1、武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感1第4节 高光谱特征参量化 武汉大学遥感信息工程学院武汉大学遥感信息工程学院 龚龚 龑龑高光谱遥感高光谱遥感第四章第四章 高光谱数据处理高光谱数据处理武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感2一、高光谱特征参量化概述二、光谱曲线的简化表达三、光谱吸收特征参数提取 四、光谱曲线的函数分析五、光谱特征参量化应用第四章第四章 第第4节节 高光谱特征参量化高光谱特征参量化武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感3问题1：下图中的光谱曲线属于哪种地物大类 观察光谱吸收谷特征 ，可以依据光谱曲线的形状推断地物类别。一、高光谱特征参量化概述武汉大学武
2、汉大学 龚龑龚龑高光谱遥感高光谱遥感4A1A2A3B1B2B3 观察光谱曲线，可以依据光谱曲线的形状得到聚类结果。问题2：依据下图中的光谱曲线将相应地物划分为两类波长反射率一、高光谱特征参量化概述武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感5 如何将光谱曲线特征转化为适合于电脑进行分析计算的形式？光谱特征参量化1.1光谱特征参量化基本概念一、高光谱特征参量化概述武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感6 光谱特征参量化的目的： 光谱特征参量化的地位： 对高光谱曲线特征进行定量表达，用数值化的形式来描述反射率随波长的变化特征。 针对待分析对象，通过高光谱特征参量提取，构建分析特征集，为后
3、续匹配、分类、识别及反演奠定基础。光谱空间光谱曲线一、高光谱特征参量化概述武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感71.2光谱特征参量化的主要方法 波谱特征的简化表达 光谱吸收特征参数提取 光谱曲线的函数分析一、高光谱特征参量化概述武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感8一、高光谱特征参量化概述二、光谱曲线的简化表达三、光谱吸收特征参数提取 四、光谱曲线的函数分析五、光谱特征参量化应用第四章第四章 第第4节节 高光谱特征参量化高光谱特征参量化武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感9 波谱特征简化表达的目的 反射率为浮点型数据，波段数量多，为提高分析效率，可以对光谱曲线进行
4、简化表达。二、光谱曲线的简化表达武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感102.1光谱斜率和坡向光谱坡向指数 Spectral Slope Index, SSI 在光谱区间(B1,B2)内，将光谱曲线近似视为直线，该直线的斜率即为光谱斜率。 如果光谱斜率为正，光谱曲线被定义为正坡向，光谱斜率为零则为平坡向，光谱斜率为负则为负坡向。二、光谱曲线的简化表达武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感11 光谱子区间数为 k , 则一条光谱曲线可以被描述为S1,S2,Si,Sk, Si -1,0,1,从而实现对光谱曲线的简化表达。二、光谱曲线的简化表达2.1光谱斜率和坡向数据量比较SSI：
5、2 K 比特光谱曲线：32 n 比特反射率波长与多光谱遥感的区别是：光谱子区间可以有针对性选择。武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感122.2光谱二值编码 为了实现在光谱库中对特定目标进行快速查找，可采用对光谱进行二值编码的方案。最简单的形式( )0( ), ,.,( )1( )h nx nTn1 2N h nx nT 编码值反射率值波段二、光谱曲线的简化表达武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感13(1).分段编码 将光谱波长分成几段分别进行二值编码，各段具有不同的编码阈值T。二、光谱曲线的简化表达2.2光谱二值编码武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感14 采用多
6、个门限进行编码可以加强编码的描述性能。例如可采用两个门限将光谱值划分为三个域：00( )( )01( ), ,.,11( )aabbx nTh nTx nTn1 2N x nT 像元编码数为通道数的两倍像元编码数为通道数的两倍二、光谱曲线的简化表达(2).多门限编码2.2光谱二值编码武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感15 仅在最能区分地物类型的波段进行编码。如果不同地物的光谱特征差异在特定波段有显著体现，可以在这些波段进行编码，从而既能达到良好分类目的，又能提高编码效率。二、光谱曲线的简化表达(3).在一定波段进行编码2.2光谱二值编码武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感
7、16 考察当前波段与后续相邻波段的数值关系，依据数值关系确定编码。 主要有： 大小比较编码 差值编码 比值编码二、光谱曲线的简化表达(4).波段组合二值编码2.2光谱二值编码武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感17 大小比较编码 差值编码 比值编码( )0( )(1), ,.,( )1( )(1)h nx nx nn1 2N h nx nx n ( )0( )(1), ,.,( )1( )(1)h nx nx nTn1 2N h nx nx nT ( )0( )/ (1), ,.,( )1( )/ (1)h nx nx nTn1 2N h nx nx nT 二、光谱曲线的简化表达2.
