高光譜分類方法及應(yīng)用研究進(jìn)展

陽昌霞

摘要：高光譜遙感技術(shù)是近年來遙感技術(shù)研究熱點(diǎn)。文章從高光譜在巖性提取、農(nóng)業(yè)遙感、水環(huán)境監(jiān)測等方面進(jìn)行應(yīng)用進(jìn)展的綜述;并從針對高光譜影像的改進(jìn)分類方法進(jìn)行綜述，并列舉了一些改進(jìn)分類方法。從而系統(tǒng)的對高光譜分類方法現(xiàn)狀以及應(yīng)用現(xiàn)狀進(jìn)行闡述。

關(guān)鍵詞：高光譜;分類方法;遙感

高光譜遙感技術(shù)是近年來迅速發(fā)展起來的一種對地觀測的技術(shù)，是國內(nèi)外研究的技術(shù)熱點(diǎn)，與微波遙感一起被認(rèn)為是未來遙感的發(fā)展方向。高光譜影像具有“圖譜合一”的顯著優(yōu)勢和特征，正是這一特征得到了許多廣泛人士的關(guān)注和重視。近年來隨著高光譜的發(fā)展，成像光譜儀方面的研究也成為了高光譜發(fā)展的重中之重;如何提高影像的光譜以及空間分辨率成為當(dāng)今世界的研究熱點(diǎn)。成像光譜儀獲得的高光譜影像的出現(xiàn)使得之前在多光譜影像上不可探測的地物特征能清晰準(zhǔn)確地在高光譜影像上識(shí)別以及探測，具有豐富的隱含特征信息[1]。但高光譜的出現(xiàn)也隨之而來帶了很多問題，如Hughes現(xiàn)象、影像的數(shù)據(jù)量大，冗余度高等[2];傳統(tǒng)的多光譜分類方法并不能滿足高光譜分類需求，但近年來相繼出現(xiàn)了許多針對于高光譜影像的分類方法，都取得了較好的進(jìn)展。

目前高光譜發(fā)展勢頭強(qiáng)勁，就目前而言國內(nèi)外許多學(xué)者對高光譜的應(yīng)用以及分類方法進(jìn)行了許多研究，本文旨在閱讀前人研究的基礎(chǔ)上對高光譜的應(yīng)用研究現(xiàn)狀以及高光譜分類方法研究現(xiàn)狀進(jìn)行分析總結(jié)。

1.高光譜分類方法及應(yīng)用進(jìn)展

1.1高光譜應(yīng)用進(jìn)展

高光譜的發(fā)展為人們進(jìn)一步認(rèn)識(shí)地球提供了有利的工具，大量機(jī)載高光譜出現(xiàn)使得高光譜的應(yīng)用更加普及。高光譜在國內(nèi)外不同領(lǐng)域中有著廣泛的應(yīng)用，如劉漢湖等人用高光譜數(shù)據(jù)對巖石信息進(jìn)行提取[3]。

高光譜數(shù)據(jù)蘊(yùn)含的豐富信息使得高光譜數(shù)據(jù)可以用來對地物進(jìn)行精細(xì)分類;近年來高光譜被用來監(jiān)測水稻、玉米等農(nóng)作物的長勢、產(chǎn)量，甚至是對農(nóng)作物病蟲害進(jìn)行監(jiān)測;例如吳見等人運(yùn)用高光譜數(shù)據(jù)結(jié)合空間信息對植被進(jìn)行分類研究[4]。蘭玉彬等人利用機(jī)載高光譜影像對柑橘黃龍病植株進(jìn)行監(jiān)測取得了較好的監(jiān)測結(jié)果[5]。高光譜在水環(huán)境以及大氣監(jiān)測方面也具有重要的應(yīng)用，如通過對海洋的光譜信息進(jìn)行研究可以了解不同海洋的光譜信息，同時(shí)還可以獲取海水中不同物質(zhì)的光譜反應(yīng)曲線，可以實(shí)現(xiàn)對魚群、海水污染，海水溫度等進(jìn)行監(jiān)測，沈照慶等人就利用高光譜遙感數(shù)據(jù)對海洋中的赤潮以及溢油現(xiàn)象進(jìn)行了監(jiān)測[6]。高光譜影像在各個(gè)方面都有應(yīng)用，從最開始的普通星載或機(jī)載高光譜影像到如今無人機(jī)高光譜影像在各個(gè)方面都具有強(qiáng)大的潛用價(jià)值。

