(dòng)、實(shí)時(shí)地從圖像中提取端元的算法，它首先通過(guò)一個(gè)叫做示范選擇（Exemplar Selection）的過(guò)程根據(jù)一定的準(zhǔn)則（比如光譜間的夾角）在保持光譜多樣性的同時(shí)給原始數(shù)據(jù)去冗余，然后通過(guò)一個(gè)改進(jìn)的施密特正交化過(guò)程獲得一組比原始數(shù)據(jù)維數(shù)更低的一組基底，再把示范光譜投影到此基底所張成的子空間上，通過(guò)最小體積變換得到此空間上的一個(gè)單形體，從而獲得圖像中的所有端元。

⑥MESMA　為了解釋端元光譜的可變性，Roberts等提出了多端元光譜混合分析（Multiple Endmember Spectral Mixture Analysis，MESMA），其核心思想是：每一個(gè)端元均由一組向量而不是一個(gè)唯一的向量來(lái)表示，當(dāng)解混的時(shí)候，對(duì)于每個(gè)像元，從代表各自端元的向量組中各選取一個(gè)最合適的向量，以使得均方誤差最小，其中端元可以從圖像中和該區(qū)域的光譜庫(kù)中選取。Bateson等人也注意到端元的可變性，提出了端元束（Bundles）的概念，并且利用模擬退火算法來(lái)生成端元束。

除上述算法外，Craig提出了最小體積變換（Minimum Volume Transform，MVT）通過(guò)求取包圍整個(gè)高光譜數(shù)據(jù)“云團(tuán)”的具有最小體積的單形體來(lái)獲得端元；Bateson等利用主分量分析和多維可視化軟件提出了一種人機(jī)交互提取端元的算法（Manual Endmember Selection Tool，MEST）；Plaza等提出了一種利用形態(tài)學(xué)方法自動(dòng)提取端元的算法（Automated Morphological Endmember Extraction，AMEE），算法的優(yōu)點(diǎn)是在利用光譜信息的同時(shí)，很好地利用了像素在空間上的相關(guān)性。表2-1給出了上述各種端元提取算法的性能對(duì)照表。

2）像元解混方法

①最小二乘法　最小二乘法是迄今為止應(yīng)用最為廣泛的算法，它給出了公式在無(wú)約束情況下均方誤差意義下的最佳解，但是由于其解的表達(dá)式多次用到矩陣的乘積及求逆，所以時(shí)間復(fù)雜度比較大；另外由于沒有用到任何約束條件，解混效果也不理想，會(huì)出現(xiàn)端元成分小于0大于1的情況。

②凸面幾何學(xué)分析　Boardman的凸面幾何學(xué)模型給出了一種線性解混的好思路，但是其算法需要高光譜數(shù)據(jù)的維數(shù)比端元的個(gè)數(shù)少一維，于是在解混之前必須對(duì)有效通道的選擇或者數(shù)據(jù)進(jìn)行降維處理。

③濾波向量法　濾波向量法是一種快速的線性解混算法，它針對(duì)所有端元生成了一組匹配濾波器，其中的每個(gè)濾波器只與一個(gè)端元相匹配而不讓其他的所有端元通過(guò)（即與其他的所有端元均正交），但此算法的主要側(cè)重點(diǎn)是目標(biāo)探測(cè)，而對(duì)解混結(jié)果的精度要求不高。

④投影尋蹤　Kruskal、Friedman和Tukey等人提出的投影尋蹤（Projection Pursuit，PP）的思想在高光譜特征提取與分類方面也有著廣泛的應(yīng)用，其基本思想十分樸實(shí)，主要來(lái)源于人們對(duì)低維空間幾何圖形的直觀理解。它包含兩方面的含義，其一是投影，把高維空間中的數(shù)據(jù)投影到低維空間（三維以內(nèi)）；其二是尋蹤，利用投影在低維空間中的投影數(shù)據(jù)的幾何形態(tài)，發(fā)現(xiàn)人們感興趣的數(shù)據(jù)內(nèi)在結(jié)構(gòu)和相應(yīng)的投影方向。

