高光譜知識大全

分享到:
點擊量: 152392

高光譜遙感的特點

  (1)波段多,波段寬度窄。成像光譜儀在可見光和近紅外光譜區內有數十甚至數百個波段。與傳統的遙感相比,高光譜分辨率的成像光譜儀為每一個成像象元提供很窄的(一般<10nm) 成像波段,波段數與多光譜遙感相比大大增多,在可見光和近紅外波段可達幾十到幾百個,且在某個光譜區間是連續分布的,這不只是簡單的數量的增加,而是有關地物光譜空間信息量的增加。

  (2)光譜響應范圍廣,光譜分辨率高。成像光譜儀響應的電磁波長從可見光延伸到近紅外,甚至到中紅外。成像光譜儀采樣的間隔小,光譜分辨率達到納米級,一般為10nm左右。精細的光譜分辨率反映了地物光譜的細微特征。

  (3)可提供空間域信息和光譜域信息,即“譜像合一”,并且由成像光譜儀得到的光譜曲線可以與地面實測的同類地物光譜曲線相類比。在成像高光譜遙感中,以波長為橫軸,灰度值為縱軸建立坐標系,可以使高光譜圖像中的每一個像元在各通道的灰度值都能產生1 條完整、連續的光譜曲線,即所謂的“譜像合一”。

  (4)數據量大,信息冗余多。高光譜數據的波段眾多,其數據量巨大,而且由于相鄰波段的相關性高,信息冗余度增加。

  (5)數據描述模型多,分析更加靈活。高光譜影像通常有三種描述模型:圖像模型、光譜模型與特征模型。

  

高光譜遙感的優勢

  高光譜遙感的光譜分辨率的提高,使地物目標的屬性信息探測能力有所增強。因此,較之全色和多光譜遙感,高光譜遙感有以下顯著優勢:

  (1)蘊含著近似連續的地物光譜信息。高光譜影像經過光譜反射率重建,能獲取地物近似連續的光譜反射率曲線,與地面實測值相匹配,將實驗室地物光譜分析模型應用到遙感過程中。

  (2)地表覆蓋的識別能力極大提高。高光譜數據能夠探測具有診斷性光譜吸收特征的物質,能夠準確區分地表植被覆蓋類型、道路的鋪面材料等。

  (3)地形要素分類識別方法靈活多樣。影像分類既可以采用各種模式識別方法,如貝葉斯判別、決策樹、神經網絡、支持向量機等,又可以采用基于地物光譜數據庫的光譜匹配方法。分類識別特征,可以采用光譜診斷特征,也可以進行特征選擇與提取。

  (4)地形要素的定量或半定量分類識別成為可能。在高光譜影像中,能估計出多種地物的狀態參量,提高遙感高定量分析的精度和可靠性。

  

高光譜遙感的三個空間級別

  1、航天級別:星載遙感(planet-borne)距離地面150公里以上。這是一種典型的高光譜遙感應用,也是高光譜技術(成像光譜技術)的*初應用,它是把成像光譜儀安裝于衛星上,對地球目標進行高光譜遙感探測。工作距離通常是幾萬公里以上,我國的神舟七號飛船就成安裝類似的成像光譜儀。使用的成像光譜儀非常龐大,每次實驗的費用非常巨大。

  2、航空級別:機載遙感(Airborne)距離地面100-到十多公里的距離。使用小型飛機或無人機作為光譜儀的搭載平臺,是目前主要的遙感成像工作方法。它使用的成像光譜儀體積小。但是要獲得比較好的實驗結果并不容易,需要精確的GPS和慣導定位,高性能的計算機和高頻率的拍攝速度。

  3、地面級別:這種應用的主要領域是地面或高度不高于50m的空間成像。它不再是像前兩種那樣動態的成像,而是通常靜態成像,比較常見的是農業應用和是實驗室高光譜成像。但是也有把推掃式成像光譜儀放置在地面,配備旋轉位移臺或線形位移臺,以產生兩種效果:成像光譜儀運動而待測物目標靜止,或者成像光譜儀靜止而待測目標運動的效果。

  目前,實際科研過程中,常用的是航空級別(動態成像)和地面級別的高光譜遙感成像(靜態成像)。現在,可以這樣認為:動態的測量應用就需要使用推掃式成像方式獲取圖像,靜態測量應用需要使用波長掃描式獲取高光譜圖像。

  

高光譜遙感成像技術

  多光譜成像僅僅以幾個連續的光譜波帶成像對于我們研究環境就如此有用,為什么不把波帶數拓展更多,把光譜分辨率拓展更細呢?高光譜分辨率遙感是利用成像光譜儀獲得感興趣的物體很窄的(通常波段寬度<10nm)完整而連續的光譜數據。高光譜成像將成像技術與光譜技術結合在一起,在對目標的空間特征成像的同時,對每個空間像元經過色散形成幾十乃至幾百個窄波段以進行連續的光譜覆蓋,這樣形成的遙感數據可以用“圖像立方體”來形象的描述。同傳統遙感技術相比, 其所獲取的圖像包含了豐富的空間,輻射和光譜三重信息。

  高光譜遙感技術特點:

  (1) 波段多——可以為每個像元提供幾十、數百甚至上千個波段;

  (2) 光譜范圍窄——波段范圍一般小于10nm;

  (3) 波段連續——有些傳感器可以在350~2500nm的太陽光譜范圍內提供幾乎連續的地物光譜;

  (4) 數據量大——隨著波段數的增加,數據量成指數增加;

  (5) 信息冗余增加——由于相鄰波段高度相關,冗余信息也相對增加。

  因此,一些針對傳統遙感數據的圖像處理算法和技術,如特征選擇與提取、圖像分類等技術面臨挑戰。如用于特征提取的主分量分析方法,用于分類的*大似然法、用于求植被指數的NDVI算法等等,不能簡單地直接應用于高光譜數據。高光譜遙感有利于利用光譜特征分析來研究地物,有利于采用各種光譜匹配模型,有利于地物的精細分類與識別。

时时彩稳赚刷量的返点 依安县| 泌阳县| 黑龙江省| 枝江市| 璧山县| 嘉峪关市| 泽库县| 含山县| 沙雅县| 漳州市| 泸州市| 扶沟县| 潮州市| 恩施市| 乐昌市| 滕州市| 吉林省| 深水埗区| 泸溪县| 岳普湖县| 宁阳县| 望城县| 文水县| 延庆县| 合阳县| 龙川县| 淳安县| 阿荣旗| 南城县| 纳雍县| 边坝县| 庆云县| 广安市| 福建省| 西安市| 昭觉县| 辽阳县| 沈丘县|