第2章 高光谱遥感数据获取与分析
高光谱遥感影像的提取和处理方法
高光谱遥感影像的提取和处理方法近年来，随着遥感技术的不断发展，高光谱遥感影像的获取成为了现实。
高光谱遥感影像是指通过遥感仪器获取的光谱范围较广的遥感影像，其相较于传统遥感影像具有更高的空间和光谱分辨率。
在许多领域，包括环境保护、农业、城市规划等，高光谱遥感影像的提取和处理方法具有重要的应用价值。
一、高光谱遥感影像的获取高光谱遥感影像的获取需要使用高光谱遥感仪器，该仪器能够捕捉到丰富的光谱信息。
一般来说，高光谱遥感仪器由多个波段的传感器组成，这些传感器能够同时记录多个波段的图像。
获取的高光谱遥感影像通常具有数百个波段，使得我们在遥感影像处理中能够获取更多的光谱信息。
二、高光谱遥感影像的预处理在进行高光谱遥感影像的提取和处理之前，我们需要对其进行预处理。
预处理的目的是提高图像的质量和减小噪声的影响。
常见的预处理步骤包括辐射校正、大气校正、几何校正等。
辐射校正旨在消除遥感影像中的辐射差异，以便更好地比较不同区域的反射率。
大气校正则旨在消除大气引起的影响，使得遥感影像更加准确。
几何校正则是为了将遥感影像的几何形状与地形相匹配。
三、高光谱遥感影像的特征提取高光谱遥感影像的特征提取是指从遥感影像中提取出我们感兴趣的信息。
常见的特征提取方法有以下几种：1. 光谱特征提取光谱特征提取是指通过对高光谱遥感影像每个波段的分析，提取出不同波长下的光谱信息。
这些信息可以用于分类、识别和分析。
常见的光谱特征提取方法包括光谱曲线拟合、波段选择、光谱角等。
2. 空间特征提取空间特征提取是指通过对高光谱遥感影像空间分布的分析，提取出图像上不同位置的信息。
常见的空间特征提取方法包括纹理特征、形状特征、结构特征等。
3. 混合特征提取混合特征提取是指将光谱特征和空间特征相结合，提取出更全面的图像信息。
这种方法更常用于高光谱遥感影像的分类与识别。
四、高光谱遥感影像的分类与识别高光谱遥感影像的分类与识别是利用图像处理和分类算法对遥感影像进行分析，将其划分为不同的类别。
对高光谱遥感数据的分析与处理
对高光谱遥感数据的分析与处理姓名：张俊飞班级：021051学号：02105058E-mail：jeffei@时间：2013年4月25日对高光谱遥感数据的分析与处理一、高光谱成像介绍高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术，其最突出的应用是遥感探测领域，并在越来越多的民用领域有着更大的应用前景。
高光谱成像技术集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进技术，是传统的二维成像技术和光谱技术有机的结合在一起的一门新兴技术。
近几年年来，自然灾害频发，所以，及时、准确的灾情评估对决策部门制定科学和有效的救灾减灾方案具有关键性的作用。
遥感具有数据获取范围广、速度快等特点，应用在灾害评估中具有非常大的优势和潜力。
在我国近年来的多次重大自然灾害评估中，遥感技术都发挥了极其重要的作用。
遥感技术的应用不止于此。
下面列举了主要的应用方面：1.气象：天气预报、全球气候演变研究；2.农业：作物估产、作物长势及病虫害预报；3.林业：调查森林资源、监测森林火灾和病虫害；4.水文与海洋：水资源调查、水资源动态研究、冰雪监控、海洋渔业；5.国土资源：国土资源调查、规划和政府决策；6.环境监测：水污染、海洋油污染、大气污染、固体垃圾等及其预报；7.测绘：航空摄影测量测绘地形图、编制各种类型的专题地图和影像地图；8.地理信息系统：基础数据、更新数据。
虽然拥有诸多优点，但其本身带有很大的数据，对硬件和软件有很高的要求，本文中，先不对硬件进行讨论，就软件方面，对数据进行一系列处理，做到既不丢失其主要数据，又能降低其时空复杂度。
二、PCA理论基础对测试数据库说明如下：AVIRIS高光谱数据92AV3C：该场景由AVIRIS传感器于1992年6月获得，该数据为145*145大小，有220个波段。
该数据及真实标记图可以由因特网下载：http://www.ehu.es/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes。
第二章 地物光谱特征与遥感数字图像信息提取
Geography Analysis for Remote Sensing
第2章 遥感图像识别与信息提取
内容提要
2.1 遥感图像地物特征与识别 2.1.1 遥感图像地物特征 2.1.2 典型地物的反射光谱特征 2.2 遥感图像的目视解译 2.2.1 目视解译标志 2.2.2 目视解译方法与步骤 2.3 遥感图像的计算处理 2.3.1 遥感数字图像的概念 2.3.2 遥感数字图像预处理 2.3.3 遥感数字图像分类处理 2.3.4 遥感数字图像定量反演
目视解译
2.2.1 目视解译标志
