高光谱分类方法及应用研究进展

阳昌霞

摘要：高光谱遥感技术是近年来遥感技术研究热点。文章从高光谱在岩性提取、农业遥感、水环境监测等方面进行应用进展的综述;并从针对高光谱影像的改进分类方法进行综述，并列举了一些改进分类方法。从而系统的对高光谱分类方法现状以及应用现状进行阐述。

关键词：高光谱;分类方法;遥感

高光谱遥感技术是近年来迅速发展起来的一种对地观测的技术，是国内外研究的技术热点，与微波遥感一起被认为是未来遥感的发展方向。高光谱影像具有“图谱合一”的显著优势和特征，正是这一特征得到了许多广泛人士的关注和重视。近年来随着高光谱的发展，成像光谱仪方面的研究也成为了高光谱发展的重中之重;如何提高影像的光谱以及空间分辨率成为当今世界的研究热点。成像光谱仪获得的高光谱影像的出现使得之前在多光谱影像上不可探测的地物特征能清晰准确地在高光谱影像上识别以及探测，具有丰富的隐含特征信息[1]。但高光谱的出现也随之而来带了很多问题，如Hughes现象、影像的数据量大，冗余度高等[2];传统的多光谱分类方法并不能满足高光谱分类需求，但近年来相继出现了许多针对于高光谱影像的分类方法，都取得了较好的进展。

目前高光谱发展势头强劲，就目前而言国内外许多学者对高光谱的应用以及分类方法进行了许多研究，本文旨在阅读前人研究的基础上对高光谱的应用研究现状以及高光谱分类方法研究现状进行分析总结。

1.高光谱分类方法及应用进展

1.1高光谱应用进展

高光谱的发展为人们进一步认识地球提供了有利的工具，大量机载高光谱出现使得高光谱的应用更加普及。高光谱在国内外不同领域中有着广泛的应用，如刘汉湖等人用高光谱数据对岩石信息进行提取[3]。

高光谱数据蕴含的丰富信息使得高光谱数据可以用来对地物进行精细分类;近年来高光谱被用来监测水稻、玉米等农作物的长势、产量，甚至是对农作物病虫害进行监测;例如吴见等人运用高光谱数据结合空间信息对植被进行分类研究[4]。兰玉彬等人利用机载高光谱影像对柑橘黄龙病植株进行监测取得了较好的监测结果[5]。高光谱在水环境以及大气监测方面也具有重要的应用，如通过对海洋的光谱信息进行研究可以了解不同海洋的光谱信息，同时还可以获取海水中不同物质的光谱反应曲线，可以实现对鱼群、海水污染，海水温度等进行监测，沈照庆等人就利用高光谱遥感数据对海洋中的赤潮以及溢油现象进行了监测[6]。高光谱影像在各个方面都有应用，从最开始的普通星载或机载高光谱影像到如今无人机高光谱影像在各个方面都具有强大的潜用价值。

1.2高光谱分类方法研究进展

高光谱影像分类方法的研究也一直是是遥感技术研究前缘及热点，高光谱的发展，使得如何提高高光谱分类精度成为亟待解决的问题;影像分类是识别地物类型、实现对地观测的关键步骤，同时也是高光谱影像数据处理的重要内容。

国内外研究人员还对原有的方法进行改进，研究了许多更适合用于高光谱分类的方法。在国外Burai，Péter，Deák等人使用了支持向量机（SVM）、随机森林（RF）等方法对经过MNF变换后的高光谱影像以及原始影像对植被类型进行了提取和分类，发现SVM以及RF方法获得了比较好的结果[7]。

近年来在上述分类方法的基础上，也有许多研究提出新研究方向，在国内张修远、刘修国等人提出了基于随机森林算法的高维模糊分类方法，实现了随机森林算法与模糊分类两种分类器的融合，经实验证明达到了很好的效果[8]。高光谱的分类方法得到了巨大的改进，使得分类精度巨大提高，为高光谱的应用打下了坚实的基础。

2.結论

文章从高光谱的应用现状以及高光谱的分类方法现状等总结了目前高光谱的发展现状，高光谱数据在岩性提取、农业遥感、水环境以及大气监测等多个领域都占有重要位置。除此之外高光谱数据在分类方法研究进展中，针对高光谱数据维数高等特点许多学者提出了适用于高光谱的分类方法如SVM、RF等，许多新兴的分类方法对高光谱分类精度提高取得了巨大进展。

参考文献：

[1]Tarabalka Y， Chanussot J， Benediktsson J A. Segmentation and classification of hyperspectral images using watershed transformation[J]. Pattern Recognition， 2010， 43（7）：2367-2379.

[2]杜培军，谭琨，夏俊士.高光谱遥感影像分类与支持向量机应用研究[M].科学出版社，2012.

[3]刘汉湖，杨武年，杨容浩.高光谱遥感岩矿端元提取与分析方法研究[J].岩石矿物学杂志，2013，32（2）：213-220.

[4]吴见，彭道黎.基于空间信息的高光谱遥感植被分类技术[J].农业工程学报，2012，28（5）：150-153

[5]兰玉彬，朱梓豪，邓小玲.基于无人机高光谱遥感的柑橘黄龙病植株的监测与分类[J].农业工程学报，2019，35（3）：92-100.

[6]沈照庆，王建宾，陈性义，赖祖龙.高光谱海洋遥感影像处理系统集成与应用研究[J].海洋测绘，2009，29（02）：49-52

[7]Burai，Péter，Deák，Balázs，Valkó，Orsolya，et al. Classification of Herbaceous Vegetation Using Airborne Hyperspectral Imagery[J]. Remote Sensing， 2015， 7（2）：2046-2066.

[8]张修远，刘修国.基于随机森林算法的高维模糊分类研究[J].国土资源遥感，2014，26（02）：87-92.