8、2光谱二值编码武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感181.地物类型序列 在前面所学的课程中，典型地物类型常被分为植被、水体、岩矿、土壤和城市人工目标五大类。 这五大类之间的光谱特征差异很大，比较容易区分，这五大类内部不同的亚类之间光谱特征较接近，我们称其为。2.3地物类型序列光谱柱状图 二、光谱曲线的简化表达武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感19地物类型序列一般都具有以下四个特点：1.同属于同一个典型地物大类;2.包含的物理化学成分和特性相近，仅各成分比例不同；3.地物内部组织结构相似，外部形态略有差异；4.在波谱空间中，光谱曲线的形态类似。二、光谱曲线的简化表达1.地物
9、类型序列2.3地物类型序列光谱柱状图 武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感20 直接针对同一序列内的不同地物进行直观分析时，很难准确的发现其稳定的差异。 将光谱反射率曲线图像化，在地物类型序列柱状图中可以清楚看到序列内部的光谱差异。二、光谱曲线的简化表达2.光谱柱状图及应用2.3地物类型序列光谱柱状图 武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感21n个目标M个波段二、光谱曲线的简化表达2.3地物类型序列光谱柱状图 2.光谱柱状图及应用(1) 反射率增强增强后的反射率矩阵武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感22(2) 按照波长顺序，建立一个从蓝到红渐变的RGB色标块。波长
10、二、光谱曲线的简化表达2.3地物类型序列光谱柱状图 2.光谱柱状图及应用武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感23(3) 对RGB色标块进行ISH变换。波长明度 I色度H饱和度 S二、光谱曲线的简化表达2.3地物类型序列光谱柱状图 2.光谱柱状图及应用武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感24(4) 用增强后的反射率矩阵中的反射率替换ISH彩色空间中的饱和度S，再将ISH变换回RGB色块，即得到光谱柱状图。二、光谱曲线的简化表达2.3地物类型序列光谱柱状图 2.光谱柱状图及应用针对每种地物和不同波长武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感25吐鲁番岩层断面光谱柱状图 根据
11、光谱柱状图给像元着色，并形成色彩分割图。二、光谱曲线的简化表达2.3地物类型序列光谱柱状图 2.光谱柱状图及应用武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感26 波谱特征简化表达适用于较粗略的波谱特征查找和匹配，目的在于提高处理效率，或者服务于目视判读分析，并不适用于光谱特征的精细分析。二、光谱曲线的简化表达光谱吸收特征参数提取方法武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感27一、高光谱特征参量化概述二、光谱曲线的简化表达三、光谱吸收特征参数提取 四、光谱曲线的函数分析五、光谱特征参量化应用第四章第四章 第第4节节 高光谱特征参量化高光谱特征参量化武汉大学武汉大学 龚龑龚龑高光谱遥感高光
12、谱遥感28如何突出反映光谱曲线之间吸收峰的差异三、光谱吸收特征参数提取方法3.1包络线消除包络线消除武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感29光谱曲线的包络线光谱曲线的包络线 光谱曲线的包络线与光谱曲线相切或相离，从直观上来看，包络线相当于光谱曲线的“外壳”。包络线：每条光谱曲线的外凸包曲线。curvecurvecurve包络线消除：将光谱曲线相应波段的反射率值与包络线曲线的反射率值进行比值运算，得到新的光谱曲线。三、光谱吸收特征参数提取方法3.1包络线消除武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感30 包络线消除的算法 设计的思想：1）离散化 直方图 包络线由折线段构成2）折线起
