正文

多光谱数据的特点（多光谱数据的特征）

发布时间：2023-04-19 05:36:26 稿源：创意岭阅读： 136

大家好！今天让创意岭的小编来大家介绍下关于多光谱数据的特点的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

1、多光谱方法技术
2、多光谱图像颜色重建是什么
3、多光谱遥感定量化分析技术在地物识别中的应用研究
4、高分辨率的地球资源卫星有哪些?各有什么特点?高光谱卫星有什么特点?

多光谱数据的特点（多光谱数据的特征）

一、多光谱方法技术

多光谱的信息提取主要集中于：①色调信息提取，②纹理信息提取，③信息融合。对于色调信息提取，主要是采用一些增强处理，扩大图像中地物间的灰度差别，以突出目标信息或改善图像效果，提高解译标志的判别能力，如反差扩展、彩色增强、运算增强、变换增强等，这些传统的图像处理方法在一定程度上满足了应用的需要。近年来发展了一系列的以主成分变换（PCA）为主的信息提取技术，在岩矿信息提取中发挥了重要作用。如张满郎（1996）提出修正的直接主成分分析提取铁氧化物信息。MNF 变换（Maximum Noise Fraction Transformation）（Kruse，1996；Green et al.，1998），NAPC（Noise⁃adjust Principal Component Transform）（Lee et al.，1990）、分块主成分变换（Jia et al.，1998）、基于主成分的对应分析（Carr et al.，1999；张满郎，1996；杨金中，2003），以及基于主成分分析的空间自相关特征提取（Warner et al.，1997）、子空间投影（Harsanyi et al.，1994）和高维数据二阶特征分析（Lee et al.，1993；Haertel et al.，1999）等，也是基于主成分分析进行信息特征选择与特征提取。同时，根据模式识别的原理，提出并设计出监督分类与非监督分类方法以及利用决策树进行分类识别（Wrbka et al.，1999；Friedl et al.，1999；Friedl et al.，1999；Hansen et al.，1996）。这些技术与方法是建立在图像灰度特征之上，利用数理统计的知识进行地物分类与信息提取的。

遥感影像的边缘和纹理信息对线、环构造的识别具有一定作用，但却似乎无助于岩性的识别。边缘信息提取通常采用滤波算子或锐化的方法进行（Gross＆Schott，1998；Varbel，2000）。纹理信息提取通常利用灰度共生矩阵、傅里叶功率谱和纹理谱（王润生，1992）等方法。

多源数据融合研究也非常普及与深入，其技术方法涉及到不同的数理知识（Jimen et al.，1999；Pohl，1998；Robinson et al.，2000；Price，1999；Gross＆Schott，1998），比如小波信息融合。其应用涉及到非遥感数据（王润生，1992；朱亮璞，1994），如遥感数据与地球化学、物探数据的叠加与融合。这些方法一方面拓宽了遥感的应用范围，另一方面也延伸了遥感的应用能力。

总的来说，多光谱遥感岩矿信息提取主要是基于图像灰度特征，即基于岩矿的反射强度差异，采用一些数字变换方法，增强或突出有限的目标信息，使之易于目视解译。在数据处理中，由于波段有限，未能有效地融入岩矿的光谱知识，其结果精度更多地取决于研究人员的经验。

二、多光谱图像颜色重建是什么

我只能给你讲个概念。具体深入的话，楼主要去查阅有关专业文献。

物体的颜色决定于物体表面反射出来的光谱，也即决定于物体本身对可见光光谱范围内电磁波的反射率。传统的成像设备诸如数码相机、扫描仪采用RGB传感器进行彩色图像的采集。通过这种方式得到物体光谱反射率的方法存在同色异谱问题,但在多光谱成像系统中却不存在这样的问题。多光谱成像系统的特点是有一个由多个光学带通滤光片组成的滤片轮组成的光学通道，通过采集每个通道中的光谱图像来恢复物体本身的反射率进而得到物体的颜色图像。相较于RGB彩色图像使用的三个光谱通道，多光谱图像中包含了更多的光谱信息，使图像的反射率重建更加准确。