1、直接解译标志
色调（tone）：色调是识别目标地物的基本依据。由 于地物属性的差别，在遥感图像上表现出色调上的差 别。一般来说由于人眼的局限性，在图像可分出16个 灰度级。 颜色（colour）：由于目标地物在不同波段中反射或 发射电磁辐射能量的差异性，由此而表现在彩色图像 颜色的差异性。颜色也是目视解译的基本标志之一。 图型（pattern）：目标地物有规律排列而成的图形 结构。
阴影
形状
纹理（Texture）
大小（size）
2.2.1 目视解译目标地物分布的地点。任何 地物与其周围地理环境（geographical Environment）或生态环境(ecological Environment)总是存在着一定的空间关系，并 受到周围环境的某种程度的制约。 相关布局（association）：是指多个目标地 物间的空间配置关系。
2.1.2 典型地物的反射光谱特征
3、水体的反射光谱特征
水体的反射主要在蓝光波段，其他波段吸收都很 强，特别在近红外以后水体便成为一个吸收体。 光谱反射特性可能包括来自三方面的贡献：水 的表面反射、水体底部物质的反射和水中悬浮 物质的反射。 光谱吸收和透射特性不仅与水体本身的性质有 关，而且还明显地受到水中各种类型和大小的 物质——有机物和无机物的影响。
高光谱遥感数据的分类与分析研究
高光谱遥感数据的分类与分析研究高光谱遥感是利用遥感技术获取地球表面光谱信息的一种方法。
相比传统的遥感图像，高光谱图像包含大量的波段信息，能够更详细地反映地物的光谱特征。
因此，在农业、林业、环境等领域中都有着广泛应用。
然而，高光谱图像数据的单个像元(spectral pixel)往往包含大量信息，需要对其进行分类与分析，以便更好地理解和利用数据。
本文将从数据预处理、特征提取及分类算法等方面进行探讨。
一、数据预处理高光谱遥感图像获取不易，数据来源也多种多样，因此其数据质量的影响也难以避免。
常见的高光谱图像预处理方法包括图像增强、谱带选择和噪声去除等。
其中，图像增强可以利用类似直方图均衡化的方法，使图像对比度更高，便于观察和处理；谱带选择则是针对图像中一个区域的不同波段信息不同的情况，选择最优波段进行分析；噪声去除则是利用相邻像元之间的相关性来消除噪声的影响，提高数据质量。
二、特征提取高光谱图像中的像元包含大量信息，如何提取其中的特征并描述其各自所代表的地物类型是分类的第一步。
常见的特征提取方法包括传统的像元反射率(spectral reflectance)、指数特征(index feature)和主成分分析(principal component analysis, PCA)等。
其中，像元反射率描述了不同波段下地物的表面反射率特征，但由于单个波段反射率上下界的存在，其描述能力受到限制。
指数特征则将多个波段特征汇总成一个指数值，虽然降低了特征维度，但是对于某些地物类型特征不明显的情况下，其分类效果有限。
PCA则是通过线性代数的方法将原始数据映射至一个低纬度空间中，使数据间相关性最小化，从而提取具有大量信息的新特征，具有较好地分类效果。
三、分类算法特征提取之后，需要进行分类算法的选择。
目前常见的分类算法包括支持向量机(support vector machine, SVM)、随机森林(random forest)、人工神经网络(artificial neural network, ANN)等。
高光谱遥感实验指导书
（2） 选择 cup95eff.int 文件，默认 Spatial Subsetting, Spectral Subsetting, 和 Masking，然后点击 OK，打开 Forward MNF Transform Parameters 的对话框；
实验内容
1、 MNF变换 cup95eff.int是本次实验使用AVIRIS的高光谱影像，已经经过消
光和大气校正。在ENVI中打开该影像，按照下列步骤进行MNF变换处 理：
（1） 从 ENVI 的主菜单按照下列之一的方式打开 MNF 的对话框
a) Transform → MNF Rotation → Forward MNF → Estimate Noise Statistics From Data
6
实验三 地物光谱测量与成像
实验目的
1、 了解地面高光谱数据获取的一般方法和测量过程 2、 了解地物光谱仪的一般工组原理 3、 理解地物光谱测量是定量遥感建模的重要内容
实验内容
1、了解野外便携式地物光谱仪的原理、使用和操作 2、使用野外便携式地物光谱仪测量典型地物（水，土，作物）的 光谱曲线
预备知识
I
实验一 高光谱遥感数据获取
实验目的
高光谱遥感数据的具有较高的光谱分辨率，每个波段的范围小 （窄波段），通常具有数十个至 200 多个窄波段。本次实验的目的是 利用 ENVI、Erdas 等软件观察 TM、AVIRIS 和 Hyperion 等遥感数据或 者实验室使用 Headwall 高光谱相机拍摄的高光谱图像数据，认识高 光谱数据的图谱合一的特点。