⑤獨(dú)立成分分析　獨(dú)立成分分析（Independent Component Analysis，ICA）又是一種新穎的解混算法，它最早成功地應(yīng)用于盲信號(hào)分離，它的思想與PP類似，可以認(rèn)為是PP的一個(gè)特例。與PCA不同的是，ICA假設(shè)需要分離的各個(gè)信號(hào)之間是統(tǒng)計(jì)獨(dú)立的，另外它要用到信號(hào)的高階統(tǒng)計(jì)量，更為重要的一點(diǎn)是它需要一個(gè)線性模型去描述所處理的數(shù)據(jù)。ICA以各種信號(hào)源的統(tǒng)計(jì)意義下的相互獨(dú)立為前提，但高光譜數(shù)據(jù)的各個(gè)組分一般不滿足此要求。

⑥正交子空間投影　該方法建立在向量正交子空間投影的理論基礎(chǔ)上。采用正交投影的方法一方面可以抑制噪聲對(duì)信號(hào)的影響，另一方面還可抑制其他類別的信號(hào)而將所需檢測(cè)的信號(hào)提取出來(lái)，但是在投影以后的信號(hào)中隨機(jī)噪聲并沒有完全消除。這里進(jìn)一步引入信號(hào)檢測(cè)理論的結(jié)果，將正交子空間投影后的信號(hào)通過(guò)一個(gè)匹配濾波器，就可以使信號(hào)與隨機(jī)噪聲的比值達(dá)到最大。將這種思路應(yīng)用到成像光譜數(shù)據(jù)，基本做法是：將像元矢量投影到正交于干擾特征的子空間上去，這里干擾特征包括其他需抑制的類別的信號(hào)特征矢量以及噪聲，是一種在最小均方誤差意義上的干擾最優(yōu)壓縮過(guò)程。一旦干擾被消除，將剩余的信號(hào)再投影到要檢識(shí)的特征上去，使信噪比達(dá)到最大，產(chǎn)生一個(gè)單一的圖像，可以作為目標(biāo)檢識(shí)的依據(jù)。

（6）航空高光譜數(shù)據(jù)分類技術(shù)

經(jīng)過(guò)幾十年的發(fā)展，高光譜遙感圖像數(shù)據(jù)的處理和分析技術(shù)得到了長(zhǎng)足的進(jìn)步，在傳統(tǒng)分類算法的基礎(chǔ)上，形成一系列面向高光譜圖像特點(diǎn)的分類算法。這些方法可以總結(jié)為兩種思路（張兵 等，2011）：一種是基于地物物性的分類方法，主要是利用反映地物物理光學(xué)性質(zhì)的光譜曲線來(lái)識(shí)別；另一種是基于圖像數(shù)據(jù)的分類方法，主要是利用數(shù)據(jù)的統(tǒng)計(jì)特性來(lái)建立分類模型。基于物性，即基于地物的光譜反射或發(fā)射曲線的分類識(shí)別方法最具特色。這種方法的特點(diǎn)是利用光譜庫(kù)中已知的光譜數(shù)據(jù)，采用匹配的算法來(lái)識(shí)別圖像中地面覆蓋類型。這種匹配可以是在全波長(zhǎng)范圍內(nèi)的比較，或基于整波形特征的光譜曲線匹配；也可以利用感興趣波段的光譜，進(jìn)行部分波長(zhǎng)范圍的光譜或光譜組合參量進(jìn)行匹配，即基于光譜特征的光譜匹配，如特征優(yōu)化的專家決策分類。

基于光譜間最小距離的匹配算法是計(jì)算未知光譜和參考光譜數(shù)值之間的距離，然后根據(jù)最小二乘原則進(jìn)行分類的匹配方法。光譜間的距離可以是歐氏距離、馬氏距離和巴氏距離等。這種方法對(duì)噪聲最為敏感，所以在匹配前需要對(duì)光譜進(jìn)行去噪聲處理。

