ERDAS遥感软件教程-高光谱图像处理实验

九、高光谱图像处理高光谱分辨率遥感（Hyperspectral Remote Sensing），简称高光谱遥感，是在电磁波的紫外、可见光、近红外和中红外波段范围内，获取许多非常窄且光谱连续的影像数据的技术。

常规遥感的波段宽度一般大于50nm，并且波段在电磁波谱上不连续，所有波段加起来并不能覆盖可见光到热红外的整个波普范围，而光谱遥感成像光谱仪可以提供数十个甚至数百个很窄的波段（波段宽度一般小于10nm）来接受信息，且能够产生一条连续完整的光谱曲线（V ane and Goetz,1933），光谱覆盖从可见光到红外光的全部电磁波范围，因此其信息量是无法探测的，而高光谱传感器极窄的波段宽度，足够识别这些地物特征。

高光谱遥感凭借着其明显的技术优势，在各领域展现出广阔的应用前景。

目前已广泛应用于地质矿产调查、植被研究、环境监测、土壤调查、农作物估产、大气科学等领域中。

高光谱图像具有以下特点：（1）波段多，光谱分辨率高，光谱间相关性强。

（2）空间分辨率高。

高的光谱分辨率和空间分辨率是遥感技术发展的两个方向，这两个方向有趋于统一的趋势。

（3）由于波段多，狭窄且连续，使得高光谱数据量巨大、数据冗余严重。

一些常规遥感图像处理分析方法仍可用于高光谱影像。

但由于高光谱图像波段多、广谱分辨率大、数据量大等特点，常规的遥感图像处理方法并不完全适合高光谱图像处理，对它的处理需要一些特殊的方法和技术。

ERDAS IMAGINE9.2提供了一个高光谱分析工具，是高光谱数据的分析简单化、自动化。

本章主要介绍高光谱分析工具中的各个功能，这些功能都在Interpreter图标下的BasicHyperSpectral Tools工具中（图9.1）。

本例使用的示例数据是一幅1995年美国内华达州某地的AVIRS图像，从波段172~221，共50个波段，文件格式为img，存放在chp\tutor\ex_hyper.img（图9.2）。

图9.1Basic HyperSpectral Tools工具图9.2实例图像ex_hyper.img9.1归一化处理光谱归一化（Normalize ），是将每一个像元的光谱值统一到整体平均亮度水平，以减小亮度差异。

当图像亮度过于集中，差异较大时，可通过此功能改善图像对比度，从而改善图像质量，对于每一个像元，计算公式如下：i （9.1）∑==′N RN R R 11λλλλ式中：是波段的原广谱值；是第波段归一化后的光谱值；N 是波段数。

归一化λR λ′λR λ处理常用来减少或消除反照率变换和坡度变化对光谱图像的影响，或者消除系统误差影响。

归一化虽然可以减小图像的亮度差异，但有时也会造成信息损失。

因此，当图像覆盖两种或两种以上特征差异显著的地物时，该方法就不适用了。

（1）在ERDAS 主窗口，选择Interpreter 图标/Basic HyperSpectral Tools/Normalize 命令，打开Normalize 对话框（图9.3）。

（2）选择处理图像文件（Input File ）为...chp5\tutor\ex_hyper.img 。

（3）设置输出文件（Output File ）为....chp5\tutor\result\normalize.img 。

（4）在Corrdinate Type 复选框选择文件的坐标类型，这里有两种方法。

（5）在Subset Definition 中定义处理的图像范围，这里有两种方法：①在UL X 、UL Y 、LR X 、LR Y 选框中输入图像处理范围。

②点击“From Inquire Box ”按钮，启动查询框，在视窗中单击右键，在弹出的快捷菜单中选择“Inquire Box ”工具，可以在图像上自由选择处理范围，默认值为整个图像范围。

（6）选中“Ignore Zero in Output Stats ”复选框，表示在输出数据统计时忽略零值。

（7）在Select Layers 文本框内输入处理的波段，默认值为所有波段。

（8）单击OK 按钮，开始执行操作，当处理进度条显示完成时，单击OK 按钮即完成归一化处理。

处理结果见图9.4所示。

将同一波段的灰度直方图作比较，处理前的图像灰度值集中在663~755之间，图像色彩对比强烈（图9.5）；而处理后的图像灰度直方图集中度减小（图9.6），图像锐度降低，色彩较处理之前细腻，过渡教自然。

图9.3Normalize对话框图9.4Normalize处理结果图9.5ex_hyper.img灰度直方图图9.6normalize.img直方图9.2数值调整高广谱波段图像多，少则几十个，多则几百个；且很多影像数据的像元量化级大于8bit，或者是浮点型。

因此数据量巨大，是常规影像的几十倍甚至几百倍，并且数据冗余严重。

数值调整（Rescale）工具可以在保持广谱曲线形状不变的情况下，将数据的像元量化级调整为8bit，即灰度值调整为0~255之间，以达到压缩数据的目的。

输入图像可以是任何量化级，但输出图像只是8bit。

数值调整对整幅图像所有波段同时调整，而不是仅调整用户感兴趣的波段，因此也称为三维数值调整。

（1）在ERDAS主窗口，选择Interpreter图标/Basic HyperSpectral Tools/Rescale命令，打开Rescale对话框（图9.7）。