高光谱遥感数据分析与处理技术研究
高光谱遥感数据分析与处理技术研究第一章：引言高光谱遥感数据分析与处理技术已经成为了现代遥感工作中不可或缺的环节。
高光谱数据具有比多光谱数据更高的空间分辨率和更低的光谱分辨率，能够提供更详细和准确的地表反射信息，对于地表覆盖、土地利用、环境变化等方面的研究有着重要的作用。
本文将对高光谱遥感数据的分析与处理技术进行详细的介绍和研究。
第二章：高光谱遥感数据的获取与处理高光谱遥感数据的获取通常使用的是高光谱成像仪器，这里不再详述。
在高光谱遥感数据的处理过程中，主要分为以下几个步骤：1.数据预处理数据预处理是高光谱遥感数据处理的重要步骤。
常用的数据预处理方法包括大气校正、辐射校准、几何校正和噪声去除等。
大气校正主要是针对由于大气吸收和散射导致的高光谱遥感数据的失真进行修正；辐射校准主要是针对不同的光谱波段之间存在差异进行修正；几何校正主要是针对高光谱遥感数据的位置和方向进行精确的矫正；噪声去除则主要是针对高光谱遥感数据中存在的噪声进行处理，以便更好的提取高质量的地表反射谱线。
2.特征提取和选择高光谱遥感数据中存在大量的光谱信息，因此需要进行特征提取和选择，以便于更好的进行分类和识别。
特征提取主要是对高光谱遥感数据中的有意义的信息进行提取和筛选；特征选择则是在进行特征提取之后，进一步选择对于分类或者识别有帮助的特征，以便于提高分类和识别准确度。
3.分类和识别高光谱遥感数据分析与处理的重要目的之一是进行分类和识别。
基于高光谱遥感数据的分类和识别主要使用光谱角度法、光谱角度均值法、监督分类和非监督分类等方法。
这些方法的主要思想是依靠高光谱遥感数据的光谱特征进行分类和识别，使得对于地表物体的识别更加准确。
第三章：高光谱遥感数据在环境变化监测中的应用高光谱遥感数据在环境变化监测中的应用非常广泛。
高光谱遥感数据能够提供高质量、高可靠、高精度的地表反射信息，使得对于环境变化的研究变得更加准确和深入。
具体应用如下：1.土地利用监测高光谱遥感数据能够提供更为准确的土地利用信息，因此在土地利用监测方面具有重要的应用价值。
高光谱遥感第二章ppt课件
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
我校现有设备 Headwall
- 成像光谱仪的光谱与辐射定标技术
第二章 高光谱遥感成像机理与 成像光谱仪
- 成像光谱信息处理技术
海量数据非失真压缩技术 高速化处理技术 辐射量的定量化和归一性 图像特征提取及三维谱像数据的可视化
第二章 高光谱遥感成像机理与 成像光谱仪
5 成像光谱仪的空间成像方式 高光谱遥感成像包括空间维成像和光谱维成
第二章 高光谱遥感成像机理与 成像光谱仪
1 基本概念
光谱学 成像技术
成像 光谱学
第二章 高光谱遥感成像机理与 成像光谱仪
(1) 光谱分辨率 —指探测器在波长方向上的记录宽度，又称为
波段宽度。
第二章 高光谱遥感成像机理与 成像光谱仪
(2) 空间分辨率—对于成像光谱仪，其空间分辨率 是由仪器的角分辨力，即仪器的瞬时视场角 （IFOV）决定的。
第二章 高光谱遥感成像机理与 成像光谱仪
- 二元光学元件成像光谱技术
二元光学元件沿轴向色散，利用面阵CCD 探测器沿光轴方向对所需波段的成像范围进行 扫描，每一位置对应相应波长的成像区。
- 三维成像光谱技术
三维成像光谱仪是在光栅色散型成像光谱 仪的基础上改进而来的，其核心是一个像分割 器，将二维图像分割转换为长带状图像。
(3）仪器的视场角（FOV）—指仪器的扫描镜在空中 扫过的角度。
第二章 高光谱遥感成像机理与 成像光谱仪
实验一：高光遥感数据的获取及分析
实验一高光谱遥感数据获取评分姓名：石佳兴学号：20133032001031、分别使用AVIRIS 和Hyperion 数据，如何针对植被、水体等不同地物进行假彩色合成选择合适的波段？方法：1.(标准)假彩色合成：根据加色法和减色法原理，选择遥感影像的某三个波段，分别赋予红、绿、蓝三种颜色，就可以合成彩色影像。
由于选择的颜色与原来遥感波段所代表的真实颜色不同，因此生成的合成色不是地物的真实颜色，这种合成叫做假彩色合成。
当遥感影像的绿波段赋蓝，红波段赋绿，近红外波段赋红时，这一合成被称为标准假彩色合成。
过程：根据方法中所述的原理，对于AVIRI遥感影像，可以分别赋予第52、31、21波段红、绿、蓝，来识别植被、水体等不同地物；对于Hyperion遥感影像，则可以分别赋予第111、31、21波段红、绿、蓝。
结果：AVIRIS 数据Hyperion 数据分析1.植被在可见光波段（0.38-0.76um）有一个小的反射峰，位置在0.55um（绿）处，在近红外波段（0.7--0.8um）有一个反射的“陡坡”，至1.1um附近有一个峰值。
