高光谱技术在地物检测中的应用

随着国内高光谱研究的推进及国产高光谱仪的研制，高光谱技术在地物检测的应用日益广泛，如在农业上根据作物的光谱可以监控氮、磷、钾、水分等营养元素的丰缺、可以判别农作物的种类和生长期、可以观察农作物是否有病虫害;在矿业中可根据矿石的光谱特征判断其组分;在水体研究中可根据水域的光谱研究其含沙量、营养化以及受污染程度等。

利用高光谱进行地物识别，首先看植被，它们之间的光谱曲线具有一定的相似性，但在550nm、850nm两反射峰处可以分辨出不同树种与不同植被类型之间的细微区别。不同地物的光谱曲线各自具备独特的光谱特征，水体具有相较于其他地物更低的反射率;土壤的在可见光波段的反射率与波长有正相关关系;植被在700nm附近反射率急剧上升，形成植被独特的红边特征。

光谱曲线的分析一般是差异性分析，比如采用最小距离、光谱角度匹配、光谱相似度等模型算法。但在实际应用时，会出现同类型地物的不同种类的光谱之间差异太小，导致曲线相似性度量类方法失效。这时，可以从光谱曲线的波峰、波谷、拐点等特征点着手进行光谱曲线特征分析，这些特征点蕴含了大量的信息，决定了曲线的形状，在利用高光谱进行地物识别领域具有重要的物理意义。

1、反射峰、反射谷的提取

光谱反射率曲线由众多连续排列的离散点组成，其波峰值要大于两肩的数值，所以判断波峰的条件为：Ri > Ri-1 且 Ri > Ri+1.

其中，Ri是波长为i时的反射率。这个判断方法适用于绝对平滑的曲线，但是大多数反射率曲线都带有噪音，利用这个方法将会把噪音形成的波峰也提取出来，这不是理想的结果。噪音造成局部振动的幅度较小，远低于主体曲线的振幅。为了消除它的影响，可以设定一个振幅阀值，在众多的波峰点和波谷点中，振动幅度大于阀值的点予以保留，作为特征点，振动幅度小于或等于阀值的点不予记载，当作是噪音。具体的实现在后面给予说明。如图2，假定阀值为0.01，A为谷点或起始点，A，B，C，D，E的反射率分别为0.385，0.405，0.402，0.437，0.391。由于RB - RC= 0.003，小于阀值0.01，并且RD > RB，故而判断B，C两点为噪音所致，予以排除。由于RD - RA= 0.052> 0.01，RD - RE= 0. 046 > 0.01，故而判断D点为真正的波峰。

2、提取弧段顶点

光谱曲线近似的可看成是由分段的凸、凹弧曲线组成。某一段弧线的顶点是此段上曲率最大的点，它对确定曲线的形状有重要作用。曲率的计算公式为

k= | Ri" | / (1 + Ri2′ )3/2

其中Ri"为波长为i时的二阶导数，k为此点曲率。曲率的计算由于用到一阶和二阶导数，所以受噪音的影响极大。曲线上的“毛刺”段导数的变化极大，曲率值远超于弧线的顶点，所以上式适用于平滑曲线，对于不稳定的波段需加强去噪处理。

3、光谱差异性分析

地物光谱曲线分辨率较高，一般不同的地物在曲线中呈现出不同的反射特征，这些差异在特征点上表现的比较明显。即使是同一植物，在不同的生长期内其光谱也会发生有规律的变化，这些变化能够被特征点准确地记录下来。

利用高光谱进行地物识别，那么我们就会知道，当小麦开始灌浆时，其光谱曲线在627nm处出现了一个小反射峰，振幅约为0.003，这说明小麦已微微变黄，肉眼难以直接观察到的变化在曲线上已体现出来。

4、曲线拟合

无论是地物光谱数据库，还是高光谱遥感影像，光谱维数的增加都导致了数据量的急剧膨胀，而我们则希望能用较少的数据表示较多的信息。就试验所用的手扶式光谱仪来说，一次测量就收集了从325nm到1075nm共750组数据点。大量的数据不仅占用了硬盘空间而且不利于网络上的传输，所以在一定的条件下对光谱数据进行压缩是有必要的。选点是压缩的关键，既要使点尽可能的少，也要能够表达出足够的信息。本文将曲线的起点和末点以及波峰波谷作为选定点，另外加上其它一些特征点作为压缩曲线的节点。点选定之后用分段三次多项式的方法进行插值，然后与原曲线对比，进行误差分析。分段三次多项式法是在每两个节点之间都拟合一条三次曲线，要求曲线通过这两个节点，并且在节点处的导数等于给定的已知值，因而是一种比较精密的插值方法。

好啦，以上就是有关高光谱如何进行地物识别：光谱曲线特征的提取介绍，希望对大家有所帮助~

审核编辑：汤梓红