光譜角度匹配（Spectral Angle Match，SAM）方法把光譜看作多維矢量，計(jì)算兩光譜向量的廣義夾角，夾角越小，光譜越相似，按照給定的相似性的閾值將未知光譜進(jìn)行分類。SAM最大的特點(diǎn)是夾角值與光譜向量的模無(wú)關(guān)，也就是與光譜的絕對(duì)數(shù)值無(wú)關(guān)，即與圖像的增益系數(shù)無(wú)關(guān)，只比較光譜在形狀上相似性。這個(gè)特點(diǎn)也是SAM和最小距離分類方法的最大區(qū)別和優(yōu)勢(shì)。基于光譜相似系數(shù)匹配的一個(gè)典型算法是Meer & Bakker（1997）建立的交叉相關(guān)光譜匹配技術(shù)（Cross Correlogram Spectral Matching，CCSM），這種算法考慮了圖像光譜和參考光譜之間的相關(guān)系數(shù)、偏度和相關(guān)顯著性標(biāo)準(zhǔn)，通過(guò)計(jì)算圖像光譜和參考光譜在不同光譜位置（波段波長(zhǎng)位置）的交叉相關(guān)系數(shù)，繪制交叉相關(guān)曲線圖，相同地物的光譜曲線的交叉相關(guān)曲線匹配最好。

光譜匹配的另外一種形式是編碼匹配，比較簡(jiǎn)單的編碼匹配是光譜二值編碼，包括分段二值編碼、單閾值編碼和多閾值編碼等。使用二值編碼匹配算法有助于提高圖像光譜數(shù)據(jù)的分析處理效率，但是由于這種技術(shù)在處理編碼過(guò)程中會(huì)失去許多細(xì)節(jié)光譜信息，因此只適用于粗略的分類和識(shí)別。所以編碼的方法有待改進(jìn)。

基于整波形特征的光譜匹配算法不需要對(duì)光譜進(jìn)行復(fù)雜的分析，也不必根據(jù)不同的地物而調(diào)整匹配方法，算法簡(jiǎn)單且行之有效，但是光譜匹配算法的結(jié)果對(duì)噪聲敏感，要求圖像光譜有很高的信噪比。在實(shí)際的應(yīng)用中，可以犧牲圖像的空間分辨率來(lái)提高圖像的信噪比。限制基于整波形特征的匹配方法廣泛應(yīng)用的最大原因是：如果使用的參考光譜是實(shí)驗(yàn)室光譜或者地面測(cè)量光譜，在匹配前必須對(duì)圖像進(jìn)行光譜定標(biāo)和反射率轉(zhuǎn)換；然而實(shí)際上，對(duì)圖像光譜進(jìn)行定標(biāo)和反射率轉(zhuǎn)換都很難達(dá)到光譜匹配的要求。

高光譜遙感圖像的光譜波段間隱含著特定的物理含義，光譜曲線的形狀特征是地物內(nèi)在物理化學(xué)性質(zhì)的外在反映。因此從光譜的特征分析入手，優(yōu)化和構(gòu)造具有排它性的光譜特征參量，通過(guò)分析、比較地物特定的光譜參量就能夠達(dá)到分類和識(shí)別。

基于整波形特征的光譜匹配沒有考慮到光譜的內(nèi)在物理意義，而基于光譜特征參數(shù)的匹配算法從分析光譜特征入手，從光譜曲線上提取有意義的光譜特征參量，如吸收光譜的位置和吸收深度，通過(guò)少數(shù)的參數(shù)匹配來(lái)完成圖像像元的分類和識(shí)別的。比較典型的有王晉年等建立的光譜吸收指數(shù)（Spectral Absorption Index，SAI）技術(shù)，可進(jìn)行高光譜遙感圖像處理和鑒別光譜吸收特征，也可以進(jìn)行混合光譜分解，廣泛地應(yīng)用于礦物的識(shí)別和提取。Kruse等人用光譜吸收特征的最深吸收的半波長(zhǎng)寬（full width at half the maximum depth，F(xiàn)WHM）、波長(zhǎng)位置和吸收深度來(lái)定義光譜吸收特征參數(shù)。光譜的發(fā)射特征同樣可以作為光譜的特征參量用于光譜識(shí)別。