根据标准假彩色的合成原理，绿波段被赋予蓝，红外波段被赋予红，绿色与红色相加为品红，因而植被在影像中大致呈红色。
2.水体的反射主要在蓝绿光波段，其他波段吸收都很强，根据标准假彩色合成原理，绿波段被赋蓝，因此一般的湖泊水库等均呈蓝黑色。
水体呈现深蓝色，植被呈现红色，通过标准假彩色合成较好的区分了植被、水体、建筑物等不同地物。
2分别从ETM+，AVIRIS 和Hyperion 数据中分别选取5 种不同的地物，提取曲线。
从光谱剖面曲线上，比较分析多光谱数据和高光谱数据的各自特点。
方法：提取5种不同地物所在区域的平均光谱数据。
过程：提取区域平均光谱数据的方法（1）首先，利用ROI 工具选取区域；（2）然后，在ROI Tool 的窗口中选中区域，再点击下方的Stats 按钮；（3）最后，在ROI Statistics Results 窗口中，点击File|Save ROI Results to text file…菜单，按照提示保存为文本文件；（4）将文本文件导入Excel 或Matlab，其中Mean 对应的数据列即为该区域的平均光谱。
环境遥感科学中的高光谱数据处理与分析
环境遥感科学中的高光谱数据处理与分析高光谱数据是环境遥感科学中一种重要的数据源，具有丰富的光谱信息，可以提供大量的物质特征和光谱反射率数据。
高光谱数据处理与分析是环境遥感科学中的一个关键步骤，它可以帮助我们深入理解地球表面的环境状况，监测环境变化，并提供支持环境保护、资源管理和气候变化研究的科学依据。
本文将介绍高光谱数据处理与分析的基本方法和技术，并探讨其在环境遥感科学中的应用。
高光谱数据处理的主要目标是从原始数据中提取有用的信息。
在高光谱数据处理过程中，我们需要进行数据预处理、特征提取和分类等步骤。
首先，数据预处理是高光谱数据处理的第一步，它的主要目的是消除数据中的噪声和杂散信息，提高数据质量。
数据预处理包括大气校正、辐射校正和几何校正等。
大气校正能够消除大气传输的影响，使得地表反射率数据更加准确。
辐射校正可以消除太阳辐射的影响，得到物体的真实辐射率数据。
几何校正则用于减少图像变形和畸变，使图像和数据能够准确地对应。
特征提取是高光谱数据处理的关键步骤之一，它可以从高光谱数据中提取出地物的光谱、空间和时间特征。
特征提取是确定地物种类和状态的重要手段，对于环境遥感科学的研究具有重要意义。
常用的特征提取方法包括主成分分析（PCA）、线性判别分析（LDA）和光谱指数等。
主成分分析是一种常见的无监督特征提取方法，能够通过线性变换将高维的高光谱数据转化为低维的主成分影像，保留了原始数据中的主要信息。
线性判别分析则是一种有监督的特征提取方法，它通过寻找线性变换，使得不同类别的地物样本在新的特征空间中更加分散，提高了分类的准确性。
分类是高光谱数据处理的最终目标，它利用提取的特征将地物进行分类，帮助我们了解地表环境的类型和分布。
分类方法可以分为监督分类和非监督分类。
监督分类需要事先准备好地物样本，通过训练分类器来实现对新数据的分类。
常用的监督分类方法有最大似然分类、支持向量机（SVM）和随机森林等。
非监督分类则是在没有事先准备地物样本的情况下，将像素按相似度进行聚类，常用的非监督分类方法有K-means聚类算法和自组织映射等。
高光谱遥感影像数据处理与分析技术研究
高光谱遥感影像数据处理与分析技术研究遥感技术是指利用航空、航天等手段对地球表面进行观测和记录，以获取地表信息的一种手段。
其中，高光谱遥感影像数据处理与分析技术是遥感技术中的一个重要分支。
高光谱遥感影像数据具有丰富的光谱信息，能够提供更多细节和特征，因此在农业、地质、环境等领域有着广泛的应用。
本文将从数据处理和数据分析两个方面对高光谱遥感影像数据进行研究，探讨其应用前景和方法。
一、高光谱遥感影像数据处理技术1. 数据获取和预处理高光谱遥感影像数据的获取主要通过卫星、飞机等平台进行，包括可见光和红外光谱。
首先，需要对获取的原始数据进行预处理，如图像去噪、辐射校正、几何校正等。
这些步骤能够提高数据质量，为后续分析提供可靠的基础。
2. 光谱信息提取和分析高光谱遥感影像数据的独特之处在于其具有连续的光谱信息。
在光谱信息的提取和分析过程中，可以采用一些常用的算法和方法。
例如，主成分分析(PCA)能够提取影像中的主要特征，并减少数据维度，帮助人们理解数据的空间分布；线性混合模型(LMM)可用于定量分析影像中的不同物质的含量。
此外，还可以结合光谱库和分类器进行分析，以提高分类和识别的准确性。
3. 特征提取和目标检测高光谱遥感影像数据中的每个像元都包含大量的光谱信息，因此可用于进行特征提取和目标检测。
人们可以基于已知目标的光谱特征，利用聚类、分类、分割等方法，对影像中的目标进行准确识别和提取。
这些特征可以用于农作物生长监测、病害检测、水质评估等领域。
