高光譜成像仿真與管理系統(tǒng)技術(shù)報告-文庫吧
2025-01-03 23:47 本頁面
【正文】 擬。在整個光譜成像仿真中，需要綜合考慮場景中地物的幾何分布、地物的光譜輻射特性、成像時的大氣條件、傳感器光學(xué)系統(tǒng)、探測器、電子系統(tǒng)等對遙感成像的影像。遙感成像技術(shù)的成像過程設(shè)計的因素復(fù)雜，不同地物、大氣條件、觀測傳感器對獲取的結(jié)果影響很大。如何正確仿真這些復(fù)雜過程，是遙感成像仿真的關(guān)鍵所在。遙感成像仿真是基于遙感成像機理，模擬某種成像條件下（大氣條件、傳感器平臺）地物在成像系統(tǒng)中生成的遙感圖像，仿真圖像中既包含了地物的幾何特性也包含了地物的光譜特性。遙感圖像仿真包含以下幾個重要的過程：（1） 建立場景的三維模型，獲得場景的空間幾何結(jié)構(gòu)和相應(yīng)地物的光譜屬性；（2） 根據(jù)成像機理，將像元按照成像空間分變率劃分為不同地物屬性、不同法向量的三維場景面元；（3） 根據(jù)輻射理論，建立場景中每個面元的輻射模型，并根據(jù)像元中所有面元之間的三維幾何結(jié)構(gòu)，計算像元內(nèi)各面元之間的相互輻射；（4） 考慮遙感成像時的大氣條件，根據(jù)大氣的輻射傳輸特性，計算大氣對輻射傳輸?shù)挠绊?；?） 模擬傳感器對地物輻射能量的響應(yīng)，即每個通道內(nèi)輻射能量的積分累加。 成像原理 高光譜圖像是將地物的波段光譜和相應(yīng)的空間圖像圖像有機結(jié)合的三維圖像，其豐富的光譜信息大大提高了目標(biāo)的檢測能力，因此，針對高光譜圖像進(jìn)行目標(biāo)檢測已成為遙感技術(shù)的一個重要應(yīng)用研究方向。然而，由于成像光譜儀的空間分辨率一般比較低，導(dǎo)致高光譜圖像中普遍存在混合像元?；旌舷裨獑栴}對地物的檢測和識別提出了很大的挑戰(zhàn)，是高光譜圖像目標(biāo)檢測方法面臨的一個亟待解決的難點。因此，針對高光譜圖像像元級目標(biāo)檢測的研究是當(dāng)前遙感技術(shù)深入發(fā)展的關(guān)鍵問題之一。在系統(tǒng)分析前人研究成果的基礎(chǔ)上，本文著眼于如何改進(jìn)現(xiàn)有的線性光譜混合模型算法，及重點研究如何運用核方法將經(jīng)典的基于線性光譜混合模型的目標(biāo)檢測算法擴展到非線性特征空間，解決非線性光譜解混難的問題。 自從高光譜遙感技術(shù)被提出以來，利用高光譜圖像進(jìn)行目標(biāo)檢測一直是遙感技術(shù)研究和應(yīng)用的熱點，而充分利用高光譜圖像豐富的光譜維進(jìn)行目標(biāo)檢測的技術(shù)越來越受到人的重視。高光譜圖像所攜帶的光譜信息提供了區(qū)別地物光譜細(xì)微差別的能力，使人們可以辨別諸如樹木的種類、道路的類型、不同濕潤度的土壤等地物以及在軍事上可鑒別偽裝的目標(biāo)或誘餌目標(biāo)。高光譜憑借：1).具有光譜識別和鑒別目標(biāo)的能力，對圖像空間分辨率的要求不高。2).借助光譜信息可以在場景中區(qū)分真實和誘餌目標(biāo)。3).具有在復(fù)雜背景條件下自動檢測圖像異常的能力的優(yōu)勢。民用上，如礦產(chǎn)勘查、植被生長監(jiān)測、大氣成分檢測等；軍事上，在戰(zhàn)場目標(biāo)偵察、目標(biāo)反偽裝、地雷探測、毒氣戰(zhàn)劑探測等方面都顯示出良好的性能和獨特的優(yōu)勢。人們在高光譜影像目標(biāo)檢測方面提出過許多算法，從算法處理的空間出發(fā)，可分為光譜空間目標(biāo)檢測與特征空間目標(biāo)檢測；從算法處理的目標(biāo)特性出發(fā)，這些方法可以分為純像元級目標(biāo)檢測和亞像元級目標(biāo)檢測。 基于光譜空間的檢測算法是比較傳統(tǒng)和常用的高光譜圖像目標(biāo)檢測算法。常用的有光譜匹配、光譜微分及混合光譜分解等算法?；诠庾V空間的檢測算法需要預(yù)先知道感興趣目標(biāo)的實測光譜參數(shù)，然后與圖像中的像元進(jìn)行光譜參數(shù)匹配、分解等操作進(jìn)而檢測目標(biāo)。該類方法優(yōu)點是簡單、易懂；缺點是存在光譜重建和光譜變化不確定性。 通過提取不同地物在同一圖像上呈現(xiàn)的不同特征，進(jìn)而實現(xiàn)目標(biāo)的檢測與識別。