APP下载

高光谱图像波段间相关特性研究

2013-06-27成宝芝郭宗光

大庆师范学院学报 2013年6期
关键词:大庆图像处理波段

成宝芝,郭宗光

(大庆师范学院物理与电气信息工程学院,黑龙江大庆163712)

高光谱图像波段间相关特性研究

成宝芝,郭宗光

(大庆师范学院物理与电气信息工程学院,黑龙江大庆163712)

高光谱图像是一种具有高光谱分辨率的遥感图像,相比于多光谱图像,具有较多的波段数。这些波段之间存在较强的相关性,因而波段间也存在着冗余性。如何合理减少高光谱图像波段间的相关性,有效去除冗余,就成为高光谱图像处理研究的一个关键问题。基于此,对高光谱图像的相关特性进行了分析和研究。

高光谱图像;相关性;波段冗余

1 波段间相关性产生的原因

对于一个实际存在的高光谱图像,波段间相关性产生的原因,有以下几方面:

1)地物光谱的相关性。造成这种相关性的因素有很多,例如在可见光波段,植被都表现出较低的反射特性,因此在所有可见光谱区域都表现出相似性。高相关性的波段范围是由地物光谱反射特性决定的。

2)地形因素。对于所有实际的应用,地形阴影的影响对所有太阳反射波段是近似相同的,尤其是在太阳入射角较低的山区,在这种地方,地形阴影是影响的主要组成部分,于是造成了在太阳反射区域的波段和波段之间的相关性。

3)遥感器波段的重叠。由于遥感器在设计的时候,在技术和工艺的原因,不可避免的在对地物光谱成像时,使得波段间存在着重叠问题。

2 波段间的相关性问题描述

为了描述高光谱图像波段间的相关性问题,需要计算波段间的相关系数。定义任意两个波段矢量i和j之间的相关系数Rij为

式中mi和mj分别是波段i和j的均值矢量;xi和xj分别表示波段矢量i和j上像素点的灰度值;0≤Rtj≤1,Rij越大说明相关性越强。

则高光谱图像的相关矩阵可以表示为:

3 仿真结果和分析

本文使用的两幅仿真图像均来自于AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)传感器,他们的伪彩色图像分别如图1(a)(以12、70、159波段作为RGB通道)和(b)(以8、55、120波段作为RGB通道)所示。其中,图1(a)是美国内华达州的矿山地区,含有大量的矿物质和少量的植物[1-2],使用这个区域的高光谱图像作为研究的主要原因是,这个区域自从1980年代以来,就得到了广泛的关注,已经开展了大量的研究实验,对这个区域所含的矿物质也已经有了清晰和准确的掌握[3-4];图1(b)是美国圣地亚哥海军机场的高光谱图像,把它作为高光谱异常检测的实验对象是,此图像适合于高光谱图像目标检测,并且前人也做了大量的研究工作。这两个图像在光谱和空间区域上都进行了一定的预处理(如去除低信噪比波段和被水蒸气吸收的波段),所以,他们的波段数都没有达到AVIRIS传感器可产生的224波段数。

图1 用于仿真实验的高光谱图像

依据式(1)计算的波段间的相关系数和式(2)相关矩阵的形式,表1给出了美国内华达州赤铜矿(Cuprite)的高光谱图像的不同波段的相关系数;表3中给出了美国加州圣地亚哥(Sandiego)海军机场的高光谱图像的不同波段的相关系数。从表1和表2中可以看出,Cuprite和Sandiego这两种AVIRIS高光谱图像波段间有着相当强的相关性,其相关系数大部分都在0.98以上,近似接近于1。

表1 Cuprite高光谱图像的不同波段的相关系数

表2 Sandiego高光谱图像的不同波段的相关系数

图2以曲线形式分别给出了Cuprite和Sandiego这两类高光谱图像各自相邻波段的相关系数。从中可以得出高光谱数据相关性的两个重要特征:一是高光谱数据包含了大量的冗余信息;二是邻近波段之间的相关一般要高于相距较远的波段,这种相关具有近似的连续性和可传递性。

图2 高光谱图像相邻波段的相关曲线

图3 给出了Cuprite和Sandiego两个高光谱数据源相关矩阵的二维可视化形式。分析图3可以发现,高光谱图像相邻波段间不但存在着较强的相关性,而且这种高相关性是成块出现的。根据图中的色标可以得出结论:以对角线为中心,波段块成对称分布。在对角线中心部分,为波段自相关,相关系数为1,所以对角线色标值最大;颜色越接近于红色或者深红色说明波段间相关性越强;颜色越接近于蓝色或者深蓝色说明波段间相关性越差。

图3 高光谱图像相关性的二维示意图

4 结语

综合以上对高光谱图像数据源相关性的分析,我们能得出结论:高光谱图像数据波段间存在着大量的冗余性,相邻波段间存在着较强的相关性,且这种相关性是分块存在的。依据高光谱图像的这些特性,在高光谱图像处理的研究中,就可以利用这种光谱波段相关性特性,对波段进行子空间划分,达到降维和最优化选取波段的目的。

[1]G.Swayze.The hydrothermal and structural history of the cupritemining district,Southwestern Nevada:An integrated geological and geophysical approach[J].Ph.D.dissertation,Univ.Colorado,Boulder,CO,1997.

[2]R.N.Clark,G.A.Swayze.Evolution in imaging spectroscopy analysis and sensor signal-to-noise:An e-amination of how far we have come[J].in Proc.6th Annu.JPL Airborne Earth Sci.Workshop,1996:49-53.

[3]J.M.P.Nascimento and J.M.B.Dias.Vertex componentanalysis:A fastalgorithm to unmix hyperspectral data[J].IEEE Trans.Geosci.Remote Sens.,2005,43(4):898-910.

[4]G.Swayze,R.Clark,S.Sutley,A.Gallagher.Ground-truthing AVIRISmineralmapping at Cuprite,Nevada[J].in Proc.Summ.3rd Annu.JPL Airborne Geosci.Workshop,1992(1):47-49.

[5]R.A.Schowengerdt.遥感图像处理模型与方法[M].3版.微波成像技术国家重点实验室,译.电子工业出版社,2010:31-83.

[6]童庆禧,张兵,郑兰芬.高光谱遥感—原理、技术与应用[M].北京:高等教育出版社,2006:246-247.

[7]王晓飞.高光谱图像分辨率增强及在小目标检测中的应用研究[D].哈尔滨:哈尔滨工业大学博士学位论文,2011:13-17.

成宝芝(1976-),男,吉林东丰人,大庆师范学院物理与电气信息工程学院讲师,博士,从事高光谱图像处理研究。

黑龙江省教育厅科学技术研究资助项目(12533001)。

TP751.1

A

2095-0063(2013)06-0035-03

2013-08-21

猜你喜欢

大庆图像处理波段
李大庆
基于ARM嵌入式的关于图像处理的交通信号灯识别
国之大庆,成就报道如何“融”新出彩
基于图像处理的机器人精确抓取的设计与实现
机器学习在图像处理中的应用
基于PLL的Ku波段频率源设计与测试
《物外真游》
——高大庆作品欣赏
小型化Ka波段65W脉冲功放模块
M87的多波段辐射过程及其能谱拟合
基于图像处理的定位器坡度计算