二、高光谱遥感影像数据分析技术1. 植被指数分析植被指数可以通过高光谱遥感影像数据的光谱信息计算得出，例如归一化植被指数(NVI)、修正的归一化植被指数(MNVI)等。
植被指数可以用来评估植被的生长状况、叶绿素含量、土壤水分等因素。
通过对高光谱遥感影像数据进行植被指数分析，可以提供农作物的生产效率评估、植被变化监测等重要信息。
2. 土地覆盖分类高光谱遥感影像数据能够提供更多的光谱细节，因此在土地覆盖分类中有着广泛的应用。
高光谱遥感图像的信息提取与分类研究
高光谱遥感图像的信息提取与分类研究摘要:高光谱遥感技术已成为了地球观测和环境监测的重要工具。
它通过获取多光谱数据，可以为各种应用领域提供丰富的地表信息。
其中，信息提取与分类是高光谱遥感图像处理中的关键任务之一。
本文旨在对高光谱遥感图像的信息提取与分类研究进行综述，包括信息提取方法、分类算法以及应用领域的案例等。
引言:高光谱遥感图像是在地球观测中获取多光谱数据的一种重要手段。
相比于传统的光谱遥感图像，高光谱遥感图像可以提供更丰富的光谱信息，具有更高的光谱分辨率，能够准确地刻画地表物体的光谱特征。
因此，高光谱遥感图像在农业、地质、环境保护、城市规划等领域具有广泛的应用前景。
一、信息提取方法高光谱遥感图像的信息提取是从图像中挖掘出与特定目标物或表面特征有关的信息。
常用的信息提取方法包括光谱分析、主成分分析、线性无关分解等。
1. 光谱分析光谱分析是高光谱遥感图像信息提取的基础方法之一。
它通过分析不同波长下的反射、辐射或发射数据，来推断不同物质在光谱上的特征。
光谱分析可以用于识别和提取特定物质的光谱特征，例如植被类型、土壤质地等。
2. 主成分分析主成分分析是一种降维方法，通过线性变换将高维光谱数据转换为低维的主成分，以保留尽可能多的数据信息。
主成分分析对高维数据的特征提取具有很强的效果，可以减少计算量，提高分类准确性。
3. 线性无关分解线性无关分解是一种常用的信息提取方法，它将高光谱图像分解为多个线性无关的成分，以提取地表特征。
线性无关分解可以消除光谱上的冗余信息，提高分类的准确性。
二、分类算法高光谱遥感图像的分类是将图像中的像素点分配到不同的类别中，以达到对地表物体进行区分的目的。
常用的分类算法包括最大似然分类、支持向量机、神经网络等。
1. 最大似然分类最大似然分类是一种基于统计学原理的分类方法。
它假设不同类别的像素点服从不同的概率分布，通过计算像素点在各个类别下的概率，将像素点分配到概率最大的类别中。
第2章 高光谱遥感数据获取与分析
21
三、成像光谱仪
星载： 1）MODIS成像光谱仪 2） MERIS成像光谱仪 3） Hyperion成像仪
22
1、MODIS
中等分辨率成像光谱仪MODIS（moderate resolution Imaging Spectro-radiometer）是美国 宇航局发射的EOS-TERRA和EOS- AQUA卫星上 最重要的星载仪器。 MODIS从可见光到热红外有36个波段，波长覆盖 范围从0.4µm到14.4µm。 MODIS的两个通道空间分辨率可达250 m，5个通 道为500 m，29个通道为1000 m，可同时获取地 球大气、海洋、陆地、冰川雪盖等多种环境信息， 有助于建立有关大气、海洋和陆地的动态模型， 以及建立预测全球变化的模型。
16
（1）准备工作。 （2）测量过程。 （3）整理工作。
17
（1）准备工作。
光谱仪、计算机充电：光谱仪电量不足时红灯闪亮，充满电后 绿灯亮；如果黄灯闪亮则说明过热，需要等待一段时间； 安装适当的镜头或其他附件（如GPS、余弦接受器等），并准 备好白板； 依次打开光谱仪电源及计算机电源，并启动相应RS3软件； 依据所选择镜头以及测量情况，在软件上选择相应镜头，并填 写需要存储数据的路径、名称和其他内容。
31
32
33
机载： 1）AVIRIS可见光/红外成像光谱仪 2）OMIS系统 3）推扫式PHI
34
4、 AVIRIS
航空可见光/红外成像光谱仪AVIRIS。 80年代后期，美国喷气推进研究室（JPL） 制成机载可见红外成像光谱仪（AVIRIS） 的完整样机。该成像光谱仪可在0.4µm～ 2.45µm的波长范围获取224个连续的光谱 波段图像。波段宽度10nm。当飞机在20km 高空飞行 时，图像地面分辨率可达20m。
高光谱遥感数据获取与分析
一、原理：电磁波及电磁辐射 二、光谱测量仪器 三、地物光谱特征
1
2.1 电磁波及电磁辐射
遥感是根据收集到的电磁波来判断目标地物和自然 现象（物体种类、特征和环境不同，具完全不同的电磁 波反射或发射特征），遥感技术主要是建立在物体反射 或发射电磁波原理上的。 电磁波 :根据麦克斯韦电磁场理论,变化的电场能够在 它的周围引起变化的磁场,这个变化的磁场又在较远的 区域内引起新的变化电场,并在更远的区域内引起新的 变化磁场.这种变化的电场和磁场交替产生,以有限的速 度由近及远在空间内传播的过程称为电磁波.