基于光譜特征參量的匹配算法對(duì)有典型的光譜吸收或發(fā)射特征的光譜能夠有效的識(shí)別，尤其成功地應(yīng)用在對(duì)礦物的分類和識(shí)別中。但是這種算法需要將光譜轉(zhuǎn)換成地物的反射率光譜，因?yàn)槌上襁^(guò)程中的許多不確定因素造成反射率轉(zhuǎn)換的困難，嚴(yán)重限制了這種方法的使用。同基于整波形的光譜匹配算法一樣，對(duì)噪聲也是敏感的，要求圖像有很高的信噪比。

1）光譜角度填圖

光譜角度填圖將像元N個(gè)波段的光譜響應(yīng)作為N維空間的矢量，則可通過(guò)計(jì)算它與最終光譜單元的光譜之間廣義夾角來(lái)表征其匹配程度：夾角越小，說(shuō)明越相似。兩矢量廣義夾角余弦為：，即：

　　（2-18）

式中，θ值越小T和R的相似性越大。當(dāng)用實(shí)驗(yàn)測(cè)量光譜與圖像光譜比較時(shí)，須將測(cè)量光譜按照?qǐng)D像光譜的波長(zhǎng)進(jìn)行重采樣，使得兩個(gè)光譜具有相同的維數(shù)。從公式可以看出，θ值與光譜向量的模是無(wú)關(guān)的，即與圖像的增益系數(shù)無(wú)關(guān)。

如果以圖像中已知類型的區(qū)域?yàn)閰⒖脊庾V，將區(qū)域中光譜的幾何平均向量作為類中心。設(shè)已知某類中有M個(gè)點(diǎn)R1，R2，…，RM，則類中心為。

2）二值編碼匹配

對(duì)高光譜數(shù)據(jù)來(lái)說(shuō)，由于存在較大的數(shù)據(jù)冗余度，為實(shí)施匹配，全部光譜數(shù)據(jù)的原始形式可能并不必要，所以Goetz提出了一系列對(duì)光譜進(jìn)行二進(jìn)制編碼的建議，使得光譜可用簡(jiǎn)單的0～1來(lái)表述。最簡(jiǎn)單的編碼方法是：

（2-19）

式中，x（n）是像元第n通道的亮度值，h（n）是其編碼，T是選定的門限值，一般選為光譜的平均亮度，這樣每個(gè)像元灰度值變?yōu)?bit。然而，二值編碼匹配是比較簡(jiǎn)單的編碼匹配，有時(shí)這種編碼不能提供合理的光譜可分性，也不能保證測(cè)量光譜與數(shù)據(jù)庫(kù)里的光譜庫(kù)相匹配，所以需要更復(fù)雜的編碼方式，如分段編碼、多門限編碼等。

一旦完成編碼，則可利用基于最小距離的算法來(lái)進(jìn)行匹配識(shí)別。使用二值編碼匹配算法有助于提高圖像光譜數(shù)據(jù)的分析處理效率。但是由于這種技術(shù)在處理編碼過(guò)程中會(huì)失去許多細(xì)節(jié)光譜信息，因此只適用于粗略的分類和識(shí)別。所以編碼的方法有待改進(jìn)。

3）基于包絡(luò)線去除的圖像分類

包絡(luò)線消除法是一種常用的光譜分析方法，它可以有效地突出光譜曲線的吸收和反射特征，并且將其歸一到一個(gè)一致的光譜背景上，有利于和其他光譜曲線進(jìn)行特征數(shù)值的比較，從而提取出特征波段以供分類識(shí)別。但該方法主要應(yīng)用于對(duì)單個(gè)像元的光譜分析、提取特征波段這一階段，在后期的分類識(shí)別中用到的數(shù)據(jù)仍然是原來(lái)的高光譜圖像數(shù)據(jù)。基于包絡(luò)線去除的算法正是根據(jù)上述原理對(duì)包絡(luò)線消除法進(jìn)行了改進(jìn)：先使用包絡(luò)線消除算法對(duì)整個(gè)高光譜圖像進(jìn)行處理生成新的圖像文件，以突出光譜維上的特征信息；再使用光譜分析的方法提取出不同典型地物類型的特征波段；最后再使用光譜角度匹配法進(jìn)行圖像的分類和識(shí)別，并對(duì)原來(lái)的高光譜圖像和處理后的高光譜圖像用最大似然法和光譜角度匹配法進(jìn)行了分類試驗(yàn)比較。