首先應(yīng)該將目標(biāo)特征與背景特征間的分布差異分析出來，再通過相應(yīng)的特征提取算法突出目標(biāo)的結(jié)構(gòu)，最后應(yīng)用圖像分割算法檢測出目標(biāo)。 純像元目標(biāo)檢測是相對背景而言的，當(dāng)目標(biāo)大小足夠大時，在統(tǒng)計高光譜圖像中的各項指標(biāo)（如均值，標(biāo)準(zhǔn)差，協(xié)方差等）當(dāng)中，目標(biāo)的存在是不能忽略的。傳統(tǒng)的基于光譜曲線特征的算法，如二值編碼匹配、光譜角填圖（SAM）、最小距離檢測、光譜微分等只能應(yīng)用于純像元的目標(biāo)檢測。 亞像元目標(biāo)檢測中的目標(biāo)也是相對于背景大小而言的，即亞像元中的目標(biāo)成分十分微小時，可能只占半個像元空間或更少。因此，在評估高光譜圖像中的上述各項指標(biāo)當(dāng)中，目標(biāo)的存在均可忽略。針對亞像元的目標(biāo)檢測，有些純像元的目標(biāo)檢測算法就不再適用，如將純像元級的目標(biāo)檢測算法應(yīng)用于混合像元的目標(biāo)檢測，則目標(biāo)信號可能早已淹沒在光譜噪聲中。而數(shù)據(jù)降維的方法可能將小目標(biāo)當(dāng)噪聲剔除掉，也無法像基于光譜特征識別的算法那樣只通過幾個特征就能判斷目標(biāo)是否存在。 通過成像光譜儀獲得的高光譜遙感圖像數(shù)據(jù)相對于其它遙感圖像數(shù)據(jù)的優(yōu)勢是它除了具有二維的平面圖像之外，增加了包含了地物的光譜信息的光譜維度，從而形成了一個三維數(shù)據(jù)立方體，蘊含了豐富的圖像信息及光譜信息高光譜遙感數(shù)據(jù)可以從不同的角度來解讀，從其光譜維來看，每個波段可以看作一個二維的地物空間分布圖像；從空間成像維來看，圖像中每個像元都包含有一個連續(xù)的、反映地物類別信息的光譜曲線。高光譜遙感不同于多光譜數(shù)據(jù)的特點在于：(1) 光譜分辨率很高。在可見光短波紅外譜段連續(xù)成像，其分辨率可達(dá)到納米級(10nm~20nm)；(2) 圖譜合一。高光譜遙感圖像將地物空間、光譜和輻射信息融合到一起，具有更加豐富的地物類別信息；(3) 光譜連續(xù)性。由于成像光譜儀的光譜通道較多，每個像元在一定范圍內(nèi)具有精細(xì)、連續(xù)的光譜曲線，該曲線能真實反映波譜能量百分比隨波長變化的規(guī)律；(4) 高維度數(shù)據(jù)。高光譜數(shù)據(jù)維度隨波段數(shù)的增加而增加；(5) 波段間信息相關(guān)性較高，隱含特征豐富。 由于高光譜遙感信息處理是對高維信息與特征的處理，具有復(fù)雜性、多樣性和海量性的特點，多光譜影像的處理算法不能直接應(yīng)用于高光譜數(shù)據(jù)處理中。因此，研究利用高光譜數(shù)據(jù)處理、分析、信息提取方法，挖掘高光譜圖像蘊含的豐富的地物信息，成了當(dāng)今高光譜遙感技術(shù)研究的重點。 高光譜圖像分類研究圖像地物分類是遙感技術(shù)處理的主要內(nèi)容，其依據(jù)是：相同類別的像元在光譜特征和空間特征上具有一致性，不同地物類別在光譜特征、空間特征上具有明顯的差別。遙感圖像分類過程，即是將像元劃分到相同類別中的過程。高光譜圖像數(shù)據(jù)具有高分辨率和圖譜合一的特點，因而利用高光譜圖像數(shù)據(jù)進(jìn)行地物分類識別具有更好地可靠性。高光譜遙感數(shù)據(jù)具有高維度、小樣本的特點，傳統(tǒng)的多光譜技術(shù)分類技術(shù)直接用于高光譜圖像分類具有一定的局限性，需要對其進(jìn)行改進(jìn)，尋求更優(yōu)化的，適用于高光譜圖像的分類算法模型?，F(xiàn)在國內(nèi)外遙感圖像分類方法可劃分為三個層次：(1) 基于像元的遙感圖像分類，提取單獨像元信息進(jìn)行分類識別。(2) 相對較高層次的，基于目標(biāo)的遙感圖像分類技術(shù)，提取像元及其相鄰像元的信息特征進(jìn)行分類識別；(3) 基于專家系統(tǒng)和知識的遙感圖像分類技術(shù)，該理論尚未成熟，現(xiàn)處于理論研究階段?，F(xiàn)將基于像元和基于目標(biāo)的
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1