遥感地质学课件：专题-高光谱遥感及其应用.ppt

1、1高光谱遥感数据处理技术2主要内容n1 概述 n2 高光谱遥感数据定标模型n3 高光谱遥感数据分析方法n4 软件实习31 概述n1.1 高光谱遥感发展历史n1.2 高光谱遥感概念n1.3 常见的成像光谱仪n1.4 成像光谱仪成像机理和性能41.1 高光谱遥感发展历史n70年代末80年代初，在研究归纳各种地物光谱特征的基础上，形成这样一个概念：如果能实现连续的窄波段成像，那么就有可能实现地面矿物的直接识别，由此产生了光谱和图象结合为一体的成像光谱技术。n1983 年美国喷气推进实验室研制出第一台航空成像光谱仪（AIS-1）,随后包括中国在内的许多国家都研制成功了一系列成像光谱仪。n高光谱分辨率成

2、像光谱遥感起源于地质矿物识别填图研究，逐渐扩展为植被生态、海洋海岸水色、冰雪、土壤以及大气的研究中。 51.2 高光谱遥感概念n使用很多的窄波段（一般 200），)，具有高的辐射分辨率；n涉及光谱学 分析光谱数据的细节n经常使用光谱库n预处理进行图象辐射信息到光谱反射率的校正61.2高光谱遥感概念71.2高光谱遥感概念81.3 常见成像光谱仪1.3.1 Airborne Imaging Spectrometer (AIS) (机载成像光谱仪) q 128 bandsq 10 nm bandwidth (vs. 100 200 nm for TM)q Operated in early 1980

3、sq 最早的高光谱遥感器之一91.3 常用的成像光谱仪1.3.2 Airborne Visible InfraRed Imaging Spectroradiometer (AVIRIS) (机载可见光红外成像光谱仪)n1980年代早期由 JPL (NASA)研制，1989投入工作；n224 波段，光谱区间 380 2500 nm（与TM类似）；n每个波段的光谱宽度10 nm （光谱分辨率）；n高空平台空间分辨率 20 m，低空平台为 4 m；n图象一景大小：11 km 列 x 10 km 长 ，（存储空间140M)n一般飞行高度海拔 20 km，664PIXELS,飞机平台为NASA ER-2

4、 (U2飞机的改进版）n航速约 730 km/hr。101.3.2 Airborne Visible InfraRed Imaging Spectroradiometer (AVIRIS) (机载可见光红外成像光谱仪)11AVIRIS: Death Valley http:/www.gis.uiuc.edu/mojave/avirs.htm121.3 常用的成像光谱仪1.3.3 Hyperion (EO-1)卫星高光谱遥感器n220 波段，光谱区间：400 nm 2500 nmn空间分辨率：30 m；n图象大小： 7.5 km x 100 kmn2000年11月由“德尔它”2运载火箭成功发射，

5、并把它送入与“陆地卫星”7（ 1999年4月发射）相同的运行轨道。131.3.3 Hyperion (EO-1)卫星高光谱遥感器n随同EO-1一起发射的还有阿根廷的SAC-C环境研究卫星和瑞典空间物理研究所的Munin纳米卫星。 nSAC-C卫星也在“陆地卫星”7的轨道上，尾随EO-1卫星飞行。在该轨道上运行的还有NASA去年12月发射的Terra地球观测卫星。NASA将利用在同一轨道上的4颗卫星进行高级编队飞行。编队飞行的顺序是：“陆地卫星”7在前，依次尾随的是EO-1、SAC-C和Terra卫星。这种飞行将依靠模糊逻辑算法的星载导航软件控制，以解决可能出现的导航和使用冲突问题。2001年，

6、NASA还将发射Aqua、Aura两颗卫星参加“陆地卫星”7的编队飞行。 14Hyperion Relative cholorophyll content of vegetation, Fairfax, VA151.3 常用的成像光谱仪1.3.4 OrbView-4n由商业公司（轨道科学公司 ）运营的卫星，载有高光谱遥感器n200 波段，光谱区间： 450 2500 nmn8 m 空间分辨率 (政府)n20 m 空间分辨率 (公开的)n卫星周期 3 天。n2001年9月21日由美国金牛星火箭发射，发射失败。161.3 常用的成像光谱仪1.3.5 NASA Terra Moderate Reso