图9.7Dimensional Rescale对话框（2）选择处理图像文件（Input File）为...chp5\tutor\ex_hyper.img。

（3）设置输出文件（Output File）为....chp5\tutor\result\rescale.img。

（4）在Corrdinate Type复选框选择文件的坐标类型为Map。

（5）在Subset Definition中定义处理的图像范围。

（6）选中“Ignore Zero in Output Stats”复选框，表示在输出数据统计时忽略零值。

（7）在Select Layers文本框内输入处理的波段，这里选择默认的1~50波段。

（8）单击OK按钮，开始执行操作。

打开Rescale.img的信息对话框，选择Pixel Data选项卡（图9.8），可以看到Rescale.img 的像元灰度值均已调整到0~255。

分别作ex_hyper.img和rescale.img的同一个像元的广谱曲线（图9.9，图9.10），可以看出rescale.img的广谱曲线是没有发生改变的，即数值调整仅将图像灰度值进行了压缩，并没有改变图像的光谱特征。

图9.8Rescale.img的信息表图9.9ex_hyper.img像元光谱曲线图图9.10rescale.img像元光谱曲线图9.3相对反射传感器接收到的辐照度与两个方面有关，即太阳辐射到地面的辐照度和地物的光谱反照率。

在辐射传输过程中，由于大气的存在，大气的吸收、散射，影响了辐射达到传感器的辐照度，从而产生畸变。

要消除大气环境对遥感信息提提取的影响，就需要找出大气与地物反射率的关系，将图像灰度值转换为地物反射率值，从而提取出地物光谱反射率。

大气校正式高光谱遥感图像处理的关键技术之一，是进行高光谱遥感数据定量分析、特征提取、辐射比图像转换和光谱重建等研究的基础。

目前，大气校正方法主要有基于图像特征的定标模型、基于地面线性回归经验模型、基于大气辐射传输理论模型和其他模型。

基于图像特征的定标模型不需要进行实际地面光谱及其大气环境参数等辅助数据的测量，仅利用图像数据本身进行反射率的反演，简单实用。

内在平均相对反射率和对数残差都是基于图像特征的反射率反演模型。

9.3.1内在平均相对反射内在平均相对反射（Internal Average Relative Reflectance）是基于图像特征模型的定标模型，首先计算每个波段的像元平均光谱值，得到整幅图像的平均参考光谱，再用每个像元的光谱值除以对应波段的平均光谱值，作为每个像元得相对反射值。

这样原始图像的像元灰度值就变成了像元相对反射值。

内在平均相对反射虽然得到的是相对反射率，但也能够反映出地物的反射特性。

该方法的不足之处在于，当图像某些位置出现强吸收特征时，参考光谱受其影响而偏低，导致其他不具备此吸收特征的地物广谱出现与该吸收特征相应的假反射峰，使计算结果出现误差。

（1）在ERDAS 主窗口中，选择Interpreter 图标/Basic HyperSpectral Tools/IAR Reflectance命令，打开Internal Average Relative Reflectance 对话框（图9.11）。

图9.11Internal Average Relative Reflectance 对话框（2）选择处理图像文件（Input File ）为…chp5\tutor\ex_hyper.img 。

（3）设置输出文件（Output File ）为\chp5\tutor\result\iar_ref.img 。

（4）在Coordinate Type 复选框选择文件的坐标类型为Map 。

（5）在Subset Definition 中定义处理的图像范围。

（6）选择Ignore Zero in Output Stats ，图像输出时忽略零值。

（7）单击OK 按钮，开始执行Internal Average Relative Reflectance 操作。

处理结果如图9.12所示。

图9.13显示了原ex_hyper 图像经过内在平均相对反射功能后，消除了大气影响，其灰度值已转变为相对反射率。

这种方法在没有植被覆盖的干旱区域能得到非常好的结果。

图9.12Internal Average Relative Reflectance 处理结果图9.12ar_ref.img 信息表9.3.2自动相对反射ERDAS IMAGINE9.2还提供了自动相对反射（Automatic Internal Average Relative Reflectance ）功能。

自动相对反射是将三个常用的高光谱图像增强功能集成在一起，即归一化处理、内在平均相对反射和数值调整。

每一步的算法与子功能一样。

这使得用户不再分别执行每一个功能，一次即可对图像进行亮度调整、大气校正以及数值调整，操作更加方便。

（1）在ERDAS 主窗口中，选择Interpreter 图标/Basi cHyperSpectral Tools/Automatic Rel.Reflectance 命令，打开Automatic Internal Average Relative Reflectance 对话框（图9.14）。

图9.14Automatic Internal AverageRelative Reflectance 对话框（2）选择处理图像文件（Input File ）为…chp5\tutor\ex_hyper.img 。