写需要存储数据的路径、名称和其他内容。
18
（2）测量过程。 镜头对准白板，点击OPT进行优化。为了光谱测量的准
确性，在测量过程中，特别是刚开始测量的前半个小时 内，需要每隔一定时间进行一次优化； 反射率测量： 镜头对准白板，点击WR采集参比（白板应充满镜头， 并且没有阴影）； 镜头对准目标（目标与镜头之间的距离应大致等同于采 集参比时白板与镜头的距离）； 点击空格键存储目标光谱（或选择自动存储）； 为了提高光谱数据的质量，在测量开始后的一个小时内 应当经常采集参比以提高光谱数据质量；
7
太阳辐照度分布曲线
8
从图中可以得出结论： 太阳辐射的光谱是连续的，它的辐射特性与黑体的辐射
特性基本一致。 太阳辐射从近紫外到中红外这一波段区间能量最集中而
且相对稳定。在x射线、远紫外及微波波段，能量小但 变化大。 海平面处的太阳辐射照度曲线与大气层外的曲线有很大 的不同。主要是地球大气对太阳辐射的吸收和散射造成 的。 就遥感而言，被动遥感主要是利用可见光、红外等稳定 辐射，因而太阳的活动对遥感没有太大的影响，可以忽 略。
21
高光谱遥感数据处理与分析技术研究
高光谱遥感数据处理与分析技术研究随着遥感技术的发展，高光谱遥感成为遥感技术的重要组成部分。
高光谱遥感是指在光谱范围内采集地物反射率或辐射值的遥感技术，其在地球物理、地球化学、生态环境等领域都有重要应用。
然而，高光谱遥感数据处理与分析技术仍然是一个瓶颈，需要更多的研究来进一步完善。
一、高光谱遥感数据预处理高光谱遥感数据预处理是高光谱遥感数据处理的一个重要环节，包括噪声去除、辐射定标、大气校正、几何校正等处理步骤。
噪声去除是指将高光谱遥感数据中的噪声、杂波等无用信息滤除，提高数据的信噪比。
在噪声去除中，常见的方法有均值滤波、中值滤波、小波变换等。
辐射定标是指将接收的辐射值转化为反射率，以便进行后续的数据分析。
常见的辐射定标方法有黑体法、大气放射率法、对比法等。
大气校正是指将大气吸收影响剔除，以得到真实的地物反射率谱线。
目前，较为成熟的大气校正方法有6S模型、MODTRAN模型等。
几何校正是指将高光谱遥感数据进行投影变换、姿态校正等处理，以使其在地理信息系统中能够被正确地显示、叠加、分析。
常见的几何校正方法有多项式拟合、三次样条插值等。
二、高光谱遥感数据分析高光谱遥感数据处理得到的地物反射率谱线具有连续、多元、细节等特点。
利用这些特点，可以提取地物的信息，对土地利用、植被生态、矿产勘探等领域进行分析。
土地利用研究是高光谱遥感数据分析的重要应用之一。
高光谱遥感数据可以提取土地覆盖类型、土地利用方式等信息，辅助制定土地规划和资源管理策略。
常见的土地利用研究方法有最大似然分类、支持向量机、神经网络等。
植被生态研究是高光谱遥感数据分析的重要应用之二。
高光谱遥感数据可以提取植被物理参数，如叶绿素含量、叶面积指数等，进而分析植被的健康状态、物种组成等信息，辅助植被监测和生态保护。
常见的植被生态研究方法有植被指数法、相对水分指数法等。
矿产勘探研究是高光谱遥感数据分析的重要应用之三。
高光谱遥感数据可以提取与矿物质量相关的信息，如矿物种类、矿物含量、矿物结构等，辅助矿产勘探和资源评价。
高光谱遥感数据的特征选择与提取课件
特征选择与提取的挑战与机遇
要点一
特征选择与提取的挑战
要点二
机遇
高光谱遥感数据具有高维、高冗余的特点，如何有效地选 择和提取特征是亟待解决的问题。同时，不同应用场景对 特征的要求也不同，需要针对具体需求进行特征选择和提 取。
随着深度学习、机器学习等技术的发展，为高光谱遥感数 据的特征选择与提取提供了新的思路和方法。这些技术能 够自动地提取有用的特征，提高数据处理的速度和精度， 为高光谱遥感技术的应用提供了更多的可能性。
感谢观看
THANKS
THE FIRST LESSON OF THE SCHOOL YEAR
独立成分分析法能够揭示高光谱数据的非高斯结构，对 于处理非线性和非高斯数据非常有效。
独立成分分析法可以用于解决盲源信号分离问题，从观 测信号中提取出独立的源信号。
非负矩阵分解法
在此添加您的文本17字
一种基于矩阵分解的特征提取方法
在此添加您的文本16字
非负矩阵分解法将高光谱数据矩阵分解为多个稀疏的非负 基矩阵的乘积，从而提取出数据的特征。
在此添加您的文本16字
揭示数据的主要特征结构
在此添加您的文本16字
通过主成分分析法，可以揭示高光谱数据的主要特征结构 ，从而更好地理解数据的内在规律和特征。
独立成分分析法
一种寻找数据中的独立成分的方法 揭示数据的非高斯结构 用于盲源信号分离问题
独立成分分析法旨在找到高光谱数据中的独立成分，这 些独立成分能够最大程度地保留数据的方差，同时彼此 独立。
基于模型的特征选择
总结词
基于模型的方法通过训练分类或回归模型来选择最重要的特征，通常使用模型的惩罚项或特征重要性评分作为选 择标准。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
