高光谱遥感图像的处理与应用

西北工业大学

硕士学位论文

高光谱遥感图像的处理与应用

姓名：张媛

申请学位级别：硕士

专业：信号与信息处理

指导教师：何明一

20060301

西北Ｔ业大学硕士论文第三章高光谱图像校难处理

实验设备：

（１）自配电源可用输入为ＡＣ２２０Ｖ，输出为ＤＣ２０～３０Ｖ／１５Ａ的开关电源。

（２）高光谱成像系统的所有仪器设备，包括１８－－３６ＶＤＣ电源盒、高光谱传感器头、反射镜扫描器、ＬＣＤ显示器、数据获取机存储系统用ＰＣ机等。

（３）固定传感器支架。

３．４．２暗场校正实验分析

１．实验原理

典型的辐射校正功能首先是做暗场校正，然后采用和校准文件中定义的单位来辐射测量校正和输出辐射值数据。本实验所用传感器辐射校准文件采用的单位都是ｕＷ／ｃｍ２／ｓｔｒ／ｎｍ。通常，在进行辐射校正的同时希望进行拖尾校正。将计算的输出辐射值乘上辐射测量标量，标量的默认值是１０００。如果数据中的辐射值范围较窄，想提高数据表达的分辨能力就将辐射标量设置为较大的值。但是要注意，如果存在超过１６位无符号整数的较大辐射值，该值取得太大就会截取数据。

使用暗场校正功能从原始数据中消除暗电流噪声。暗电流（也称为无照电流）（ＤａｒｋＣｕｒｒｅｎｔ），专指每个像素每秒钟电路内的暗电流。将ＣＣＤ冷却到至少－２５。Ｃ才会减小暗电流。大部分ＣＣＤ中的暗电流是由位于并联门结构下的二氧化硅界面中的量子效应引起的。将ＣＣＤ冷却到．１２０。Ｃ才能将暗电流减小到系统检测不到的程度。暗场校正通常与托尾校正一起进行。这在如干扰光（由无罩灯、反射等产生的不希望有的光线）信号的研究中是有用的。由于本实验所用传感器获得的数据是按照颠倒的光谱顺序输出的（例如先是红外波段）。选择波段翻转功能可以将波段顺序在输出文件中重新颠倒过来。同时，使用该传感器安装反射镜扫描成像时，获得的图像是目标图像的镜面图像。通过选择空间翻转可以将图像镜像映射成和目标一致的图像。

２．实验过程及结果

可以利用ＥＮＶＩ显示辐射校正前后的图像，波段选择一个目标物和背景显示区别较大的波段（如５７７．５９００ｈｍ），结果如图３．２（ａ），（ｂ）所示：

两北工业大学硕士论文第三章高光谱图像校正处理

图３－２辐射校正前后的图像（波长为５７７．５９００ｎｍ的单波段灰度图像）左：辐射校正前的图像，右：辐射校正后的图像（说明：实验获得的图像大小为５１２×７８１）

为了更加清楚的理解辐射校证前后图像像素值的改变，本实验选取图像中任意一点利用ＥＮＶｌ得到辐射校正前后的光谱曲线如图３．３，图３－４所示：

图３－３辐射校正前某一像素光谱曲线（像素点坐标（１５０，４４５））

图３－４辐射校正后某一像素光谱曲线（像素点坐标（１５０，４４５））

３．实验结果分析

从以上单波段的灰度图像和任意一点的光谱曲线可以看出，辐射校难前后光谱曲线形状及出现峰值的波段位置并没有发生变化，强度值变化则是由于采用不同的数据输出单位，以及去除暗场电流噪声和对输出数据的辐射测量校正引起的。由于在室内进行实验，太阳光照和大气的影响很小，照明灯的光谱特征也十分明显。

３．４．３几何校正实验分析

１．实验原理及方法

加装反射镜扫描时，由ＣＣＤ面阵列空间维实现行扫描，由反射镜的旋转运动实现整幅图像另一维的扫描，其变化关系为：由正对位置点（与成像光谱仪光学系统轴线垂直成９０。的位置点）向扫描方向（反射镜旋转方向）两端逐渐地由小变

