一种多光谱遥感数据最佳波段选择方法.docxVIP

一种多光谱遥感数据最佳波段选择方法 1 多光谱遥感应用中最佳段段的选择 高光谱遥感数据的波幅很多，数据很大，这很难处理和解释。为快速、准确地从这些数据中提取资源与环境信息,识别不同的物质,揭示目标的本质,往往需要依据实际应用的具体要求,选择最佳波段进行处理和解译。一方面,这样就可以抓住问题的要害,减少工作量,快速得到所需结果;另一方面,高光谱遥感数据需要通过处理,变成可视化的信息而被人理解,而人眼对彩色图像比对全色图像的识别能力强,所以,根据具体的应用要求来选择最佳遥感波段的图像信息组成彩色图像进行解译是很重要的。 对于多光谱遥感应用中的最佳波段选择问题,已有多篇文章分别提出了熵、联合熵、协方差矩阵行列式值以及最佳指数等多种不同的方法。那么,上述模型、方法在高光谱遥感数据最佳波段选择过程中是否依然有效?它们之间有什么样的内在联系?分别适用于什么样的条件?反映客观实际的精度如何?是否还有适合于高光谱遥感数据最佳波段选择的其它方法?若有,其模型是什么?物理意义怎样?诸如此类问题,在高光谱遥感应用研究中非常重要,本文将对这些问题作以探讨。 2 彩色图像合成覆盖件的选择规则 高光谱遥感图像解译在相当大的程度上仍依赖于目视解译。由于人眼对彩色敏感且分辨能力强,故应充分利用信息丰富的彩色合成图像进行目标判读。一般的数字图像处理系统都采用三色合成原理形成彩色图像,即在3个通道上安置3个波段图像,然后分别赋以红、绿、蓝色,叠合在一起形成彩色图像。对于n波段图像,选择其中3个波段的方法数为n*(n-1)*(n-2)/3!种,再考虑每个波段有3种原色可选,这样就可以组合成n*(n-1)*(n-2)种彩色图像。对于具有几十个乃至几百个波段的高光谱遥感数据,如单纯用试验的方法来选择,显然是不可取的。所以,需要解决最佳波段选择问题。选择的原则有两点:①所选择的波段或波段组合的信息量最大;② 所选择的波段或波段组合使得某些地物类别之间最容易区分。 2.1 辐射特性的各段或多段所对应的信号不清 一般来说,选择波段的一个主要依据是该波段的辐射量的方差应尽可能大,因为方差的大小体现了所含信息的多少。但由于景物各波段的辐射特性之间的相关性,用3个方差最大的波段合成的结果并不一定能获得最多的信息。当三者之间相关很强时,各波段所包含的信息之间有着大量的重复和冗余。因此,选择3个波段的组合时,必须同时考虑方差要大而相关性要小这样两个条件,即考虑组合图像的熵最大。 2.1.1 ilolol2i种式 根据仙农信息论的原理,一幅8 bit表示的图像X的熵为: H(X)=?∑i=0255Pilog2Pi(bit)Η(X)=-∑i=0255Ρilog2Ρi(bit) 式中:X为输入图像,Pi为图像像素灰度值为i的概率。同理,3个波段图像的联合熵分别为: H(x1,x2,x3)=?∑i1,i2=0255Pi1,i2,i3log2Pi1,i2,i3Η(x1,x2,x3)=-∑i1,i2=0255Ρi1,i2,i3log2Ρi1,i2,i3 这样,对所有可能的波段组合计算其联合熵,并按照从大到小的顺序进行排列,则最佳波段选择问题就得到解决。 2.1.2 协方差矩阵ms的估计 在正态分布条件下有: Pi(x)=1/Ksexp[?(x?xˉ)TM?1s(x?xˉ)]Ρi(x)=1/Κsexp[-(x-xˉ)ΤΜs-1(x-xˉ)] 其中:Κx=(2π)N/2|Ms|1/2,Ms为样区协方差矩阵,x为图像变量,N为波段数,M为样区的像元总数。 遥感数据像元变量近似正态分布,故有: S=ln(Ks)+12∑i=1MxT*M?1s*Pi(x)S=ln(Κs)+12∑i=1ΜxΤ*Μs-1*Ρi(x) 对于无偏估计,由上式得到: S=N2+ln(Ks)=N2+N2ln(2π)+12ln|Ms|S=Ν2+ln(Κs)=Ν2+Ν2ln(2π)+12ln|Μs| 由此可以看出,图像熵随变量协方差矩阵Ms的行列式值的变化而变化。因此,通过计算3个波段组合的协方差矩阵行列式,其数值的大小就反映了组合波段的信息量的大小。 2.1.3 oif组合方案 因为图像数据的标准差越大,所包含的信息量也越大,而波段间的相关系数越小,表明各波段图像数据的独立性越高,信息的冗余度越小。故也可采用美国查维茨提出的最佳指数(OIF)的概念,即 OIF=∑i=13Si/∑j=13|Rij|ΟΙF=∑i=13Si/∑j=13|Rij| 其中:Si为第i个波段的标准差,Rij为i、j两波段的相关系数。 对n波段图像数据,计算其相关系数矩阵,再分别求出所有可能三组合波段对应的OIF。OIF越大,则相应组合图像的信息量越大。对OIF按照从大到小的顺序进行排列,即可选出最优组合方案。 若仅对某些特定的区域感兴趣,则可以定义兴趣区域,并只