16
（1）准备工作。 （2）测量过程。 （3）整理工作。
17
（1）准备工作。
光谱仪、计算机充电：光谱仪电量不足时红灯闪亮，充满电后 绿灯亮；如果黄灯闪亮则说明过热，需要等待一段时间； 安装适当的镜头或其他附件（如GPS、余弦接受器等），并准 备好白板； 依次打开光谱仪电源及计算机电源，并启动相应RS3软件； 依据所选择镜头以及测量情况，在软件上选择相应镜头，并填 写需要存储数据的路径、名称和其他内容。
wavelength g ray X ray use Mineral Medical Wavelength 1.55-1.75 （近红外） 2.04-2.34 （近红外） 10.5-12.5 （热红外） 3cm-15cm （短波） 20cm-1m（短 波） use Water content in plant or soil Mineral, rock types Surface temperature Surface relief（地势起伏）, soil moisture woody biomass（木头水分）
19
（3）整理工作。
测量完成后，可将有关光谱拷贝到U盘中待用，或留在原机保 存； 依次关闭计算机电源及光谱仪电源； 取下镜头及其他附件，装好白板，并将光纤探测头整理好，收 回到仪器包中（注意光纤不可过硬弯折）。
20
其它野外的测量仪器
（1）LAI-2000植物树冠分析仪。 （2）LI-6400便携式光合仪。 （3）LI-6262分析仪 （4）辐射传感器。
一、名词定义 二、数据表达方式 三、成像方式 四、反射率概念 五、典型地物的反射率 六、简单光谱分析方法
39
光谱分辨率、空间分辨率、时间分辨率
光谱分辨率：遥感器各波段光谱带宽，表示传感 器对地物光谱的探测能力，它包括遥感器总的探 测波谱的宽度、波段数、各波段的波长范围和间 隔。若遥感器所探测的波段越多，每个波段的波 长范围越小，波段间隔越小，则他的光谱分辨率 越高。遥感器的光谱分辨率高，它取得的图像能 很好地反映出地物光谱性质，不同地物间的差别 在图像上能很好地体现出来，遥感器探测地物的 能力就强。
2
电磁波
X射线，紫外线，可见光、红外线、微波、无线 电波等都是电磁波。电磁波是一种横波。
3
电磁波谱
不同的电磁波由不同的波源产生．如果按照电磁 波在真空中传播的波长或频率递增或递减的顺序 排列，就能得到电磁波谱图。习惯上，划分如下：
4
5
一些电磁波的用途
共性：传播速度相同；遵守相同的反射、折射、MODIS技术指标表：
24
MODIS波段分布和主要应用：
25
26
2、MERIS
作为“欧洲遥感卫星”ERS-1 和ERS-2的接替者，欧洲“环境卫 星”ENVISAT 于2002年3月由欧空局发射升空，并于2003年5月正 式投入运行。 中等分辨率成像光谱辐射计MERIS（Medium Resolution Imaging Spectrometer Instrument） 下图显示了欧洲“环境卫星”ENVISAT携带的传感器。 下图
29
3、Hyperion
地球观测1号（Earth Observing-1）卫星系统 在2000年发射。 地球观测1号卫星将与LandSat-7覆盖相同的地 面轨道，两颗卫星对同一地物目标以几乎相同 的时间进行观测，从而可以对LandSat-7中的 ETM＋及EO-1中的三台主载荷获取的数据进 行对比。
6、 PHI
推扫式光谱成像仪PHI。 推扫式光谱成像仪PHI是中国863-308主题 机载对地观测系统的一部分，光谱范围 400-850nm，波段数244，光谱采样1.9nm， 光谱分辨率小于5nm，信噪比大于500。
37
PHI和OMIS成像光谱仪的技术指标 和 成像光谱仪的技术指标
38
2.3 地物的光谱特征
40
探测器在波长方向上的记录宽度，又称为波段宽度。 严格定义为：仪器达到光谱响应最大值的50%时的波 长宽度。
41
空间分辨率：成像光谱仪的一个瞬间视场， 即在一瞬间遥感系统探测单元所对应的瞬间 视场（IFOV） 时间分辨率：对同一地点进行遥感采样的时 间间隔，即采样时间的频率。 视场角：仪器在空中所扫描的角度，它决定 了地面的扫描幅宽。 凝视时间：仪器视场角扫过地面单元所持续 的时间。凝视的时间越长，进入探测器的能 量越多。光谱响应和图像的信噪比越高。
12
紫外、红外与微波区，引起电磁波衰减的主要原因是大 气吸收。 引起大气吸收的主要成分是氧气、臭氧、水、二氧化碳 等。 氧气：小于0.2 μm；0.155为峰值。 臭氧：数量极少，但吸收很强。两个吸收带；对航空遥 感影响不大。 水：吸收太阳辐射能量最强的介质。到处都是吸收带。 主要的吸收带处在红外和可见光的红光部分。因此，水 对红外遥感有极大的影响。 二氧化碳：量少；吸收作用主要在红外区内。可以忽略 不计。
7
太阳辐照度分布曲线
8