1.2高光譜分類方法研究進(jìn)展

高光譜影像分類方法的研究也一直是是遙感技術(shù)研究前緣及熱點(diǎn)，高光譜的發(fā)展，使得如何提高高光譜分類精度成為亟待解決的問題;影像分類是識(shí)別地物類型、實(shí)現(xiàn)對地觀測的關(guān)鍵步驟，同時(shí)也是高光譜影像數(shù)據(jù)處理的重要內(nèi)容。

國內(nèi)外研究人員還對原有的方法進(jìn)行改進(jìn)，研究了許多更適合用于高光譜分類的方法。在國外Burai，Péter，Deák等人使用了支持向量機(jī)（SVM）、隨機(jī)森林（RF）等方法對經(jīng)過MNF變換后的高光譜影像以及原始影像對植被類型進(jìn)行了提取和分類，發(fā)現(xiàn)SVM以及RF方法獲得了比較好的結(jié)果[7]。

近年來在上述分類方法的基礎(chǔ)上，也有許多研究提出新研究方向，在國內(nèi)張修遠(yuǎn)、劉修國等人提出了基于隨機(jī)森林算法的高維模糊分類方法，實(shí)現(xiàn)了隨機(jī)森林算法與模糊分類兩種分類器的融合，經(jīng)實(shí)驗(yàn)證明達(dá)到了很好的效果[8]。高光譜的分類方法得到了巨大的改進(jìn)，使得分類精度巨大提高，為高光譜的應(yīng)用打下了堅(jiān)實(shí)的基礎(chǔ)。

2.結(jié)論

文章從高光譜的應(yīng)用現(xiàn)狀以及高光譜的分類方法現(xiàn)狀等總結(jié)了目前高光譜的發(fā)展現(xiàn)狀，高光譜數(shù)據(jù)在巖性提取、農(nóng)業(yè)遙感、水環(huán)境以及大氣監(jiān)測等多個(gè)領(lǐng)域都占有重要位置。除此之外高光譜數(shù)據(jù)在分類方法研究進(jìn)展中，針對高光譜數(shù)據(jù)維數(shù)高等特點(diǎn)許多學(xué)者提出了適用于高光譜的分類方法如SVM、RF等，許多新興的分類方法對高光譜分類精度提高取得了巨大進(jìn)展。

參考文獻(xiàn)：

[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]杜培軍，譚琨，夏俊士.高光譜遙感影像分類與支持向量機(jī)應(yīng)用研究[M].科學(xué)出版社，2012.

[3]劉漢湖，楊武年，楊容浩.高光譜遙感巖礦端元提取與分析方法研究[J].巖石礦物學(xué)雜志，2013，32（2）：213-220.

[4]吳見，彭道黎.基于空間信息的高光譜遙感植被分類技術(shù)[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（5）：150-153

[5]蘭玉彬，朱梓豪，鄧小玲.基于無人機(jī)高光譜遙感的柑橘黃龍病植株的監(jiān)測與分類[J].農(nóng)業(yè)工程學(xué)報(bào)，2019，35（3）：92-100.

[6]沈照慶，王建賓，陳性義，賴祖龍.高光譜海洋遙感影像處理系統(tǒng)集成與應(yīng)用研究[J].海洋測繪，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]張修遠(yuǎn)，劉修國.基于隨機(jī)森林算法的高維模糊分類研究[J].國土資源遙感，2014，26（02）：87-92.