（7）航空高光譜數(shù)據(jù)目標(biāo)探測(cè)與識(shí)別

高光譜圖像目標(biāo)識(shí)別與高光譜圖像分類的最大不同就在于，無(wú)論是監(jiān)督分類還是非監(jiān)督分類，類別的樣本光譜均來(lái)源于圖像自身。如非監(jiān)督分類，事先需要假定圖像區(qū)域內(nèi)類別可能存在的數(shù)量，然后基于數(shù)學(xué)模型，在像元光譜空間完成一種理想的區(qū)域劃分。而監(jiān)督分類就需要一定的先驗(yàn)知識(shí)，確認(rèn)待分類別并從圖像中提取樣本光譜，分類集合（類集）是固定的，類集中各地物光譜的準(zhǔn)備也是有針對(duì)性的，并且分類的重點(diǎn)是將類別與其他地物相區(qū)分。而目標(biāo)識(shí)別是一種對(duì)特定對(duì)象的搜索，其結(jié)果可能是“有”，也可能是“沒有”，所以其光譜匹配樣本不能來(lái)自圖像自身。

由于高光譜遙感圖像能夠同時(shí)提供地物目標(biāo)的輻射、幾何和光譜信息，所以和其他遙感方式相比，高光譜遙感科學(xué)技術(shù)最大的優(yōu)點(diǎn)體現(xiàn)在對(duì)地物的識(shí)別能力上。高光譜圖像目標(biāo)識(shí)別的實(shí)質(zhì)上就是光譜識(shí)別（Spectrum Identification），光譜識(shí)別可以概括為確定某一未知光譜屬于某一種已知光譜的確認(rèn)概率（Certainty Probability）。確認(rèn)概率就是要量測(cè)兩條光譜之間若干特征（Features）或規(guī)則（Rules）的滿足數(shù)量。光譜識(shí)別要求地物具有排它性的光譜特征，并且這種特征在經(jīng)過(guò)遙感信息在空間的傳輸后能被圖像信號(hào)所保留。因此目標(biāo)識(shí)別中兩個(gè)最重要的環(huán)節(jié)，一是標(biāo)準(zhǔn)光譜數(shù)據(jù)庫(kù)的建立，二是高光譜圖像的定量化處理。

總體上講，利用高光譜遙感圖像進(jìn)行目標(biāo)識(shí)別要經(jīng)過(guò)以下幾個(gè)關(guān)鍵處理過(guò)程：

①?gòu)臄?shù)字信號(hào)到輻射值的轉(zhuǎn)換，這個(gè)過(guò)程要求在輻射和光譜上有高精度的定標(biāo)；

②剔除大氣效應(yīng)：從輻射值到地面視反射率；

③糾正光照幾何因素和地形影響：視反射率到反射率；

④波段選擇、特征選擇、特征提取、數(shù)據(jù)空間轉(zhuǎn)換（如反射率變?yōu)镸NF），將高光譜圖像從高維降到低維；

⑤提取光譜端元、識(shí)別和確認(rèn)所找出的純端元；

⑥光譜匹配和識(shí)別，可以采用光譜角度填圖等光譜匹配算法；也可以混合光譜分解的方法進(jìn)行識(shí)別，即用提取出的純端元，分解每一像元光譜，得出每像元中各端元組分的相對(duì)含量。

2.1.1.3　高光譜數(shù)據(jù)處理軟件系統(tǒng)

