基于光谱数据库的地物光谱匹配识别算法

2017-04-15刘新意章治邦

福建质量管理 2017年8期

关键词：光谱编码数据库

刘新意章治邦

(江西理工大学建筑与测绘工程学院江西赣州 341000)

基于光谱数据库的地物光谱匹配识别算法

刘新意章治邦

(江西理工大学建筑与测绘工程学院江西赣州 341000)

在高光谱图像处理中，高光谱数据库占据着极其重要的位置。由于不同的地物具有不同的波谱特征，这已成为人们利用高光谱遥感数据认识和识别地物，提取地表信息的主要思想和手段。基于光谱库的光谱匹配技术，主要是利用光谱库中的参考光谱来识别某未知地物光谱的方法。根据参考光谱和未知光谱之间的相似程度，来判别未知光谱的地物类型，进而达到地物识别的目的。

高光谱数据库;光谱匹配;波谱特征;地物识别

一、引言

高光谱遥感作为遥感技术的重大成就之一，近年来取得了重大进展。高光谱影像目标识别技术是利用空间维和光谱维信息进行目标定位和定性的技术方法；利用高光谱图像(Hyper spectral Images)进行目标识别是当前国内、外遥感图像处理和分析的研究热点之一，尤其是近年涌现出大量星载和机载高光谱数据采集系统,并获得了相当丰富的高光谱数据资源。因此，国内、外科研单位对其的研究日益重视,促使人们为快速从海量数据中获取所需信息，开展了大量的研究分析与应用工作。其中，利用已知目标的光谱特征,从高光谱影像数据中检索该目标的空间分布是高光谱数据分析应用的重点之一。

二、研究内容及技术手段

(一)高光谱数据库。在高光谱图像处理中，高光谱数据库占据着极其重要的位置。由于不同的地物具有不同的波谱特征，这已成为人们利用高光谱遥感数据认识和识别地物，提取地表信息的主要思想和手段。因此，收集和积累各种典型地物的光谱数据信息历来是遥感基础研究和应用研究中不可缺少的一个重要环节。由于高光谱成像光谱仪产生了庞大的数据量，建立地物光谱数据库，运用先进的计算机技术来保存，管理和分析这些信息，是提高遥感信息的分析处理水平并使其能得到高效，合理之应用的唯一途径，并给人们认识，识别及匹配地物提供了基础。同时，高光谱数据的独特性决定了光谱数据库具有自身的一些特点。

目前，在遥感技术领域，国内外一些研究机构在长期工作的基础上，建立了一些光谱数据库，借签他们的成果，吸收他们的长处对我们开展光谱数据库的研究会有很大的帮助。当前常见的光谱库有6个，公开提供电子版的有USGS、PJL、JHU、IGCP一264、ASTER。

(二)光谱匹配技术。在成像光谱图像处理中，光谱匹配技术是成像光谱地物识别和目标探测的关键技术之一。所谓光谱匹配技术是指通过研究参考光谱曲线和测试光谱曲线之间的相似度来判断地物的归属类别。目前所应用的光谱匹配技术均源于Mazer在SPAM系统中所描述的根据光谱波形二值编码，用哈明距离实现图像光谱与数据库光谱的匹配识别，Fraser和Kruse用最小平方残差实现全光谱最佳匹配识别矿物，Clark针对光谱吸收特征，用最小二乘法拟和实现最佳光谱识别，BoardmanJ.w发展了光谱角填图(SAM:Spectral angle Mapping)分类技术进行光谱匹配识别。从概念上讲，光谱匹配有三种模式:(1)从图像的反射光谱出发，将像元光谱数据与光谱数据库中的标准光谱响应曲线进行比较搜索，并将像元归于与其最相似的标准光谱响应所对应的类别，这是一个查找过程；(2)利用光谱数据库，将具有某种特征的地物标准光谱响应曲线当作模版与遥感图像像元进行比较，找出最相似的像元并赋予该类标记，这是一个匹配过程；(3)根据像元之间的光谱响应曲线本身的相似度，将最相似的像元归并为一类，这是一种聚类过程。

在前两种运作模式中，标准光谱响应曲线一般都是从高光谱数据库中提取出原始高光谱数据，并作一些相应的预处理后得到的。这两种运作模式解决问题的关键一是地物标准光谱数据库的建立；二是光谱匹配算法的研究。

(三)基于光谱数据库的光谱匹配技术。基于光谱库的光谱匹配技术，主要是利用光谱库中的参考光谱来识别某未知地物光谱的方法。根据参考光谱和未知光谱之间的相似程度，来判别未知光谱的地物类型，进而达到地物识别的目的。主要包括二值编码匹配、光谱角度匹配。

1.二值编码匹配。对光谱库的查找和匹配过程必须是有效的。而且，对成像光谱数据这种海量数据会产生大程度的冗余度，会降低计算机的处理效率。为实施匹配，因此要建立一些数据缩减和模式匹配技术，提出了一系列对光谱进行二进制编码的建议(Goetz，1990)。使得光谱可用简单的0～l来表述。其中的一些编码方式:(1)分段编码:对编码方式的一个简单变形是将光谱通道分成几段进行二值编码，这种方法要求每段的边界在所有像元矢量都相同。为使编码更有效，段的选择可以根据光谱特征进行。例如在找到所有的吸收区域以后，边界可以根据吸收区域来选择。(2)多门限编码，采用多个门限进行编码可以加强编码光谱的描述性能。将每个灰度值变为2bit，或者将光谱范围划分为几个小的子区域，每个子区域独立编码。(3)仅在一定波段进行编码:这个方法仅在最能区分不同地物覆盖类型的光谱区编码。如果不同波段的光谱行为是由不同的物理特征所主宰，我们可以进选择这些波段进行编码，这样既能达到良好的分类目的，又能提高编码和匹配识别效率。一旦完成编码，则可利用基于最小汉明距离的算法来进行匹配识别[X.Jia and J.A.Richards1993]。

2.光谱角度匹配。光谱角度匹配(Spectral Angle Match:SAM)通过计算一个测量光谱(像元光谱)于一个参考光谱之间的”角度”来确定他们两者之间的相似性。参考光谱可以是实验室光谱或野外测定光谱或是从图像上提取的像元光谱。这种方法假设图像数据已被缩减到“视反射率”，即所有暗辐射和路径辐射偏差已经去除。它被用于处理一个光谱维数等于波段数的光谱空间中的一个向量。光谱角度匹配的流程分为4步:(1)从光谱数据库中选择感兴趣的“最终成分光谱”；(2)对“最终成分光谱”做重采样，因为图像光谱分辨率通常要低于地面测量的光谱分辨率，使两者光谱分辨率一致。(3)计算最终成分光谱与图像像元光谱两个光谱向量之间的角度a(广义夹角余弦)，以评价此两光谱向量相似性。a值域为0～π/2，当a=0时表示两个光谱完全相似，而a=π/2时则两个光谱完全不同。(4)计算成像光谱图上每个像元光谱与每个最终成分光谱的a，从而实现对图像光谱的匹配和分类。