7、lution Imaging Spectrometer (MODIS)http:/modis.gsfc.nasa.gov/about/design.html n12-bit sensorsn36 spectral bandsn0.4 to 14.4 mn250, 500, 1000 meter GRnAtmospheric studiesnGlobal environmental studies171.3.5 MODIS中分辨率成像光谱仪（MODIS）是美国宇航局研制大型空间遥感仪器。它在36个相互配准的光谱波段、以中等分辨率水平（0.25Km1Km）、每12天观测地球表面一次。获取陆地和海洋

8、温度、初级生产率、陆地表面覆盖、云、汽溶胶、水汽和火情等目标的图像。MODIS测量的基本目标可概述如下：1) 陆地和海洋表面的温度和地面火情。2) 海洋彩色，水中沉积物和叶绿素。3) 全球植被测绘和变化探测。4) 云层表征。5) 汽溶胶的浓度和特性。6) 大气温度和湿度的探测，雪的覆盖和表征。7) 海洋流。 181.3.5 MODIS 整个仪器重量274Kg，电源功率平均163W，峰值时169W。数据率平均6.2Mbps，白天10.8Mbps，夜间2.55Mbps。MODIS仪器操作，在轨日夜连续操作。正常的获取科学数据，在白天，所有波段均操作运行。在轨道的夜间时段，只有热红外波段收集数据。

9、空间分辨率： 250 m （波段12）；500 m（波段 37）；1000m（波段836） MODIS在辐射度灵敏度、光谱带宽和几何配准的精密度、和定标的准确度和精密度等技术条件上都达到较高水平。191.3.5 MODIS技术指标技术指标波段 1 19的单位是nm；波段20 36 是m；分谱辐射率值的单位为 W/m2 m sr）201.3.5 MODIS 技术指标（续）技术指标（续）211.3.5 MODIS 产品产品22July 29, 2002 Hurricane Elida23July 31, 2002 Fires in Oregon241.3 常用的成像光谱仪1.3.6 其他Canad

10、ian Compact Airborne Spectrographic Imager-2 (CASI-2)NASA Terra Moderate Resolution Imaging Spectrometer (MODIS)NASA Earth Observer Advanced Land Imager (ALI)MAIS， 20世纪90年代初，中国科学院上海技术物理研究所，71波段；推扫式超光谱成像仪（PHI）， 1995年，244波段 详细参考浦瑞良，宫鹏高光谱遥感及其应用2327.251.4 成像光谱仪工作原理和性能n有以线阵探测器为基础的光机扫描型，n有以面阵探测器为基础的固态推扫型，

11、n也有以面阵探测器加光机的并扫型。261.4 成像光谱仪工作原理和性能成像光谱仪主要性能参数是：噪声等效反射率差（NEp ），体现为信噪比（SNR）；瞬时视场角（IFOV），体现为地面分辨率；光谱分辨率，直观地表现为波段多少和波段谱宽。噪声等效反射比差噪声等效反射比差:地物对太阳辐射为朗伯体，遥感器输出的峰值信号和均方根噪声比为1时，相邻两个像元之间的反射率差。 NE/(Vs/Vn) :产生信号电压Vs所要求的地物辐射反射率变化，Vn噪声电压。271.5 高分辨率图象的主要分析技术超多维光谱图象信息的显示，如图象立方体的生成；光谱重建，即高光谱数据的定标、定量化和大气纠正模型与算法，依此实现成

12、像光谱信息的图象-光谱转换；光谱编码，尤其指光谱吸收位置、深度、对称性等光谱特征参数的算法；基于光谱数据库的地物光谱匹配识别算法；混合光谱分解模型；基于光谱模型的地表生物物理化学过程与参数的识别和反演算法。281.6 高光谱遥感主要应用领域大气大气: 水蒸气, 云的特性, 气溶胶 生态生态: 叶绿素, 叶子中的水分, 纤维素, 色素，木质素 和营养成分地质地质: 岩石、矿物类型、土壤类型、烃探测 海岸带水环境海岸带水环境: 叶绿素, 浮游植物, 溶解的有机质, 悬浮泥沙 雪雪/冰冰: 雪被snow cover fraction, 颗粒, 融解 植被燃烧植被燃烧: 亚像元的温度, 烟雾 商业商业

13、: 矿产开发, 农业和森林产量，精准农业292 高光谱遥感数据定标模型q光谱曲线是高光谱数据应用的基础；q比较遥感得到的光谱曲线和光谱库中的光谱曲线；q成像光谱仪的定标包括光谱定标与辐射定标；q光谱定标的任务是确定各通道的光谱中心波长位置和通过特性 (等效通带宽度和通带函数 )；q辐射定标的任务是在成像光谱仪探测器和数字化输出和地面光谱辐亮度之间建立定量关系 ,并在整个任务期间进行监视。30Why?n地球大气层中有7中气体在 0.4 - 2.5 UM之间有吸收特征，他们是： 水蒸气， 二氧化碳，臭氧， 一氧化氮，一氧化碳，甲烷，氧气。31Why?322 高光谱遥感数据定标模型2.1 基于图像本