13、点与折线终点的确定3）同一波长对应的光谱曲线值与包络线值进行比值计算 三、光谱吸收特征参数提取方法3.2包络线消除算法武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感31例：A1B1判断每条折线段终点的依据： 折线段的延长线与后续竖线段(及延长线)的交点位置是否位于相应竖线端点上方。1.立足于起始端点A,在后续竖线顶端中寻找折线段终点B；2.一旦找到，连接A B；3. 令B作为新的起点，寻找下一终点.=A2三、光谱吸收特征参数提取方法3.2包络线消除算法关键 所有的折线段即构成离散状态下光谱曲线的包络线。武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感32包络线去除前后的光谱曲线图包络线去除前后的
14、光谱曲线图 包络线消除后，那些“峰”值点上的相对值均为1，非“峰”值点均小于1。形成若干个吸收谷吸收谷，能够突出反映光谱吸收特点。包络线包络线原始光谱原始光谱包络线消除后包络线消除后光谱光谱三、光谱吸收特征参数提取方法3.2包络线消除算法武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感33 由图中可以看出，包络线有效强化了吸收特征，没有改变敏感波段位置等信息。可以更加有效地进行光谱特征数值的比较，对后续的特征参数提取十分有利。 在每一大类地物光谱曲线十分接近时，包络线消除法使曲线的形态特征强化，增强了可识别性。三、光谱吸收特征参数提取方法3.2包络线消除算法武汉大学武汉大学 龚龑龚龑高光谱遥感高
15、光谱遥感343.3光谱吸收特征参数提取 光谱吸收特征参数是用来定位光谱吸收并量化吸收谷特征的参数。2.参数提取参数提取光谱吸收位置光谱吸收深度吸收宽度吸收面积光谱吸收对称性光谱吸收指数三、光谱吸收特征参数提取方法武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感35 吸收位置(Absorption Position, AP)Min( ),AP=在光谱吸收谷中，反射率最低处的波长， 即当 三、光谱吸收特征参数提取方法3.3光谱吸收特征参数提取武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感36 吸收深度 (Absorption Depth, AD)= AD=00 在某一光谱吸收谷内，反射率最低点与反射
16、率 1的距离1- 为反射率最低值 吸收宽度(Absorption Width, ADAD/2AW最大吸收深度一半处的光谱带宽。三、光谱吸收特征参数提取方法3.3光谱吸收特征参数提取武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感37 吸收对称性 (Absorption Symmetry, AS) 吸收对称性定义为，以过吸收位置的垂线为边界，右边区域面积与左边区域面积的比值的常用对数。 吸收面积(Absorption Area, AA)三、光谱吸收特征参数提取方法3.3光谱吸收特征参数提取武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感38光谱吸收指数(Spectral Absorption ind
17、ex, SAI)肩部S1、S2 非吸收收基线12S S在吸收谷点波长 处，从光谱曲线和非吸收基线 和上分别获取反射率 和mm12S S如何从相对吸收强度相对吸收强度的角度衡量光谱吸收能力？ 一条光谱曲线的光谱吸收特征可由光谱吸收谷点m和两个肩部S1和S2组成，S1和S2的连线称为非吸收基线。S A Im三、光谱吸收特征参数提取方法3.3光谱吸收特征参数提取SAI武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感39SAI的计算12212(1)SAI/()/()mmmdddd 为比例参数光谱吸收指数(Spectral Absorption index, SAI)三、光谱吸收特征参数提取方法3.3光谱
18、吸收特征参数提取武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感403.4部分典型地物光谱吸收参数实例 实验数据介绍三、光谱吸收特征参数提取方法植被水体武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感41 植被的光谱吸收参数 参照试验区的土地覆盖专题图，选取两类植被：麦田、草地。每种植被选择多个样点，进行包络线去除后提取吸收特征参数。麦田三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例草地吸收深度用灰度级(0-255)表示,宽度以波段数目表示武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感42 两种植被的光谱曲线吸收特征两种植被的光谱曲线吸收特征参数都表现出参数都表现出植被典型植被典型