高光譜遙感應(yīng)用的普及和深入在很大程度上與處理分析軟件的發(fā)展息息相關(guān)。伴隨著航空遙感的不斷發(fā)展，國(guó)際上遙感商業(yè)軟件的市場(chǎng)競(jìng)爭(zhēng)也日益激烈。到目前為止，國(guó)際上已經(jīng)開發(fā)了十余套專用的高光譜圖像處理與分析軟件系統(tǒng)，對(duì)高光譜遙感技術(shù)應(yīng)用的普及和發(fā)展起到了很大的推動(dòng)作用。目前，國(guó)內(nèi)外高光譜數(shù)據(jù)處理軟件系統(tǒng)主要以兩種方式呈現(xiàn)：業(yè)務(wù)部門或研究機(jī)構(gòu)針對(duì)高光譜數(shù)據(jù)應(yīng)用需求獨(dú)立開發(fā)的專業(yè)性軟件；商業(yè)公司針對(duì)高光譜數(shù)據(jù)應(yīng)用需求在現(xiàn)有遙感圖像處理軟件基礎(chǔ)上開發(fā)的算法模塊。前者可以針對(duì)具體需求從底層架構(gòu)上靈活設(shè)計(jì)，實(shí)現(xiàn)一些商用軟件不具備的特色功能；后者大多集成比較成熟的算法功能，以滿足商用軟件穩(wěn)定可靠的需求。具有高光譜圖像分類和目標(biāo)探測(cè)能力的代表性軟件有ENVI、ERDAS Imagine、PCI Geomatica、ISDAS，國(guó)產(chǎn)高光譜遙感處理系統(tǒng)HIPAS（Hyperspectral Image Processing and Analyzing System）系統(tǒng)。

通用的高光譜數(shù)據(jù)處理軟件系統(tǒng)通常將高光譜圖像處理算法、數(shù)據(jù)模型庫(kù)、數(shù)據(jù)存取和可視化等技術(shù)進(jìn)行整合，實(shí)現(xiàn)對(duì)海量高光譜數(shù)據(jù)的定性和定量處理和分析，為用戶運(yùn)行提供可靠的技術(shù)支撐和數(shù)據(jù)產(chǎn)品服務(wù)。表2-2給出了通用的高光譜數(shù)據(jù)處理軟件系統(tǒng)應(yīng)該具備的基本功能。

2.1.1.4　高光譜數(shù)據(jù)處理存在問(wèn)題

（1）傳感器性能種類指標(biāo)差異較大

高光譜傳感器的成像過(guò)程十分復(fù)雜。從成像機(jī)理的方面可分為光柵分光型和傅里葉干涉型。兩類傳感器在光譜曲線數(shù)據(jù)生成過(guò)程上差異較大。即便同一類別傳感器，由于成像波段和指標(biāo)性能的差異，都直接從源頭影響后續(xù)數(shù)據(jù)處理和產(chǎn)品加工。隨著高光譜遙感應(yīng)用的不斷擴(kuò)展，國(guó)內(nèi)外不同廠家不同類型的儀器設(shè)備都可能進(jìn)入市場(chǎng)，這些問(wèn)題對(duì)高光譜數(shù)據(jù)處理加工規(guī)范的制定提出了挑戰(zhàn)。

（2）預(yù)處理環(huán)節(jié)復(fù)雜

輻射校正和幾何校正是遙感應(yīng)用研究的必要之路。相對(duì)幾何校正，實(shí)際應(yīng)用中高光譜數(shù)據(jù)面臨的最大困難是精確的輻射校正。輻射校正可分為輻射定標(biāo)、大氣校正、地形輻射校正等。輻射定標(biāo)一般采用專業(yè)團(tuán)隊(duì)提供的定標(biāo)常數(shù)計(jì)算，針對(duì)一個(gè)傳感器有專門定標(biāo)研究人員提供定期更新的常數(shù)，針對(duì)航空應(yīng)用，通常需要在使用前進(jìn)行輻射定標(biāo)，以確保后續(xù)處理的精確性；大氣校正目前存在的最大障礙就是同步大氣參數(shù)的獲取問(wèn)題，另外基于輻射傳輸方程的建模方式可以對(duì)不同季節(jié)的大氣參數(shù)開展模擬，建立查找表。礙于大氣參數(shù)的動(dòng)態(tài)變化及其可獲取性，大氣校正的提升空間受到限制。好的預(yù)處理可以確保遙感數(shù)據(jù)比較真實(shí)地反映地物本身特征，為后續(xù)應(yīng)用研究提供重要保障；差的預(yù)處理工作保證不了應(yīng)用研究的輻射、幾何精度，從而在真實(shí)地物和圖像數(shù)據(jù)之間產(chǎn)生了第一層誤差，并傳遞到后期應(yīng)用研究中。如何結(jié)合實(shí)際應(yīng)用經(jīng)驗(yàn)，對(duì)輻射校正的各個(gè)環(huán)節(jié)進(jìn)行規(guī)范，實(shí)現(xiàn)對(duì)誤差進(jìn)行測(cè)量、記錄、跟蹤和控制，有著較大的挑戰(zhàn)。