14、身特征转换模型2.2 基于地面定标的经验线性模型 (EL)2.3 基于大气辐射理论的定标模型 (RT)2.4 基于光谱混合理论的定标模型2.5 其它定标模型332.1 基于图像本身特征转换模型基于图像本身特征转换模型2.1.1 FF（平面场模型）（平面场模型）2.1.2 IARR（内在平均相对反射率模型）（内在平均相对反射率模型）2.1.3 对数残差修正模型对数残差修正模型342.1.1 平面场定标模型 (FF)nFF模型已广泛地应用在成像光谱遥感数据处理中 。n这种模型要求在处理的图像数据中 ,存在具有非吸收特征的一定面积的地质单元 ,并求出该地质单元中像元的平均光谱 ,n然后 ,对图像中每

15、一像元的光谱都除以该地质单元平均光谱值 ,从而使整幅图像数据进行定标。352.1.2 内在平均相对反射率模型 (IARR)n该模型将每一波段图像的光谱值分别进行平均 ,得到整幅图像的平均参考光谱 ,对图像中每一像元的光谱都除以该平均参考光谱 ,便得到了定标后的成像光谱遥感图像.n缺点：人为噪声经定标后很容易当成光谱特征 ,一些实际的光谱特征却可能被压缩 ,甚至丢失 ,这取决于图像中对应的起主要作用的物质的光谱特性。362.1.3 对数残差修正模型n该模型是假设遥感器测到的辐射值 Di与在波长处的像元 i的反射率 Ri具有以下关系 :DNi= Ti Ri I式中 , Ti 是地形因子 ,表示对一

16、给定的像元 ,相对所有的光谱段它是一常数 ,由它可以说明辐射亮度的变化是由于探测角度及坡向的差异带来的。 I是照度因子 ,它描述了太阳的辐射亮度曲线 ,在给定的光谱段 ,对所有的像元它都保持恒定。372.1.3 对数残差修正模型对等上式两边取对数可得 log(Ri) =log(DNi) - log(Ti) - log(I) 式中 , log(DNi)是像元 i在光谱段 处遥感器接收到的信号值的对数 ; log(Ti)是对所有光谱段 (每像元一个值 )上 ,像元 i的对数平均 ; log(I)是对一给定的光谱段 (每一个通道一个值 )上 ,所有像元对数的平均。n优缺点：能较好地消除大气影响外 ,

17、 能较好地消除由地形因子带来的偏差 ,但在定标后的图像中也存在一些噪声和特征压缩问题。382.2 基于地面定标的经验线性模型 (EL)n该模型假定地面目标反射率与成像光谱仪探测器获得的信号之间具有线性关系 : DNb=() Ab+Bbn式中 , DNb表示在波段 b上，给定像元的信号值大小 ; ()为该像元所对应的地面目标在波段 b上的反射率值 ; Ab为影响 DNb值的倍增项如大气透过率与仪器因子 ; Bb代表加性因子，如大气程辐射和遥感器的零响应等。n优缺点：该模型计算简单 ,但需进行同步实地定标点的光谱测量 ,且对实地定标点要求比较严格。地形起伏等。392.3 基于大气辐射理论的定标模型

18、 (RT)nL owtran6计算一给定大气路径的大气透过率和辐射量。这种模式算法计算中包括气溶胶和分子的吸收与单次散射辐射。光谱分辨率为 2 0 cm- 1 ,这有利于进行波长校正 ,同时为飞行中的遥感器提供有效的光谱响应 ,目标高度向上和向下透射部分可分开计算。 nLow-tran7的基本改善使它能计算多次散射辐射并可用来计算地表物体的发射率。402.3 基于大气辐射理论的定标模型 (RT)n式中 , LAIS()是成像光谱遥感器测得的信号值 ; Lpath()是对 0 %反照率表面进行计算所得到的程辐射 ; Llambertian()是对 1 0 0%反照率的朗伯表面进行计算而得到的 ;