19、的吸收特征的吸收特征但两者都受下垫面的影响较大，表但两者都受下垫面的影响较大，表现出较复杂的吸收特性参数。现出较复杂的吸收特性参数。 两种植被在两种植被在可见光范围内的吸可见光范围内的吸收深度收深度都较大，吸收位置分别分布都较大，吸收位置分别分布在第在第2、第、第12波段，即波段，即0.46m 0.5m和和0.57 0.64m，与典型，与典型植被的叶绿素吸收带特征符合。植被的叶绿素吸收带特征符合。三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例 植被的光谱吸收参数麦田草地A. 叶绿素吸收带特征武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感43 吸收位置在吸收位置在0.64m附近的
20、附近的吸收峰，都反映出了较强的右不吸收峰，都反映出了较强的右不对称，即对称，即AS值为正，表明植被值为正，表明植被在在0.74m处反射率急剧增高的处反射率急剧增高的红外陡肩现象红外陡肩现象.三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例 植被的光谱吸收参数B. 近红外抬升特征麦田草地武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感44 草地在草地在1.34m处有吸收深度为处有吸收深度为199、宽度、宽度5的吸收峰，在的吸收峰，在1.66 2.03m出有吸收深度为出有吸收深度为206、宽、宽度度3 的强吸收峰。的强吸收峰。 小麦的这两个水分强吸收峰出现小麦的这两个水分强吸收峰出现在
21、在1.5m和和2.03m，吸收深度分，吸收深度分别是别是81和和192，吸收宽度分别是，吸收宽度分别是3和和5。三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例 植被的光谱吸收参数C. 水的吸收特征麦田草地武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感45三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例 植被的光谱吸收参数 OMIS 没有1.66 2.00m的数据，对1.9m吸收峰无法很好观测，但通过AS的较大正值可以推断在2.03m附近的确存在着较强吸收峰。C. 水份的吸收特征麦田草地武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感46 若区分植被与非植被，有效地特
22、征波段应选择近红外区间；三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例 植被的光谱吸收参数总结 分析可知，凭借几个强吸收带的特征参数，小麦和草地是能够分离的。 若区分出不同的植被，首先应选择植被强反射区，再利用三种植被的特征波段的交集来判断出区分植被种类的无效特征波段。武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感47水体的光谱吸收参数 在图像上选择两类不同的水体，分别是富营养化的水体和清洁水体，进行包络线去除后提取吸收特征参数。富营养化较高水体三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例相对清洁水体吸收深度用灰度级(0-255)表示,宽度以波段数目表示武汉大
23、学武汉大学 龚龑龚龑高光谱遥感高光谱遥感48水体的光谱吸收参数富营养化较高水体富营养化较高水体三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例相对清洁水体相对清洁水体 可以看出两者都有典型的水可以看出两者都有典型的水体吸收特征但存在一定程度的差体吸收特征但存在一定程度的差异。异。 两种水体的在可见光范围内两种水体的在可见光范围内反射率较小，在近红外和中红外反射率较小，在近红外和中红外波段，波段，反射率极低反射率极低，与典型的水，与典型的水体光谱特征符合。体光谱特征符合。A. 低反射率特征武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感49水体的光谱吸收参数富营养化较高水体富营养化较