（3）后端應(yīng)用需求差異大

高光遙感器區(qū)別于傳統(tǒng)多光譜遙感器的關(guān)鍵在于窄波段成像，在可見光-近紅外區(qū)域光譜分辨率達(dá)到納米級(jí)。對(duì)不同的應(yīng)用目的，選擇適當(dāng)?shù)牟ǘ危梢匀〉醚芯繉?duì)象詳細(xì)而精確的光譜信息，因而應(yīng)用范圍極廣。然而，不同的領(lǐng)域應(yīng)用需求有著很大差異，如何從眾多的應(yīng)用中，針對(duì)高光譜數(shù)據(jù)處理本身，設(shè)計(jì)共性的數(shù)據(jù)產(chǎn)品，成為高光譜數(shù)據(jù)處理產(chǎn)品加工規(guī)范的一個(gè)重點(diǎn)和難點(diǎn)。

2.1.2　發(fā)展趨勢(shì)

20多年來(lái)，航空高光譜遙感已經(jīng)成為遙感技術(shù)與應(yīng)用的重要組成部分。1983年，世界第一臺(tái)成像光譜儀AIS-1在美國(guó)研制成功，并在礦物填圖、植被生化特征等研究方面取得了成功，初顯了高光譜遙感的魅力。在此后，許多國(guó)家先后研制了多種類型的航空成像光譜儀。20世紀(jì)80年代初、中期，在國(guó)家科技攻關(guān)項(xiàng)目和863計(jì)劃的支持下，我國(guó)也開展了高光譜成像技術(shù)的獨(dú)立發(fā)展計(jì)劃。我國(guó)高光譜儀的發(fā)展，經(jīng)歷了從多波段到成像光譜掃描，從光學(xué)機(jī)械掃描到面陣推掃的發(fā)展過(guò)程。根據(jù)我國(guó)海洋環(huán)境監(jiān)測(cè)和森林探火的需求，研制發(fā)展了以紅外和紫外波段以及以中波和長(zhǎng)波紅外為主體的航空專用掃描儀。80年代中期，面向地質(zhì)礦產(chǎn)資源勘探，又研制了工作在短波紅外光譜區(qū)間（2.0～2.5mm）的6～8波段細(xì)分紅外光譜掃描儀和工作波段在8～12mm光譜范圍的航空熱紅外多光譜掃描儀。在此基礎(chǔ)上于80年代后期又研制和發(fā)展了新型模塊化航空成像光譜儀。這一成像光譜系統(tǒng)在可見-近紅外-短波紅外具有64波段，并可與6～8波段的熱紅外多光譜掃描儀集成使用，從而使其總波段達(dá)到70～72個(gè)。這一系列高光譜儀器的研制成功，為中國(guó)遙感科學(xué)家提供了新的技術(shù)手段。 此后，中國(guó)又自行研制了更為先進(jìn)的推帚式成像光譜儀和實(shí)用型模塊化成像光譜儀等，并在國(guó)內(nèi)外得到多次應(yīng)用，成為世界航空成像光譜儀大家庭中的一員。新的成像光譜系統(tǒng)不僅繼續(xù)在地質(zhì)和固體地球領(lǐng)域研究中發(fā)揮作用，而且在生物地球化學(xué)效應(yīng)研究、農(nóng)作物和植被的精細(xì)分類、城市地物甚至建筑材料的分類和識(shí)別方面都有很好的結(jié)果（童慶禧，2008）。

