论文部分内容阅读
高光谱成像系统能以10nm甚至更高的光谱分辨率同时获得空间和光谱两种信息,因此高光谱遥感能够探测到在宽波段遥感中不能探测的物质,这使得高光谱遥感的研究已成为目前遥感非常重要的手段之一。到目前为止,高光谱遥感已被广泛应用水文,气象,海洋,地质和森林等方面的研究。但遗憾的是,目前民用高光谱在轨卫星的数量总体来说还是比较少,而航空高光谱数据的获取则成本很高。因而对于感兴趣区域的高光谱数据往往难以获取。并且在实际研究过程中发现,由于能量守桓在空间分辨率和光谱分辨率之间的矛盾使得高光谱影像往往有较低的空间分辨率;且数万个探测元件的标定很困难,致使影像除了大量坏线之外,多数波段不同程度地存在许多条纹;并且较短的时间内高光谱传感器会有明显的性能衰减和退化;这些都严重的影响了高光谱数据的深入使用。另一方面,在过去的几十年间,我们获取了海量的高质量的多光谱数据却并没有得到充分应用。而这些多光谱传感器光谱性能指标相对稳定,通过持续的定标可以长期获得可靠的多光谱数据。因而我们希望提出一种新的重构方法,这种方法基于多光谱和高光谱之间的成像及分光关系,能有效克服上述缺点,明显的改进高光谱数据的质量。并且在缺乏真实数据和地面知识不完整的情况下,高光谱图像的重构能成为有益的数据补充。此外高光谱遥感的重构对于诸如系统设计,图像成像过程的理解,以及数据处理算法的开发和验证也有积极作用。 本文的研究重点就是如何在基于可以获得的大量高质量的多光谱数据进行数据重构,获得相应的高光谱数据。实际上,光谱重构是混合像元解混的逆过程。混合像元解混是高光谱应用分析的难点,光谱重构方法研究为对偶解决两者存在的理论、技术问题提供了新途径。研究在基于规格化的多端元分解(NormalizedMultiple Endmember Decomposition Method,NMEDM)和模糊集运算(fuzzy set(FS) operations)的理论基础上,从多光谱影像和地物光谱特征入手,通过模糊集全约束条件下的规格化多端元分解,利用解混-重构对偶关系重构地物连续光谱曲线,从而达到拓展光谱范围和深度挖掘光谱信息的目的。重构在具有代表性和普适性的地物光谱库的基础上用若干类端元数据实现重构。在精确解混的基础上考虑了端元细微的时空变化,减少计算量的同时重构高光谱数据。使从多光谱数据获取连续地物光谱反射率成为可能。最后本文用EO-1平台上9个波段的ALI数据重构出了155个波段的Hyperion数据,并和原始的Hyperion数据从视觉、波段间的相关性、相素间的相关性以及可应用性进行了详细的对比分析。结果证明重构数据具有较好的质量,其和真实影像的单波段和彩色合成影像的目视对比具有很好的相似性,且两者波段间的相关性能达到0.95,较差的也能达到0.83以上,此外两者像素的间相关性大部分都能达到0.95以上,对比两者同一地物的光谱RMSE都小于0.1,以真实影像为参考影像对两者的分类应用,植被的用户分类精度能达到99.64%,土壤的用户分类精度较差,只能达到60.76%:尽管如此,这还是充分说明了重构影像具有一定的质量和应用性能。 因而高光谱数据的重构是可能的。这种重构能在大量高质量的多光谱数据基础上,重构出有效的高光谱数据,且重构高光谱数据具有较好的性能。且这种重构使多光谱数据的光谱波形信息间接进行地物识别成为可能,并拓展了遥感数据的应用深度和广度,有助于探索多光谱与高光谱分辨率之间相互规律、以及为传感器的研制和应用提供借鉴。