19、 ()为定标后的光谱反射率反演值。412.3 基于大气辐射理论的定标模型 (RT)nATREM 3.0 (Atmosphere Removal Program) 科罗拉多大学地球和空间科学研究中心 n针对AVIRIS or HYDICE 高光谱数据集， n将图象数据转换为放缩的表面反射率（scaled surface reflectance） nATREM 假设：表面水平，表面是朗伯反射n如果有地形数据的加入，可以将放缩的表面进一步转换反射率真实表面反射率。ncses.colorado.edu/pub/atrem422.4 基于光谱混合理论的定标模型n基于光谱混合理论的定标模型 是假定光谱的混

20、合是线性的 ,利用图像特征可确定图像上最终单元光谱 Iem,对每一像元有 :式中 , Fi 是 Iemi的面积 , Lb是在观测波段 b观测到的辐射值 , Li, b是 Iemi在波段 b上的辐射值 , M是波段数 , Eb是误差。432.4 基于光谱混合理论的定标模型n利用 上式进行运算时 ,如果误差均匀很小 ,且各 Iem的面积分配合理 (0 - 1 ) ,则表明图像上的 Iem的选择是合理的。否则 ,要重新进行 Iem的增减。n在图像上的 Iem决定后 ,便可利用光谱数据库光谱或实测光谱 rem来对图像上 Iem进行标定 ,并利用下式进行重复运算 ,便可得到校正图像。442.4 基于光谱

21、混合理论的定标模型n式中 , Li, b是 Iem在波段 b上的辐射值 , Gb、Ob分别是增益和偏移量 , j, b是 remj在波段 b的反射率 , Fj, i是 remj在 Iemj上的面积 , Eb是波段 b上残差 , N是 rem的个数。n优缺点：对定标点特性无任何限制 ,即使非均匀性的表面也可作为定标点使用；同时 ,也无须过多实地环境参量的测量 ,定标运算结果也较好。 但这类模型算法仍不完善 ,需进一步解决(1 )由线性假设带来的误差最佳配置 ; (2 ) Iem的自动选择算法 ; (3 )完善的光谱数据库 ; (4) Iem和 rem的快速匹配算法等。452.5 其他模型n除了上

22、述对成像光谱遥感全通道定标模型 ,针对大气水汽的特点 ,还有 1）连续内插波段比算法 (CIBR); 2）窄、宽波段比 (N/ W)的算法 等 这些算法与大气辐射模型相结合 ,能部分地校正水汽对成像光谱遥感数据的影响。n优缺点：研究表明 ,这类方法最多只能校正大气中水汽影响的 70 %。此外 ,仍需要进行十分繁琐的大气环境参量的实时测量。463 高光谱数据分析处理技术473.1 光谱吸收特征参数n吸收波段的波长位置（P）； 深度（D）;宽度(W); 斜率（K）; 对称度（S）和面积（A），光谱绝对反射值。)Re( 1tanseRsK483.2 光谱连续统去除（Conituum Removal）

23、n连续统去除 n类似光谱包络分析法。连续统：逐点将曲线上凸起的峰值点用直线连接起来得到的曲线。n连续统去除 实际上是实际光谱曲线去除连续统曲线对应值得到曲线。n在连续统去除归一化后的曲线上进行吸收光谱参数的测定。493.3 光谱特征拟合(Spectral Feature Fitting)n用于比较图象光谱何参考光谱进行匹配。n基于吸收特征的技术，参考光谱进行比例缩放以便和图象光谱进行匹配。n对应每一个参考光谱有一个输出图象，图象的灰度值反应的是吸收深度，吸收深度与物质的丰度有关。图象和参考光谱在每一个选定的波长区间按照最小二乘法的概念进行比较，并生成均方根误差。n输入图象是经过连续统去除（Co

24、ntinuum Removal）的图象，如果用户输入的不是这样的图象，系统会自动进行，当然这会使处理的速度减慢。50SFF输出结果：n对应每一个参考光谱有一个放缩图象和RMS图象，或者输出一个综合了放缩和误差信息的图象(Scale/RMS)；在SCALE图象上，灰度值越大的像元表示他们和参考光谱越匹配， 在EMS图象则相反。但是如果输入不正确的参考末端或者光谱区间，结果会远大于1，造成错误。SFF 结果的处理n查看最佳匹配的像元: 使用2-D 散点图. 在散点图上选择rms小，scale 值大的区域，然后EXPORT；n或者根据匹配图象 (Scale/RMS)； n要生成一个类似分类结果的图象