當(dāng)前，國(guó)內(nèi)高光譜航空遙感在不同領(lǐng)域的應(yīng)用還主要依賴少數(shù)專業(yè)人員進(jìn)行指導(dǎo)實(shí)施。一方面由于能夠?qū)嵱没膰?guó)產(chǎn)高光譜傳感器種類較少以及性能指標(biāo)較低，另一方面由于國(guó)內(nèi)高光譜領(lǐng)域的專業(yè)技術(shù)人員相對(duì)缺乏，這使得國(guó)內(nèi)航空高光譜主要停留在科學(xué)研究的應(yīng)用中。因此，相關(guān)的研究主要針對(duì)一個(gè)高光譜數(shù)據(jù)加工中的具體環(huán)節(jié)，以學(xué)術(shù)文章形式提出一些技術(shù)流程，比如傳感器/數(shù)據(jù)定標(biāo)、大氣校正、特征提去和地物精細(xì)分類等。

盡管不斷地將新的數(shù)學(xué)物理模型及方法應(yīng)用到高光譜數(shù)據(jù)處理當(dāng)中，相對(duì)于儀器的研制技術(shù)的發(fā)展，高光譜數(shù)據(jù)數(shù)據(jù)處理技術(shù)比較滯后。通過(guò)對(duì)國(guó)內(nèi)外高光譜數(shù)據(jù)處理技術(shù)進(jìn)行調(diào)研，其未來(lái)的發(fā)展趨勢(shì)分為以下幾方面。

（1）高精度的數(shù)據(jù)預(yù)處理技術(shù)

高光譜數(shù)據(jù)中包含地物的特征光譜信息為地物的識(shí)別提供了最有力的證據(jù)。但數(shù)據(jù)的獲取過(guò)程中存在很多不確定性因素，如大氣的影響，太陽(yáng)光譜的影響，測(cè)量幾何關(guān)系的影響，地表狀況的影響，儀器的影響等。這些因素導(dǎo)致了地物光譜的變化，若不能消除會(huì)給高光譜數(shù)據(jù)應(yīng)用帶來(lái)很多困難。

不斷進(jìn)行高精度的光譜數(shù)據(jù)反演技術(shù)，高精度的儀器定標(biāo)技術(shù)、高精度的大氣校正技術(shù)、高精度的幾何校正技術(shù)等預(yù)處理技術(shù)的探索，獲取高質(zhì)量的高光譜數(shù)據(jù)，將成為數(shù)據(jù)處理技術(shù)發(fā)展的一個(gè)重要方向。

（2）多源信息輔助下的高光譜數(shù)據(jù)分析技術(shù)

由于技術(shù)條件的限制，任何單一遙感器都不可能全面反映目標(biāo)的特征。多遙感器、多波段、多分辨率，多時(shí)相遙感數(shù)據(jù)的快速有效融合，將促進(jìn)高光譜數(shù)據(jù)分析精度的進(jìn)一步提高。

高光譜數(shù)據(jù)本身除了光譜信息之外，還包含了豐富的空間和時(shí)間信息，時(shí)空信息輔助下的高光譜數(shù)據(jù)分析處理技術(shù)也將成為一個(gè)重要研究方向。

（3）面向應(yīng)用的高光譜數(shù)據(jù)處理技術(shù)

高光譜數(shù)據(jù)為地物目標(biāo)的定性定量分析提供了可能，但它的大數(shù)據(jù)量也給應(yīng)用帶來(lái)了巨大困難，特別是時(shí)效性較差。從海量數(shù)據(jù)中快速提取到有用信息，進(jìn)行相關(guān)處理后迅速給出應(yīng)用結(jié)果，將成為促進(jìn)未來(lái)高光譜應(yīng)用發(fā)展的關(guān)鍵因素之一。 

為了達(dá)到這一技術(shù)目標(biāo)，需要開展面向應(yīng)用的高光譜數(shù)據(jù)選擇和提取方法研究，同時(shí)簡(jiǎn)化數(shù)據(jù)處理流程，優(yōu)化處理方法。可展開面向信息挖掘的高光譜數(shù)據(jù)庫(kù)技術(shù)的研究，綜合光譜數(shù)據(jù)庫(kù)，光譜分析和信息挖掘功能的數(shù)據(jù)庫(kù)系統(tǒng)，建立信息挖掘系統(tǒng)，更深層次地使用高光譜數(shù)據(jù)庫(kù)隱含的，未知的、具有潛在應(yīng)用價(jià)值的信息，形成戰(zhàn)略層面上的應(yīng)用。