高光谱遥感图像的波段选择
发布时间:2023-09-28
浏览次数:564
高光谱成像遥感技术在狭窄的波段间距带来丰富光谱信息的同时,也带来了信息冗余,增加了数据处理的难度。因此,高光谱遥感数据在进行实际应用前,需要进行波段选择并提取光谱特征,降低数据维数。本文简单介绍了高光谱遥感图像的波段选择。
高光谱成像遥感技术在狭窄的波段间距带来丰富光谱信息的同时,也带来了信息冗余,增加了数据处理的难度。因此,高光谱遥感数据在进行实际应用前,需要进行波段选择并提取光谱特征,降低数据维数。本文简单介绍了高光谱遥感图像的波段选择。
随着传感器光谱分辨率的不断提高,遥感数据挖掘出的地物信息越来越丰富,使人们对地物特征的认知得以不断深入,高光谱遥感技术也因此成为遥感领域的研究热点之一。高光谱遥感是指用大量狭窄的电磁波通道获取地物的空间、辐射和光谱三重信息的技术心。通过在电磁波谱的可见光、近红外、中红外和热红外波段范围内获取地物图像数据,图像上任意一点的光谱反射值可以连成一条几乎连续的光谱曲线,因此高光谱图像构成一个图像数据立方体,二维空间描述了地物的空间维特征,光谱维描述了地物的光谱特征。高光谱图像纳米级的光谱分辨率不仅可以区分不同类型的地物,而且能够识别同一种地物的不同类型,使得在多光谱遥感中难以探测的物质,在高光谱遥感中能够被识别并区分。
高光谱遥感识别能力的提高促使遥感的监测目标发生本质改变,也给数据处理、信息分析技术带来了根本性的变化。庞大的数据量使得计算量剧增,数据存储空间增大,数据运算处理时间增长;在样本数据不足的情况下,高光谱图像的分类精度随着波段数量的增加,总体呈现先升高后降低的趋势,并且样本数量越小,这种趋势越明显,即产生维数灾难Hughes现象;过高的波段数量使分类器对类内的变化过于敏感,增加了分类的难度,这些变化成为制约高光谱遥感技术进一步发展和应用的因素。针对上述问题,通常采用数据“降维”的方法,保留能够描述地物本质特征的代表性波段,去除冗余、噪声波段来提取特征,减小数据量,提高数据处理效率(57。
高光谱图像数据降维有特征提取和特征选择两种方法。特征提取通过数学变换将光谱波段重新组合、压缩和优化。特征选择又称波段选择,通过从原始波段中选择部分特征波段实现降维,同时使波段的物理信息得以保留,在后续分析中能够揭示数据潜在的模式机理。
波段选择是高光谱遥感图像预处理的一项重要内容,其最终目标是从原始波段中选择出信息量大、相关性小、类别可分性好的少数特征波段组合W。然而,高光谱遥感图像的波段选择面临巨大挑战。一方面,由于信息量大的波段往往相关性也大,使得波段选择难以同时满足所有约束条件,导致选择的波段组合在实际应用中不能获得预期的效果;另一方面,数据结构的高度非线性、数据量庞大等原因使得波段选择算法复杂,数据处理耗时长,效率较低。基于以上原因,高光谱图像数据的波段选择需要建立正确的评价准则、数学表达模型和算法以准确地反映数据的内在本质,提高数据处理效率。
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..