论文部分内容阅读
高光谱遥感数据具有波段数目多、光谱分辨率高、波段宽度窄、数据量庞大等特点。如何根据具体的应用目的,在众多的波段中选取最佳波段组合用于假彩色合成以突出感兴趣的区域,对于有效的进行高光谱数据处理、分析及信息提取至关重要。以面阵推帚式机载超光谱成像仪(PHI)获得的上海市黄浦江附近复杂地表高光谱影像数据为例,一方面从基于信息量的波段选择出发,首先分析了影像所包含的信息量、各通道之间的相关性以及影像上各地物的光谱特征,选出了那些包含信息量大、相关性小、光谱差异大的波段子集,然后将其与联合熵、协方差矩阵特征值法、最佳指数法和波段指数法等波段选择方法相结合选出了高光谱遥感影像的最佳波段组合;另一方面从基于类间可分性的波段选择出发,先根据目视解译将影像上呈现的主要地物利用非监督分类法将其分为九类,然后再根据高光谱数据具有的空间维和光谱维特性,分别计算各类对在任意三波段组合上的统计距离(标准距离、离散度、B距离)和计算任意两类地物光谱在任意三波段组合上的光谱相关系数、光谱相似系数、以及混合距离和欧氏距离,并取最大者(光谱相关系数取最小者)的波段组合,则此三波段组合为最能区分这两类地物的组合波段,再综合考虑影像上的全部地物,选出最能有效判读整幅影像地物的最佳波段组合,最后对各种方法得出的波段组合以及它们合成的假彩色图像进行了分析。结果发现:从理论上讲,联合熵是最能反映影像包含的信息量,但是从得出的结果和合成的效果来看并不理想。协方差矩阵特征值法可得到包含信息量丰富的波段,但是它是在完全服从正态分布的情况下得出的模型,另外这种模型的缺点是计算数据量大,处理速度慢。最佳指数法应用到高光谱数据时已不能满足需要,尽管考虑了图像的标准差(信息量的大小)和波段间的相关性两个因素,但是这种方法往往出现相邻波段的组合情况,考虑到各地物的光谱特征后选出的波段组合较有所改善。波段指数法综合考虑了图像的信息量和相关性两个因素,并且是在分组成块的情况下设计的模型,因此对高光谱数据来说,波段指数法明显的要好于最佳指数法。应用基于空间维的类间可分性模型进行选择波段时,有时地物类型协方差矩阵的逆矩阵不存在,这就限制了离散度和B距离的应用,而计算比较简单的均值间的标准距离考虑了波段的均值和标准差,往往能得出比较合理的结果,效果要好于离散度和B距离,但此方法是一维特征空间的一种度量,不适于进行多变量的研究。基于光谱维的光谱相关系数法不仅考虑了光谱本身,而且考虑了波段组合的均值,其结果要好于光谱角度制图法,而以像元向量为中心反映向量的光谱角度制图法又好于光谱的混合距离法。