西北１：业大学硕士论文第三章高光谱图像校正处理

插值后的像元灰度值函数的值气（ｔｕ），（ｆ＝１，２，…，Ｎｏ），其中Ｎｏ为扫描校正后沿扫描方向上正对点～侧的像元数。

假设成像光谱仪的瞬时视场角为口（。），正对点一侧有Ⅳ条扫描行，则成像光谱仪总视场角为２×Ｎ×口。线中心投影校正可以以扫描行为基本处理单元，逐线进行。整个校正过程分４步进行：

（１）正对点位置处扫面行上图像的像元大小威：

ｄｘ＝２ｘＺ×ｔａｎ（ａ／２）

（３一１６）式中：ｌ——扫描镜到正对点的距离，单位ｍ。

（２）计算沿扫描方向上任一扫描行Ｊ上每个像元到正对点位置中心线的距离矗（Ｊ＝０，１，２，…，Ⅳ）：

ｘ０＝ｌｘｔａｎ（ｊｘｏｔ）（３—１７）（３）计算校正后，扫描行数目Ｎｏ。Ｎｏ等于扫描校正后正对点一侧的扫描行数目，也就是校正后图像沿扫描方向每行的插值点数。

Ｎｏ＝ｌｘｌｍ（Ｎｘａ９Ｉ／ｄｅ（３—１８）（４）根据式（３．ｉｓ）求出的插值点，按固定步长办用线性函数插值方法计算出重采样后得到的％个扫描线上的各像元的灰度值。

２．实验结果

同样选取２２０波段超光谱图像中的一个波段，校正前后图像如图３，６所示：

图３－６几何校正后图像（波长为５７７．５９００ｎｍ的单波段灰度图像）

左：几何校正前的图像，右：几何校正后的图像（说明：实验获得的图像大小为５１２×７８１）３．实验结果分析

从上面实验结果可以明显看到，校正后的图像比原始扫描图像在扫描方向宽了些，这是由于反射镜以恒定的角速度旋转时并不能保证在扫描物上扫过的瞬时

，２ｆ．

西北＿ｒ＝业大学硕士论文第四章高光谱图像的目标检测

（ａ）仿红外图像（ｂ）目标背景分离后图像

图４．４仿红外图像和目标背景分离后图像

４．２．３目标的特征提取

对于已分离出来的目标，可以根据前面介绍的两种方法进行特征的提取，为目标识别提供判据。

４．２．４基于神经网络的分类与识别

（１）网络训练过程

将训练数据逐个输入网络进行正向计算，求出网络对每个样本在输出层的输出误差，然后根据第三步的校正公式反向传播对连接权值进行修正，完成一个样本的学习过程。在完成一轮样本的学习后，将所得各样本的误差求和取其平均值，如果平均误差没有达到预定的精度，则进行新一轮学习，直到满足精度要求。（２）目标识别过程

网络学习完成后，将目标的每一特征量规格化后输入网络，然后将网络输出结果与每一类期望输出值进行比较，将像素判决分类到误差最小的一类。

由于实验缺乏数据，对于识别样本的训练无法按照真实数据进行，但实验采用了另外的数据验证了网络的正确性，因此在这里无法给出识别的结果。

４．３基于独立成分分析的高光谱图像检测

诸多研究结果表明：背景、真实目标以及干扰目标的光谱辐射、反射特性在不同的波段内存在显著差异。具体表现为：自然背景与某些目标的辐射可以近似为灰体辐射，目标的多光谱图像在毗邻的子波段具有高度相关性；干扰物的辐射却具有很大的选择性，其辐射强度在不同的子波段内分布差异明显，各个波段内的图像信息相关性很低。本文就是基于高光谱图像能比较真实、全面的反映自然界中各种地物所固有的光谱特性及其之间的差异性的特点，对具有相似形态的真