25、， 选择菜单命令Classification Rule Classifier，根据阈值进行分类.提示：- 为了获得最佳的结果，最好在吸收谷的地方选择光谱子集。3.3 光谱特征拟合(Spectral Feature Fitting)513.4 混合匹配滤波（ Mixture Tuned Matched Filtering）nMixture Tuned Matched Filtering TM (MTMF TM )匹配滤波，输出“不可实行的”（“Infeasiblility”）图像。nInfeasibility图像用于减少有时用匹配滤波出现“false positives”的次数。Infeasib

26、ility高的像元易于be matched filter false positives. n如果像元匹配正确，则具有一个高的匹配滤波分数（大于0）和一个n很小的infeasibility值；而那些高的匹配滤波分数和高的infeasibility值的像元称为“False Positives像元”。nInfeasibility值用的是噪声（sigma）单位。它在与匹配的滤波分数按DN比例变化（见下图）。注意 输入的数据和要匹配的波谱必须在MNF转换空间（见“Apply Forward MNF to Spectra”）。523.4 混合匹配滤波（ Mixture Tuned Matched Fil

27、tering）533.5 线性光谱分解（Pixel Unmixing）n混合像元(mixed pixels)的概念； 一个像元包括了多个组成成分， 与图象的光谱分辨率有关 与图象覆盖的区域特征有关n高光谱数据有利于进行混合像元的分解；n需要确定一个像元内纯净的“终端成分”。543.5 线性光谱分解（Linear Spectral Unmixing）实际上，这个假设完全正确，例如n线性波谱分离是一种根据材料的波谱特征判定多波谱图像中材料（原料）相对丰度的一种方法。n假定图像中每个像元的反射系数是在这一像元点上每种材料（或终端单元）的反射系数的线性组合。553.5 线性光谱分解（Linear Sp

28、ectral Unmixing）n终端单元数必须少于波谱波段数，必须用到图像中的所有终端单元。波谱分离的结果高度依赖于输入的终端单元，且随终端单元的改变而改变。nENVI线性波谱分离有两个约束项：完全不约束或部分约束分离。用完全不约束方法，丰度可以假定为负值，不受约束到（not constrained to）sum to unity (one)。ENVI现在支持一种线性混合算法中的随意的、权重可变的、unit-sum约束。This was implemented to allow for user-defined weighting of a sum-to-unity constraint o

29、n the abundance fractions. 也允许具有0-值波段的MNF-转换数据的适当分离。n用户选择一个权重系数（默认值为1）用于其它的约束方程。这个具有权重的unit-sum约束条件被添加到分离倒置过程的联立方程中。较大的权重值将导致the unmixing to honor the unit-sum constraint more closely.56举例57Two images of cotton leaves and soil in two different bands. 58The green healthy cotton leaf, red mite damaged

30、 areas, and soil color become apparent 59Proportion of each constituent in pixel6061626364In this example researchers unmixed the three components (healthy cotton, mite infested cotton and soil) using linear unmixing653.6 最小噪声变换（Minimum Noise Fraction (MNF) Transformation）n高光谱数据波段狭窄，有些波段的数据相关性大，产生数据

31、冗余；n最小噪声变换（MNF）通过将数据中的噪声分离出来，降低数据的维数；nMNF 变换线性变换，是两步的主成分变换(PCA)， n第一步去相关，放缩数据中的噪声，变换后的数据互不相关，而且噪声具有unit variance；n第二步是一个噪声白化数据的标准的PCA 。663.6 最小噪声变换（Minimum Noise Fraction (MNF) Transformation）n噪声被假定为特定波段，并且在空间上不相关。而且，附近的像素点被假定成有相似信息但又有所区别的噪声。 n信噪比最大.由于MNF变化是比率，所以波段之间幅度的影响。另外，信号和噪声波段是正交的；n需要已知噪声的协方差，

32、这对遥感图象来言比较困难。每个波段噪声的合理估计是，波段之间信号是高度相关的， 最大自相关系数来发掘信号在空间邻域上的相关性。673.6 最小噪声变换（Minimum Noise Fraction (MNF) Transformation）683.7 纯净像元指数（Pixel Purity Index）n在高光谱数据或者多光谱数据中发现“最纯”像元。 n通过不断地将多维向量投影到任意的单位向量。每一次投影中，落在单位向量末端的像元认为是终端单元。每个像元被标识为终端单元的次数记录下来，形成PPI的结果图象。nPPI输入图象一般是最小噪声变换的结果图象的结果，并去除噪声的波段。nPPI输出的结果

