利用高光谱数据进行地物识别分类研究.pdfVIP

第37卷第3期 光子学报 V01．37No．3 2008年3月 ACTAPHoToNICASINICA March2008 利用高光谱数据进行地物识别分类研究* 王志平1’2，杨建峰1，薛彬1’2，陈永聪1’2 (1中国科学院西安光学精密机械研究所，西安7101】9) (2中国科学院研究生院，北京100039) 摘要：分析了传统统计分类方法在高光谱影像地物分类中的弊端，提出并详细讨论了基于端元的 监督分类技术．利用端元监督分类技术对LASIS高光谱影像进行分类，同时应用IsoData非监督 分类技术即自动迭代聚类对高光谱影像进行分类．分析比较了两种分类结果，表明基于端元的监督 分类技术更能满足对地物识别分类的需要． 关键词：高光谱；端元；识别；分类；LASIS 中图分类号：TP79 文献标识码：A 文章编号：1004-4213(2008)03-0561-5 O 引言 利用了“降维”后的数据进行了非监督分类．利用了 西安光机所研制的高光谱成像仪的实验数据，对影 高光谱成像技术的发展是上世纪末对地观测的 像所覆盖的地物进行了基于端元的监督分类和 重大突破，是当前遥感领域前沿技术[1]．高光谱成像 IsoData非监督分类，并对两者结果进行了比较． 波段数目多达几百个，光谱分辨率高达几个纳米，包 1 实验数据 含丰富的空间、辐射和光谱信息[2]．高光谱在获得空 间地物图像的同时，每个像元可以获得一条“连续” 实验仪器为西安光机所自行研制的大孔径静态 的光谱曲线口]，所以高光谱遥感成为地面信息获取， 干涉成像光谱仪(LASIS)，具有高能量通光力和光 地物识别分类，矿物丰度绘制的有力工具．尽管高光 谱分辨率．波长范围覆盖了可见光和近红外波段，包 谱可以提供丰富的地面信息，但其较多的波段数使 nm．本文采用的 含128个波段，光谱分辨率可达3 其数据量巨大，造成目前高光谱数据处理应用水平 影像大小为324MB，包含了丰富的地物资料，不同 还远远滞后于成像光谱仪本身的发展． 材料建造的房屋、汽车、草地、小树、水泥路(有阴影 高光谱可以提供地物连续光谱信息[4]，因而在 和无阴影部分)等等．对ENVI提供的数据库进行了 高光谱出现初期人们就研究如何利用“光谱信息”进 重采样使其与实验数据的光谱相匹配．在没有地面 行地物识别分类．传统的分类技术处理高光谱高维 样本信息情况下，完全依靠图像本身数据对影像进 数据时非常费时，更为严重的是传统的分类技术是 行分类，期望达到不同种类的地物完全分开． 基于统计模式进行得，例如最小距离分类法，最大似 2基于端元的监督分类方法 然分类法．在分类的过程中一次和二次统计量(均值 和协方差)都扮演重要角色．由于高光谱波段数增加 图1为基于端元的高光谱影像处理流程嘲，针 导致数据维数急剧增加，因而用于参量估计所需的 对所处理影像的特点增加了最优波段选取．端元代 训练样本数目也急剧增加．如果训练样本数目满足 表一种物质或者材料具有唯一的光谱特性”]．理想 不了特征空间维数增加的要求，则估计出的统计量 情况下，一个端元代表一种纯净的物质，但是事实上 准确度就难以保证，也就得不到满意的分类结果．最 终导致的结果就是，当训练样本数目一定时，随着高 光谱影像维数的增加，分类准确度“先升后降”，即产