从图中可以得出结论： 太阳辐射的光谱是连续的，它的辐射特性与黑体的辐射 特性基本一致。 太阳辐射从近紫外到中红外这一波段区间能量最集中而 且相对稳定。在x射线、远紫外及微波波段，能量小但 变化大。 海平面处的太阳辐射照度曲线与大气层外的曲线有很大 的不同。主要是地球大气对太阳辐射的吸收和散射造成 的。 就遥感而言，被动遥感主要是利用可见光、红外等稳定 辐射，因而太阳的活动对遥感没有太大的影响，可以忽 略。
35
5、 OMIS
实用型模块化成像光谱仪OMIS。 是由中科院上海技术物理研究所航空遥感 研究室研制的，具有当前国际先进水平的 新型航空遥感仪器。它在可见/近红外/短波 红外/热红，0.46mm至12.5mm 的所有大气 窗口上设置了128个光谱波段，是一套先进 的机载高光谱遥感数据获取系统。
36
31
32
33
机载： 1）AVIRIS可见光/红外成像光谱仪 2）OMIS系统 3）推扫式PHI
34
4、 AVIRIS
航空可见光/红外成像光谱仪AVIRIS。 80年代后期，美国喷气推进研究室（JPL） 制成机载可见红外成像光谱仪（AVIRIS） 的完整样机。该成像光谱仪可在0.4µm～ 2.45µm的波长范围获取224个连续的光谱 波段图像。波段宽度10nm。当飞机在20km 高空飞行 时，图像地面分辨率可达20m。
30
EO-1中的三台主载荷分别为先进陆地成像仪 （Advanced Land Imager，ALI），高光谱成像仪 （Hyperion）以及高光谱大气校正仪（Linear etalon imaging spectrometer array Atmospheric Corrector LAC Corrector，LAC）。 其中Hyperion用于地物波谱测量和成像、海洋水 色要素测量以及大气水汽/气溶胶/云参数测量等， 其性能比EOS Terra卫星上的MODIS要好的多。
18
（2）测量过程。 镜头对准白板，点击OPT进行优化。为了光谱测量的准 确性，在测量过程中，特别是刚开始测量的前半个小时 内，需要每隔一定时间进行一次优化； 反射率测量： 镜头对准白板，点击WR采集参比（白板应充满镜头， 并且没有阴影）； 镜头对准目标（目标与镜头之间的距离应大致等同于采 集参比时白板与镜头的距离）； 点击空格键存储目标光谱（或选择自动存储）； 为了提高光谱数据的质量，在测量开始后的一个小时内 应当经常采集参比以提高光谱数据质量；
13
有些波段的电磁波通过大气后，衰减的很少，透过率很高，我们称 为大气窗口
14
2.2 光谱测量仪器
一、野外光谱仪（以ASD野外光谱分析仪为例）
ASD野外光谱分析仪FieldSpec Pro是一种测 量可见光到近红外波段地物波谱的有效工具。它 能快速扫描地物，光纤探头能在毫秒内得到地物 单一光谱。
6
ultraviolet Detecting (uV)（紫外） oil；spill 0.4-0.45 um Water depth （蓝波段） turbidity 0.7-1.1 µm （近红外） Vegetation
太阳辐射
地球上的电磁波主要来自于太阳，太阳可以认为 是一个很好的黑体辐射源。 黑体辐射：既是完全的吸收体，又是完全色辐射 体。 好的吸收体也是好的辐射体这一定律。说明凡是 吸收热辐射能力强的物体，它们的热发射能力也 强；凡是吸收热辐射能力弱的物体，它们的热发 射能力也就弱。
27
28
MERIS的15个波段的技术指标与应用目的
Band centre (NM) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 412.5 442.5 490 510 560 620 665 681.25 708.75 753.75 760.625 778.75 865 885 900 Bandwidth Potential Applications (NM) 10 10 10 10 10 10 10 7.5 10 7.5 3.75 15 20 10 10 Yellow substance and detrital pigments Chlorophyll absorption maximum Chlorophyll and other pigments Suspended sediment, red tides Chlorophyll absorption minimum Suspended sediment Chlorophyll absorption and fluorescence Chlorophyll fluorescence peak Fluo. Reference, atmospheric corrections Vegetation, cloud Oxygen absorption R-branch Atmosphere corrections Vegetation, water vapour reference Atmosphere corrections Water vapour, land