高光谱数据的制图方法简介.docxVIP

高光谱数据的制图方法简介ENVI软件在Spectral菜单中提供许多波谱制图方法，包括：二进制编码、波谱角制图、线性波段预测(LS-Fit)、线性波谱分匹配滤波、混合调制匹配滤波、包络线去除，以及波谱特征拟合等。本文主要介绍几种高光谱数据处理的过程操作。1.二进制编码二进制编码分类技术根据波段值落在波谱均值的下方或上方，将数据和端元分别编码为0和1。在编码过程中，使用一个高级的（exclusive）OR函数，用于将需要编码的数据波谱与参照波谱相比较，从而生成一幅分类图像。选择菜单栏Spectral—Mapping Methods—Binary Encoding。在打开的窗口设置参数如下：图1-1 二进制编码分类参数设置注意：“OutputRuleImages”切换按钮被设置为“No”，规则图像将不被保存。分类结束后，规则图像将出现在可用波段列表中，可以在任何显示窗口中显示（或链接/覆盖），并可以使用ENVI的像元位置/值功能进行查询。结果显示如图1-2：图1-2 原影像图（左）与二进制编码分类结果图（右）2. 波谱角分类波谱角分类(SAM)是一种基于自身的波谱分类方法，这种方法将图像波谱与参照波谱在N-维空间进行匹配。SAM用到的参照端元波谱可以来自于ASCII文件、波谱库、统计文件或直接从图像中抽取（如ROI均值波谱），本实验中用的是ROI均值波谱。SAM把端元波谱（被认为是一个N维向量，N维波段数）和像元向量放在n维空间中进行角度比较。较小的角度代表象元与参照波谱匹配紧密。这一技术用于数据定标时，对照度和反照率的影响并不敏感。选择菜单栏Spectral—MappingMethods—SpectralAngleMapper。设置参数如图2-1，波谱角分类结果，如图2-2：图2-1 波谱角分类参数设置图2-2 波谱角分类结果影像3.LS-Fit(线性波段预测)LS-Fit使用一个最小方框（least squares）拟合技术来进行线性波段预测。它可以用于在数据集中找出异常波谱响应区。LS-Fit先计算出输入数据的协方差，用它对所选的波段进行预测，预测值等于所用预测波段的线性组合再加上一个偏移值，在该过程中计算了实际波段和模拟波段之间的残差，并输出为一幅图像。残差大的像元（无论正负）表示出现了不可预测的迹象（即一个吸收波段）。模拟波段的图像也被包括在输出中。被预测的波段可以根据现有统计或新的统计进行计算。3.1用新的统计信息进行预测选择Spectral--MappingMethods--LS-Fit(LinearBandPrediction)—PredictwithnewStatistics。选择输入文件，根据需要选取空间子集。将出现LS-FitParameters对话框。设置参数如图3-1：图3-1 用新的统计信息进行预测的参数设置输出包含两个波段：模拟波段和残差图像。残差图像中，值较大的像元，无论正负，都表明了所在位置的实际波段和模拟波段的差异。预测结果如图3-2：图3-2 用新统计信息进行预测的模拟波段（左）和残差图像（右）3.2根据现有统计信息进行预测使用PredictfromExistingStats选项可以根据现有的统计文件对波段进行预测。注意：只有在统计文件中包含协方差值的波段才能作为预测波段或模拟波段。选择Spectral--Mapping Methods--LS-Fit(Linear Band Prediction)--Predict from Existing Stats。选择输入文件，根据需要选取空间子集,选择与输入的数据文件相对应的统计文件,这里用到3.1中生成的统计文件。在出现LS-FitParameters对话框，只有统计计算中用到的波段才可以被选为预测波段或模拟波段。设置参数如图3-3：图3-3用现有的统计信息进行预测的参数设置输出包含的两个波段：模拟波段和残差图像。残差图像中，值较大的像元，无论正负，都表明了所在位置的实际波段和模拟波段的差异。预测结果如图3-4：图3-4 根据现有统计信息进行预测的模拟波段（左）和残差图像（右）由图3-2和图3-4得：两种预测方法结果类似，区别不大。4.匹配滤波使用Matched Filtering选项可以进行局部分离，用于确定用户自定义端元的权重。该方法并不需要图像中所有的端元都是已知的。这项技术使已知端元的响应最大化，并抑制了未知背景合成的反应，因此“匹配”了已知信号。它根据图像要素对波谱库或图像端元波谱的匹配程度，无需对图像中所有端元波谱进行了解，就可以快速探测出特定要素。选择菜单栏Spectral--Mapping Methods--Matched Filtering。当出现 Matched Filter Input File selection 对话