24、高水体三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例相对清洁水体相对清洁水体 两者在两者在绿光波段都有一个反绿光波段都有一个反射峰射峰，这是因为样本是池塘水体，这是因为样本是池塘水体，存在着富营养化，水体中浮游生存在着富营养化，水体中浮游生物较多，叶绿素使得蓝光与红光物较多，叶绿素使得蓝光与红光波段存在吸收峰。波段存在吸收峰。B. 绿峰特征参数武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感50水体的光谱吸收参数富营养化较高水体富营养化较高水体三、光谱吸收特征参数提取方法3.4部分典型地物光谱吸收参数实例相对清洁水体相对清洁水体 对于富营养化水体来说，其整对于富营养化水体来说，其
25、整体亮度值偏高，即体亮度值偏高，即吸收深度吸收深度AD较较清洁水体小，清洁水体小，SAI也较清洁水体小。也较清洁水体小。但除此之外，两者的吸收峰位置差但除此之外，两者的吸收峰位置差异较小。异较小。因而可通过SAI或AD进行区分C. 水体类型区分参数武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感51一、高光谱特征参量化概述二、光谱曲线的简化表达三、光谱吸收特征参数提取 四、光谱曲线的函数分析五、光谱特征参量化应用第四章第四章 第第4节节 高光谱特征参量化高光谱特征参量化武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感521.目的 一些典型地物往往具有相对固定的波形形态，为了准确地通过数学形式描述这
26、种形态，以及准确确定光谱曲线的特征点，可以将光谱曲线（或局部）用一个数学函数表达出来。 曲线平滑，去除噪音 离散点变成稳定曲线，特征点更具代表性 参数具有针对性和实用意义四、光谱曲线的函数分析4.1光谱曲线函数模拟法武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感53水稻: 99-15水稻: 武香5021函数形式函数形式500-680nm植被可见光光谱反射率模型（VVSR ）670-780nm植被倒高斯模型（IG）四、光谱曲线的函数分析2.植被光谱曲线的函数模拟 4.1光谱曲线函数模拟法武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感54 植被可见光光谱反射率模型（VVSR）四、光谱曲线的函数分析
27、2.植被光谱曲线的函数模拟 4.1光谱曲线函数模拟法武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感55植被倒高斯模型（IG）（红边分析）最大光谱反射值sR0R0最小光谱反射值高斯函数对称轴高斯函数方差值影响红边起始位置影响红边起始位置影响红边斜率影响红边斜率0与植被健康状况密切相关与植被健康状况密切相关四、光谱曲线的函数分析2.植被光谱曲线的函数模拟 4.1光谱曲线函数模拟法武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感56建立函数模型利用已知散点估计模型参数利用函数模型进行特征分析四、光谱曲线的函数分析3.光谱曲线的函数模拟的一般方案4.1光谱曲线函数模拟法武汉大学武汉大学 龚龑龚龑高光谱遥
28、感高光谱遥感57四、光谱曲线的函数分析 光谱导数可以增强光谱曲线在坡度上的细微变化，光谱导数波形分析能消除部分大气效应。4.2光谱导数武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感584.2光谱导数消除部分大气效应：LL TEL成像光谱仪所获能量 可抽象为： = + 大气透过率太阳辐照度反射率程辐射dLdLddEdTTETEddddddddLdTEdd = + 当地物类型急剧变化时，将远大于其它各项，此时 = + 四、光谱曲线的函数分析武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感59dLdTEdd = + 未经大气校正的植被图像的光谱导数曲线和经过校正的植被图像的光谱导数曲线，因此，光谱导数
29、能部分消除大气效应。可忽略乘性因子四、光谱曲线的函数分析4.2光谱导数消除部分大气效应：武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感604.3光谱积分21( )fd四、光谱曲线的函数分析 光谱积分就是求出在某一波长范围内的下覆面积。利用高光谱数据可生成与多光谱数据波段相对应的影像。多源数据分析武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感61一、高光谱特征参量化概述二、光谱曲线的简化表达三、光谱吸收特征参数提取 四、光谱曲线的函数分析五、光谱特征参量化应用第四章第四章 第第4节节 高光谱特征参量化高光谱特征参量化武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感62 光谱特征参量化分析的应用领域
