高光谱遥感影像的构成与特点
发布时间:2023-08-08
浏览次数:463
高光谱影像既包括图像维的多波段遥感图像,又涵盖每一像元处连续的光谱信息。本文简单介绍了高光谱遥感影像的构成与特点。
高光谱影像既包括图像维的多波段遥感图像,又涵盖每一像元处连续的光谱信息。本文简单介绍了高光谱遥感影像的构成与特点。
高光谱遥感影像的构成
高光谱遥感影像实质上是一个数据立方体,它由以下三部分组成。
1. 空间维
在空间维,高光谱数据与一般的图像数据类似,每一波段图像是一幅常规图像,可以按照模式识别和数字图像处理的方法进行处理。三个波段组合按照彩色图像处理的方法显示和处理,而多个波段组合则可以按照多光谱遥感影像处理的方法进行。
2. 光谱维
由于对每一固定的地表位置,都有几十甚至数百个波段同时成像,该地表单元对应像元在不同波段上的光谱特征值将构成一条连续的光谱曲线。通过对该像元光谱曲线与已有光谱数据库中的曲线进行“光谱匹配”,可以实现像元类别的判断。大多数地物的光谱曲线都具有明显的特征,可以通过光谱波形特征、光谱吸收指数、导数光谱等技术获取地物识别特征。
3. 特征空间维
高光谱遥感数据提供一个高维特征空间,对地物在这个高维特征空间的分布特点进行分析是高光谱应用的基础。研究发现在高光谱的高维空间中,数据分布不均匀且集中于高维立方体空间的角端,典型数据的差异性可以映射到一系列低维的子空间,因此需要发展有效的降维算法实现从高维空间到低维空间的转换。
高光谱遥感影像的特点
1. 图谱合一、多维表达
高光谱遥感中通过每一波段的图像实现对地表要素与环境的表达,不同波段图像具有不同的应用范围,实现“图像维”的表达。另外,对于每一像素,其在不同波段图像上的属性值构成的光谱向量反映了该像素对应的地面单元(地物)的光谱特性,可以通过详细的光谱信息表达地物特征,从而在遥感影像分类、参数反演等方面显示出了明显的优越性。
2. 数据量大、信息冗余多
由于高光谱遥感往往具有几十个甚至上百个波段,因此图像的数据量巨大。在提供丰富、详细信息的同时,不同波段特别是相邻波长波段之间往往具有较强的相关性,导致信息冗余。由于不同波段具有不同的优势应用方向,不能简单地应用某一波段取代具他波段, 因此如何处理信息量与光谱信息的关系也是一个重要问题。
3. 隐含特征丰富
高光谱遥感影像田于从图像、光谱两个不同的角度对地物进行表达,通过对图像和光谱数据的处理,可以获得大量隐含的、丰富的对地物识别与处理有用的特征。发展有效的特征提取算法、建立对典型地物识别有效的光谱特征一直定高光谱遥感信息处理的重要方面。
4. 精细光谱特征表达
高光谱遥感最大的优势在于从光谱维提供了地面单元(地表实体)精细的光谱特征,这种光谱特征往往存在于极窄的波段区间内,在传统多光谱遥感中无法体现,而高光谱遥感则提供了非常有利的条件。因此,通过高光谱遥感图像提供的精细光谱特征可以提取对地物区分与识别有效的局部特征,可以利用光谱特征反演地物参数等,从而提高遥感的定量化水平。
相关产品
-
干旱区基于高光谱的棉花遥感估产研究
棉花产量与冠层光谱植被指数相关关系,建立棉花高光谱估算模型,可以促进高光谱技术在棉花长势监测和估产中应用。本文简单总结了干旱区基于高光谱的棉花遥感估产研究。..
-
近红外光谱分析技术在精准农业中的应用
近红外光谱分析技术在精准农业中的应用非常广泛且深入,主要体现在以下几个方面:..
-
近红外高光谱相机的工作原理
近红外高光谱相机以其高分辨率、高光谱分辨率以及广泛的应用领域,在科研、工业检测、环境监测等多个领域发挥着重要作用。本文简单总结了近红外高光谱相机的工作原理。..
-
高光谱图像处理的主要方法有哪些?
对高光谱图像进行处理,可以获取物体在不同波段的反射光谱信息,提供更加详细和全面的图像数据。那么,什么是高光谱图像处理?高光谱图像处理的主要方法有哪些?下文对此做..