提出協(xié)同分層波譜識別法,分別從蘭州、榆林市Hyperion高光譜圖像上識別9種目標(biāo)地類,并與SVM監(jiān)督分類對比。針對Hyperion圖像波譜識別的4個難點:光譜信息高保真融合、敏感譜段提取、"椒鹽效應(yīng)"去除、消除"同物異譜"現(xiàn)象導(dǎo)致的誤判,協(xié)同應(yīng)用WP-GS融合、導(dǎo)數(shù)變換、4尺度面向?qū)ο蠓指詈投嘧V段SAM解決上述難點,并基于Hyperion導(dǎo)數(shù)變換圖像分析波譜變化特征、提取敏感譜段、從4個尺度層依次識別9種目標(biāo)地類,然后根據(jù)目視評判和定量評價,與綜合使用Gram-Schmidt光譜銳化融合/Savitzky-Golay卷積濾波/PCA變換的SVM監(jiān)督分類結(jié)果比較識別精度。實驗結(jié)果表明WP-GS融合的光譜保真效果優(yōu)于Gram-Schmidt光譜銳化;4尺度面向?qū)ο蠓指钜种?椒鹽效應(yīng)"的效果優(yōu)于Savitzky-Golay卷積濾波、移動均值濾波;多譜段SAM利用導(dǎo)數(shù)波譜特征能夠消除因照度不同對同一類別地物的誤判。采用協(xié)同分層波譜識別法,蘭州市Hyperion圖像波譜識別的總體精度、Kappa系數(shù)分別為89. 52%、0. 852,較SVM分類分別提高18. 68%和17. 52%;榆林市H... 

【文章來源】：紅外與毫米波學(xué)報. 2020,39(01)北大核心EISCICSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

蘭州、榆林兩地EO-1/Hyperion圖像（a）蘭州市七里河區(qū)圖像（b）榆林市榆陽區(qū)圖像（c）面向?qū)Ψ指畈僮鹘缑?br>

圖2 分層波譜識別法的技術(shù)路線

當(dāng)前，Gram-Schmidt光譜銳化融合是高光譜遙感圖像最常用的融合方法[16,19-20]（算法過程如圖3(a)),WP-GS方法針對該方法在處理模擬全色圖像和實際全色圖像時存在的2個問題進(jìn)行了改進(jìn)：（1)Gram-Schmidt光譜銳化融合通常以Hyperion圖像的152個波段的平均值[19-20]作為模擬全色圖像，再與Hyperion圖像152個波段重新組合后進(jìn)行GS變換，并作為第1分量（即GS1分量）被實際全色圖像ALI-band 1替換（GS變換前、后，GS1分量，即模擬全色圖像不發(fā)生變化）。然而，以152個波段的平均值作為模擬全色圖像，其光譜信息與實際全色圖像ALI-band 1存在顯著差異，當(dāng)它作為GS1分量被ALI-band 1替換后再進(jìn)行GS反變換，生成融合圖像，融合圖像各波段的光譜信息與源Hyperion圖像相比，會存在一定程度失真，進(jìn)而導(dǎo)致目標(biāo)地物的波譜特征發(fā)生畸變，影響后續(xù)波譜識別算法的準(zhǔn)確性和可靠性。鑒于此，本文提出WP-GS方法，對Hyperion圖像152個波段進(jìn)行主成分變換，然后提取主成分變換生成的第一分量（PCA1）作為模擬全色圖像，之后以PCA1作為GS1分量進(jìn)行GS變換，并被實際全色圖像ALI-band 1替換。由于PCA1占源Hyperion圖像152個波段總體方差信息的80%以上，反映了Hyperion圖像總體亮度特征[20-21]，較之152個波段的平均值，其空間結(jié)構(gòu)特征與實際全色圖像ALI-band 1的空間結(jié)構(gòu)特征更為接近，信息量特性差異更小。當(dāng)用ALI-band 1替換PCA1后再進(jìn)行GS反變換，進(jìn)而生成融合圖像，會減小融合圖像各波段的光譜信息失真程度。(2)Gram-Schmidt光譜銳化在融合過程中，不對實際全色圖像ALI-band 1做任何濾波處理，就直接用其替換Hyperion圖像經(jīng)GS變換后的GS1分量，這會使得融合后圖像各波段包含較多的ALI-band 1的低頻光譜特征，導(dǎo)致融合圖像光譜信息失真。為此，WP-GS方法先利用小波變換的分頻功能（單尺度），把ALI-band 1和GS1都分解出水平、垂直、對角線這3個方向的高頻帶小波系數(shù)（表達(dá)圖像3個方向上空間結(jié)構(gòu)特征），和1個低頻帶小波系數(shù)（對應(yīng)圖像DN值緩慢變化的成分，表達(dá)圖像整體光譜特征）；再以ALI-band 1的各高頻帶小波系數(shù)替換GS1分量對應(yīng)的各高頻帶小波系數(shù)（如圖3(b）），從而形成新GS1分量。如此，僅使得ALI-band 1中決定圖像清晰度的高頻空間結(jié)構(gòu)特征調(diào)制到新GS1分量中，而把ALI-band 1的低頻光譜特征排除在外。之后，再讓新GS1分量和其余的GS分量重新組合進(jìn)行GS反變換，生成融合后的Hyperion圖像。融合后的Hyperion圖像的152個波段則僅繼承了ALI-band 1的高頻空間結(jié)構(gòu)特征，以提升其圖像清晰度。

【參考文獻(xiàn)】：
期刊論文
[1]基于子空間中主成分最優(yōu)線性預(yù)測的高光譜波段選擇[J]. 吳一全,周楊,盛東慧,葉驍來.  紅外與毫米波學(xué)報. 2018(01)
[2]三江源典型區(qū)草地退化Hyperion高光譜遙感識別研究[J]. 安如,陸彩紅,王慧麟,姜丹萍,孫夢秋,Jonathan Arthur Quaye Ballard.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2018(03)
[3]基于高光譜影像的SG濾波算法的研究[J]. 何英杰,謝東海,鐘若飛.  首都師范大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[4]一種基于局部密度的高光譜異常檢測背景純化方法（英文）[J]. 趙春暉,王鑫鵬,姚淅峰,田明華.  Journal of Central South University. 2018(01)
[5]公路路面質(zhì)量遙感監(jiān)測研究進(jìn)展[J]. 潘一凡,張顯峰,童慶禧,孫敏,羅倫.  遙感學(xué)報. 2017(05)
[6]一種新的用于高光譜圖像小目標(biāo)探測的目標(biāo)光譜學(xué)習(xí)算法[J]. 鈕宇斌,王斌.  紅外與毫米波學(xué)報. 2017(04)
[7]高光譜遙感圖像非線性解混研究綜述[J]. 楊斌,王斌.  紅外與毫米波學(xué)報. 2017(02)
[8]紅外高光譜成像儀的系統(tǒng)測試標(biāo)定與飛行驗證[J]. 王建宇,李春來,呂剛,袁立銀,王躍明,金健,陳小文,謝峰.  紅外與毫米波學(xué)報. 2017(01)
[9]中國高光譜遙感的前沿進(jìn)展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報. 2016(05)
[10]若干高光譜成像新技術(shù)及其應(yīng)用研究[J]. 王躍明,賈建鑫,何志平,王建宇.  遙感學(xué)報. 2016(05)



本文編號：3326980