30、众多，应用方法灵活，但其基本思路基本思路具有共性。1.明确分析对象明确分析对象2选择光谱区间选择光谱区间3计算特征参量计算特征参量4参量分析模型参量分析模型五、光谱特征参量化应用5.1光谱特征参量应用思路武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感63例：国内某单位基于FIMS（红外细分光谱扫描仪）数据对在新疆哈图地区进行矿物识别探测（寻找金矿）。利用光谱吸收特征参数进利用光谱吸收特征参数进行矿物类别判定行矿物类别判定FIMS高光谱数据五、光谱特征参量化应用5.2案例：地质填图武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感64间接解译矿物成分直接针对矿物成分较大范围的优势含量例如：硅、钙利用
31、地质类型伴生关系更为常用更为常用例如：通过例如：通过蚀变玄武岩蚀变玄武岩和和蚀变凝蚀变凝灰岩灰岩的交界地带找金矿的交界地带找金矿1 明确分析对象蚀变玄武岩蚀变凝灰岩凝灰质砂岩玄武岩新疆哈图矿物精细分类对象五、光谱特征参量化应用5.2案例：地质填图武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感652 选择光谱区间依据什么进行选则？对象的地面实际光谱（光谱库）光谱波长区间例： 2.02-2.19微米 2.28-2,32微米蚀变玄武岩蚀变凝灰岩凝灰质砂岩玄武岩五、光谱特征参量化应用5.2案例：地质填图武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感662.02-2.19微米微米 光谱吸收指数SAI2.
32、175 吸收宽度AW、吸收对称性AD 吸收位置波段图像FIMS1 两个肩部图像S1：FIMS2 和S2：FIMS32.28-2,32微米微米 光谱吸收指数SAI2.295 吸收宽度AW、吸收对称性AD 吸收位置波段图像FIMS4 两个肩部图像S1：FIMS5 和S2：FIMS63 计算特征参量 针对选定的光谱区间，计算高光谱影像每个象元光谱响应曲线（包络线消除后）的若干个吸收参数。五、光谱特征参量化应用5.2案例：地质填图武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感67光谱响应曲线1区间1区间2 区间k光谱响应曲线2光谱响应曲线n像元1像元2 像元n高光谱影像4 参量分析模型分类问题输入输入
33、分类模型（模式识别）输出输出每个象元分类结果SAI1AW1AD1SAI2AW2AD2SAIkAWkADk特征五、光谱特征参量化应用5.2案例：地质填图武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感68案例：地质填图案例：地质填图基于矿物精细分类图寻找目标基于矿物精细分类图寻找目标（金矿）（金矿）蚀变玄武岩蚀变凝灰岩凝灰质砂岩玄武岩地质分类图五、光谱特征参量化应用4 参量分析模型5.2案例：地质填图武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感69目的目的参量提取方法参量提取方法参量应用案例参量应用案例光谱特征参量化光谱特征参量化 A方法共性方法共性选择光谱区间选择光谱区间计算特征参量计算特征参
34、量模型应用模型应用目的目的吸收参数提取法吸收参数提取法包络线去除包络线去除-预处理预处理明确分析对象明确分析对象曲线特征数值化描述曲线特征数值化描述五、光谱特征参量化应用5.3光谱特征参量化应用模型武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感70 军事伪装主要是对天然植被与土壤环境的模仿。一般的人造伪装材料在可见光波段可见光波段(400nm一760nn)与植被和土壤的光谱极为相似。 植被覆盖伪装迷彩涂料伪装思考：五、光谱特征参量化应用武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感71 植被微量生化成分 水分含量因素真实植被光谱思考思考：请分析真实植被和伪装涂料光谱曲线特点，设计利用设计利用光谱特征参量光谱特征参量进行涂料伪装的识别方案。提示：五、光谱特征参量化应用武汉大学武汉大学 龚龑龚龑高光谱遥感高光谱遥感72小结一、高光谱特征参量化概述高光谱特征参量化的目的和地位高光谱特征参量化的特点二、光谱曲线的简化表达光谱斜率和坡向、光谱二值编码光谱微分与积分 三、光谱吸收特征参数提取包络线消除光谱吸收特征参数提取四、光谱曲线的函数模拟 目的 （平滑 离散变稳定 参数具有针对性）植被光谱曲线的函数模拟
