高光譜遙感圖像分類(lèi)——以海水為例

高光譜成像技術(shù)獲得的高光譜圖像信息龐大，需要進(jìn)行分類(lèi)處理才能應(yīng)用于各個(gè)領(lǐng)域。本文以海水為例，簡(jiǎn)單介紹了高光譜遙感圖像分類(lèi)方法。

高光譜遙感圖像分類(lèi)

1. 高光譜遙感圖像分類(lèi)原因

高光譜遙感圖像分類(lèi)的主要特點(diǎn)在于：

1）光譜分辨率高，波段眾多，且可以挑選特定的波段來(lái)突出特征，進(jìn)行分類(lèi)。

2）數(shù)量冗余程度增加，波段相關(guān)性高。

3）hughs現(xiàn)象的存在，樣本數(shù)目要求高，且隨著波段增加分類(lèi)精度反而下降。

2. 高光譜遙感圖像分類(lèi)方法

我們主要介紹三種方式進(jìn)行有效的高光譜遙感圖像分類(lèi)：

1）降維+傳統(tǒng)分類(lèi)算法

2）智能化的新分類(lèi)算法

3）光譜匹配分類(lèi)

我們以第一種方法為例進(jìn)行分析，特征提取+傳統(tǒng)分類(lèi)算法。重點(diǎn)在于光譜維特征的提取，即通過(guò)映射和變換的方法（如主成分分析PCA，最小噪聲分離變換MNF，小波變換等），把原始模式空間的高維數(shù)據(jù)變成特征空間的低維數(shù)據(jù)。然后對(duì)特征更集中的低維數(shù)據(jù)進(jìn)行傳統(tǒng)分類(lèi)處理。

分類(lèi)器：

選擇最小距離和最大似然法進(jìn)行比較

（1）Minimum distance classifier

（2）Maximum likelihood classifier

具體步驟：

選取海水，建筑物和植被3個(gè)不同類(lèi)別的樣本，樣本個(gè)數(shù)各為300個(gè)。樣本要具有代表性就是樣本的亮度要反映該類(lèi)地物的亮度特征，當(dāng)同一地物區(qū)域分布不連續(xù)時(shí)，我們要盡量使樣本來(lái)自不同的區(qū)域。如：在對(duì)海水取樣時(shí)，既要選擇來(lái)來(lái)自右上角的深水區(qū)的樣本，又要選擇來(lái)自河道以及水田中的淺水區(qū)的樣本。從亮度特征角度而言，對(duì)于同一類(lèi)地物具有不同亮度特征情況，都要選取（同物異譜）。原始圖像選擇前3個(gè)波段后，采用以下兩種傳統(tǒng)分類(lèi)算法進(jìn)行分類(lèi)：

區(qū)域A：在淺水區(qū)，最大似然法分類(lèi)圖像中出現(xiàn)了原始分類(lèi)圖像中沒(méi)有的像點(diǎn)。這些像點(diǎn)是水中的暗礁和草，RGB圖像上用肉眼無(wú)法識(shí)別到這些細(xì)節(jié)。

區(qū)域B：通過(guò)目視解譯，可以分辮出這個(gè)區(qū)域是由田埂分開(kāi)的一塊又一塊的稻田，這些稻田中全是海水。最小距離法分類(lèi)時(shí)卻忽略了這些由植被覆蓋的田埂，將其全部分成了海水。甚至將右上角處的海水類(lèi)分成了植被類(lèi)。

區(qū)域C：可以看到左圖中有很多被錯(cuò)分的像點(diǎn)，如山脈中的部分植被和建筑被類(lèi)分成了海水類(lèi)。而右圖中幾乎沒(méi)有被錯(cuò)分的像點(diǎn)；