高光谱遥感第四章程序.ppt

3、光谱特征提取 最小噪声分离（Minimum Noise Fraction，MNF）变换 MNF变换使变换后各成份按照信噪比而不是方差从大到小的顺序来排列。 高光谱图像的每个观测像元Z由理想状况下的无噪声信号向量S和噪声向量N组成, Z可以表示为： Z=S+N 第四章 光谱特征分析模型与方法 第四章 光谱特征分析模型与方法 4、光谱特征参量化 光谱形态学分析－－－光谱特征参量化 （1）光谱斜率和坡向 （2）光谱二值编码 （3）光谱导数 （4）光谱积分 （5）光谱吸收指数（吸收位置、吸收深度、吸收宽度、对称性） （6）光谱曲线函数模拟 第四章 光谱特征分析模型与方法 4、光谱特征参量化 （1）光谱斜率和坡向 在光谱区间[λ1, λ2]，模拟出的直线段如下： R=aX+b, X ∈ [λ1, λ2] 则， 第四章 光谱特征分析模型与方法 4、光谱特征参量化 （2）光谱二值编码 第四章 光谱特征分析模型与方法 4、光谱特征参量化 （3）光谱导数 第四章 光谱特征分析模型与方法 4、光谱特征参量化 （4）光谱积分 第四章 光谱特征分析模型与方法 4、光谱特征参量化 （5）光谱吸收指数 第四章 光谱特征分析模型与方法 4、光谱特征参量化 （6）光谱曲线函数模拟 植被可见光光谱反射率（VVSR）模型 植被红边反射波形（670-800nm）用倒高斯模型(IG)来定量描述： 第四章 光谱特征分析模型与方法 4、光谱特征参量化 倒高斯模型(IG)数据模拟 第四章 光谱特征分析模型与方法 4、光谱特征参量化 倒高斯模型(IG)数据模拟 线性拟合 在670～685nm和780～795nm范围内确定Ro和Rs，然后在685～780nm范围内用最小二乘法估计其余两个模型参数λ0和σ（或λp） 利用R0和Rs两个参数在和λ之间用最小二乘法进行线性拟合估计最佳系数a1和a0。 第四章 光谱特征分析模型与方法 4、光谱特征参量化 第四章 光谱特征分析模型与方法 5、地物类型序列光谱柱状图 属于同一地物类型序列的地物一般具有以下特点： (1)属于同一个典型地物大类； (2)包含的物理化学成分和特性相近，仅各成分占有的比例不同； (3)地物内部组织结构相似，外部形态略有差异； (4)在光谱曲线形态上，它们具有大致相似的波形。 第四章 光谱特征分析模型与方法 5、地物类型序列光谱柱状图 设某地物类型序列中包含n种地物，对应到λ1- λm波长有如下反射率矩阵： 第四章 光谱特征分析模型与方法 5、地物类型序列光谱柱状图 光谱柱状图在地质研究中的应用 以吐鲁番背斜的14套底层为例 第四章 光谱特征分析模型与方法 光谱可分性准则 光谱特征选择 光谱特征提取 光谱特征参量化 地物类型序列光谱柱状图 第四章 光谱特征分析模型与方法 1、光谱可分性准则 各类样本间的平均距离 类别间的相对距离 离散度 Jeffries-Matusita(J-M)距离 第四章 光谱特征分析模型与方法 各类样本间的平均距离 各类样本间的距离越大，则类别可分性越大。 1、光谱可分性准则 第四章 光谱特征分析模型与方法 1、光谱可分性准则 第四章 光谱特征分析模型与方法 类别间相对距离 在Swain著作中有一种比较简单的相对距离， Swain把这种相对距离称为归一化均值距离。 分类误差随归一化距离 的变化情况： a两个有重叠的正态分布 b平均距离增加减小分类 错误概率 c分布的离散度增加使分类 错误概率增加 1、光谱可分性准则 第四章 光谱特征分析模型与方法 离散度 相对距离是基于类间距离和类内方差，离散度 则是基于类条件概率之差。 1、光谱可分性准则 第四章 光谱特征分析模型与方法 1、光谱可分性准则 J-M距离 从公式中可以看出J-M距离其实就是两类概率密度函数之差。 第四章 光谱特征分析模型与方法 1、光谱可分性准则 第四章 光谱特征分析模型与方法 2、光谱特征选择 就是针对特定对象选择光谱特征空间中的一个子集，这个子集是一个缩小了的光谱特征空间，但它包括了该对象的主要特征光谱，并在一个含有多种目标对象的组合中，该子集能够最大限度地区别