高光谱知识大全

分享到:
点击量: 138908

高光谱遥感的特点

  (1)波段多,波段宽度窄。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。与传统的遥感相比,高光谱分辨率的成像光谱仪为每一个成像象元提供很窄的(一般<10nm) 成像波段,波段数与多光谱遥感相比大大增多,在可见光和近红外波段可达几十到几百个,且在某个光谱区间是连续分布的,这不只是简单的数量的增加,而是有关地物光谱空间信息量的增加。

  (2)光谱响应范围广,光谱分辨率高。成像光谱仪响应的电磁波长从可见光延伸到近红外,甚至到中红外。成像光谱仪采样的间隔小,光谱分辨率达到纳米级,一般为10nm左右。精细的光谱分辨率反映了地物光谱的细微特征。

  (3)可提供空间域信息和光谱域信息,即“谱像合一”,并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。在成像高光谱遥感中,以波长为横轴,灰度值为纵轴建立坐标系,可以使高光谱图像中的每一个像元在各通道的灰度值都能产生1 条完整、连续的光谱曲线,即所谓的“谱像合一”。

  (4)数据量大,信息冗余多。高光谱数据的波段众多,其数据量巨大,而且由于相邻波段的相关性高,信息冗余度增加。

  (5)数据描述模型多,分析更加灵活。高光谱影像通常有三种描述模型:图像模型、光谱模型与特征模型。

  

高光谱遥感的优势

  高光谱遥感的光谱分辨率的提高,使地物目标的属性信息探测能力有所增强。因此,较之全色和多光谱遥感,高光谱遥感有以下显著优势:

  (1)蕴含着近似连续的地物光谱信息。高光谱影像经过光谱反射率重建,能获取地物近似连续的光谱反射率曲线,与地面实测值相匹配,将实验室地物光谱分析模型应用到遥感过程中。

  (2)地表覆盖的识别能力极大提高。高光谱数据能够探测具有诊断性光谱吸收特征的物质,能够准确区分地表植被覆盖类型、道路的铺面材料等。

  (3)地形要素分类识别方法灵活多样。影像分类既可以采用各种模式识别方法,如贝叶斯判别、决策树、神经网络、支持向量机等,又可以采用基于地物光谱数据库的光谱匹配方法。分类识别特征,可以采用光谱诊断特征,也可以进行特征选择与提取。

  (4)地形要素的定量或半定量分类识别成为可能。在高光谱影像中,能估计出多种地物的状态参量,提高遥感高定量分析的精度和可靠性。

  

高光谱遥感的三个空间级别

  1、航天级别:星载遥感(planet-borne)距离地面150公里以上。这是一种典型的高光谱遥感应用,也是高光谱技术(成像光谱技术)的*初应用,它是把成像光谱仪安装于卫星上,对地球目标进行高光谱遥感探测。工作距离通常是几万公里以上,我国的神舟七号飞船就成安装类似的成像光谱仪。使用的成像光谱仪非常庞大,每次实验的费用非常巨大。

  2、航空级别:机载遥感(Airborne)距离地面100-到十多公里的距离。使用小型飞机或无人机作为光谱仪的搭载平台,是目前主要的遥感成像工作方法。它使用的成像光谱仪体积小。但是要获得比较好的实验结果并不容易,需要精确的GPS和惯导定位,高性能的计算机和高频率的拍摄速度。

  3、地面级别:这种应用的主要领域是地面或高度不高于50m的空间成像。它不再是像前两种那样动态的成像,而是通常静态成像,比较常见的是农业应用和是实验室高光谱成像。但是也有把推扫式成像光谱仪放置在地面,配备旋转位移台或线形位移台,以产生两种效果:成像光谱仪运动而待测物目标静止,或者成像光谱仪静止而待测目标运动的效果。

  目前,实际科研过程中,常用的是航空级别(动态成像)和地面级别的高光谱遥感成像(静态成像)。现在,可以这样认为:动态的测量应用就需要使用推扫式成像方式获取图像,静态测量应用需要使用波长扫描式获取高光谱图像。

  

高光谱遥感成像技术

  多光谱成像仅仅以几个连续的光谱波带成像对于我们研究环境就如此有用,为什么不把波带数拓展更多,把光谱分辨率拓展更细呢?高光谱分辨率遥感是利用成像光谱仪获得感兴趣的物体很窄的(通常波段宽度<10nm)完整而连续的光谱数据。高光谱成像将成像技术与光谱技术结合在一起,在对目标的空间特征成像的同时,对每个空间像元经过色散形成几十乃至几百个窄波段以进行连续的光谱覆盖,这样形成的遥感数据可以用“图像立方体”来形象的描述。同传统遥感技术相比, 其所获取的图像包含了丰富的空间,辐射和光谱三重信息。

  高光谱遥感技术特点:

  (1) 波段多——可以为每个像元提供几十、数百甚至上千个波段;

  (2) 光谱范围窄——波段范围一般小于10nm;

  (3) 波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱;

  (4) 数据量大——随着波段数的增加,数据量成指数增加;

  (5) 信息冗余增加——由于相邻波段高度相关,冗余信息也相对增加。

  因此,一些针对传统遥感数据的图像处理算法和技术,如特征选择与提取、图像分类等技术面临挑战。如用于特征提取的主分量分析方法,用于分类的**似然法、用于求植被指数的NDVI算法等等,不能简单地直接应用于高光谱数据。高光谱遥感有利于利用光谱特征分析来研究地物,有利于采用各种光谱匹配模型,有利于地物的精细分类与识别。

友情链接:1863  7490  2041  5848  8629