33、一般可以作为n-D Visualizer的输入，以帮助进行末端像元的选择。n迭代次数小于等于32767；阈值一般取23。n注意 可以使用系统提供的光谱制图向导进行。693.8 多维空间浏览器（n-Dimensional Visualizer）703.9 二值编码分类(Binary Coding)n对已知地物类别，根据其光谱曲线进行2值编码(0或者1)n编码方法：各个波段的灰度值（反射率）和平均值作比较，大于生成0或者1n对于待判定的像元光谱曲线进行2值编码n使用异或方法进行待判像元光谱和已知光谱匹配。（异或操作用于检查两个数是否有差别，有则为1，无则为0）n将待分类的像元分到波段数目相似性最多

34、的类别中。n匹配的最小阈值（百分比）713.9 二值编码分类(Binary Coding)n二值编码技术使光谱匹配过程快速、有效 ,有助于提高光谱数据分析处理的效率。但由于该技术在编码过程中忽略了许多细微的吸收光谱信息 ,因此只适合于较粗略地识别岩石矿物光谱 ,而不能应用于精细的高光谱数据的匹配识别研究中.723.10 基于相关系数的光谱匹配n光谱匹配技术主要是依据距离来度量模式的相似性 ,对于成像光谱数据匹配而言 ,相关系数测度同时兼顾平均值和协方差两个统计参量 ,是计算成像光谱超维空间中两类统计距离的理想测度。n为了消除各种干扰因素的影响 ,保证各变量在分布上的同等地位 ,光谱数据匹配时

35、,要首先对数据进行标准化变换和导数变换。733.10 基于相关系数的光谱匹配743.10 基于相关系数的光谱匹配753.11 光谱角分类光谱角分类（Spectral Angle Mapper Classification）每个样本看作是一个 n 维空间内的一个向量，第i个向量和第j个向量之间的存在一个夹角，定义交角的余弦作为两个向量之间的相似性度量。nknknkjkikjkikjxxxxi11212cos待判像元和已知的训练样本进行比较，将待判定的像元分到最小的类别中去。 763.11 光谱角分类光谱角分类（Spectral Angle Mapper Classification）n这一方法对

36、于辐射亮度值不敏感，因为只利用多维向量的方向，而没有使用向量的长度（模）。n然而 ,这种方法直接以像元向量均值为中心不能很好地反映向量的角度关系 ,而且简单地用夹角最小作分类判据也不能反映所选择的样本区的统计特性n光谱角分类的结果是一个图象，图象上每一个象素是和已知参考光谱最为匹配的度量。n光谱角分类最先在矿物识别中得以应用，并且已经证明，在均质的区域可以取得满意的结果。nUSGS 具有有关矿物和土壤的大量的光谱库，可以用来和图象进行比较。773.12 EFFORT PolishingnEmpirical Flat Field Optimal Reflectance ;n1.Number of

37、 Points 点的个数，在操作中使用的光谱数目；推荐值 要大于1000，但不要超过图象大小的10。n2.分割反射率范围到光谱的间隔； n该间隔内的光谱个数等于总的光谱个数除以间隔，以保证建模中间隔内有光谱；n3.Use the arrow toggle button to calculate gain and offset values or gain values only.n? 要纠正数据的增益：包括由辐射定标、大气传输模型、和太阳辐射等引起的误差；n偏置：路径辐射模型和黑背景引起的误差；n4.生成文件： 表观反射率图象； 注意：覆盖输入的文件，选择“In Place?”按钮的“Yes.

38、” 不能中断，否则会导致原始文件的损害。78SPECTRAL ANALYSIS WIZARD FLOW CHART）793.14 综合光谱分析（Spectral Analyst）n首先需要打开光谱视图；n提供多种光谱分析工具；803.15 其它高光谱分类方法其它高光谱分类方法n传统方法的局限性：海量数据。n基于统计假设，波段太多，维数太多，训练区的选择要很多，否则很可能遇到斜方差矩阵奇异的情况，使分类过程无法继续进行。n使用传统方法需要进行特征选择或者特征提取。n非参数方法，人工神经网络方法。n特征提取方法，例如决策线特征提取。813.15 其它高光谱分类方法其它高光谱分类方法特征选择举例特征选择举例红边变换902：水吸收带N = NDVI, R = RVSI, W = WBI 824 其他高光谱图象处理软件美国，柯达RSI公司：ENVI，版本3.6； JPL 1988年 第一个专门处理成像光谱仪图像的软件包SPAM；1991年，CSES 采用交互式语言（IDL）研制成了基于UNIX工作站SIPS；加拿大的PCI公司开发的EASI/PACE V6.0可以处理1024个波段的图像。