三、多光谱遥感定量化分析技术在地物识别中的应用研究

党福星

（航空物探遥感中心，北京　100083）

多光谱遥感技术是一种根据地表地物的电磁波谱特征，利用多光谱扫描仪从空中探测地面信息的技术。多光谱遥感资料的多波谱特性，是识别地物和提取地表信息的重要依据之一，利用遥感波谱信息进行地物识别和信息提取，不但信息量大，而且信息处理可以定量化。目前，应用多光谱遥感资料所精细反映的地表地物的电磁波谱特性，进行地物信息的定量提取研究是多光谱遥感技术应用中的重要内容和热点，本文以地面地物信息的定量化提取为研究内容，提出了地物识别的新思路，探讨了多光谱信息定量化分析技术在遥感解译应用中的具体研究途径，对今后进一步开展遥感解译定量化研究具有实际意义。

图1是多光谱遥感定量化分析技术流程。试验采用的是航空多光谱扫描原始数据，具有较高的波谱和空间分辨率（10个波段，8.5m的像元），地面主要地物波谱资料是通过地面准同步测试获取的。

试验研究包括两部分：第一是遥感图像数据定量化，主要内容有大气散射校正、噪声消除、基于机下点的图像归一化校正和反射率图像生成。第二是利用地物的地面反射率值与遥感图像的光谱信息的相关特征以及反射率值的变化趋势，建立遥感地物反射光谱解译模型，进行地物属性信息的定量提取，为研究人员提供较高精度的专题信息图像和有利于计算机的自动成图。

图1　试验研究方法技术流程

一、试验区概况及遥感数据定量化

（一）试验区概况及主要地物波谱特征

本次航空多光谱扫描数据是于1991年9月和1993年8月用DS—1268系统分别在新疆西北部地质找矿区和冀中农业平原区采集的。试验区概况如下。

1.农业区及主要地物波谱

农业区以滦河流域平原为主，平原地区平均海拔高度为70m，试验区内平均高差不足50m。本区地物类型主要有植被、水体、裸土等，植被有农作物、树木、杂草等。农作物类型主要是玉米和花生，成片大面积分布，其混合像元率为0～10%。树木主要有成片树林和在耕地之间、道路两旁、建筑物旁成排分布的两种形式，混合像元率为20%和60%左右，草地主要分布在山坡和河滩，混合像元率为20%～80%，分布不均匀。本区无植被覆盖地物主要是滦河水、池塘水、裸露的砂土和砾石，主要分布在道路区、人工建筑区以及河滩等。典型地物波段反射光谱数据如表1所示。

表1　农业区主要地物波段反射光谱数据（%）

2.地理、地质及主要地物波谱

地质找矿调查区位于我国西北的新疆阿舍勒地区，区内有一大型铜矿床。试验区属北温带寒冷半干旱气候区，区内基岩裸露较好，在低山丘陵区的沟谷中植被发育，多生茅草类；山坡（阴坡）上生长有蒿类及野刺玖、兔儿条等灌木，整个地势由南西向北东依次增高，分别为750m、800m、850m，呈似台阶状上升。

区内地层主要出露有上古生界中泥盆系依托克萨雷组、阿尔泰组，下石炭系口山咀组，第三系、第四系主要分布在研究区南部。上述地层构成长轴为北西向的向斜，沿其走向在西北端与南阿勒泰构造成矿带相连。

区内构造复杂，矿床位于玛尔卡库里深断裂北东侧近南北向的次级断裂带中，沿断裂各种岩石普遍受挤压破碎，矿区附近受到不同程度的区域变质和动力变质作用及成矿热液蚀变的影响，使得岩石变得复杂化。围岩蚀变强烈，蚀变范围较广而且种类繁多，岩石强烈硅化、绢云母化和绿石化，且发育有一定量的褐铁矿化及铁帽，形成明显的退色蚀变带。

区内主要岩石类型可分为矿化蚀变岩、非矿化蚀变岩及未蚀变（弱蚀变）岩石。表2是试验区主要地物的波段反射光谱数据。

（二）遥感图像数据定量化

本项试验在保证精度的前提下，对ATM图像进行了必要的预处理，包括图像的条带、噪声去除、大气散射校正、图像归一化校正和反射率值恢复等。

原始的遥感图像数据除了包含地物光谱反射率信息外，也包含着大气辐射传输效应、地形效应和不同波段的增益影响。剔除这些干扰因素，将原始图像数据转换为反射率图像是多光谱数据定量化解译和分析不可少的基础性工作。转换的方法很多，本次试验仅采用波谱平台对数剩余值法和线性回归法。

表2　地质试验区主要地物波段反射光谱数据（%）

线性回归法的数学表达式为：

航空物探遥感论文集

式中：R_j（i）为第j波段第i像元的反射率；A_j,B_j为线性回归系数；L_j（i）为第j波段第i像元的图像亮度值。

该方法的适用条件是定标地物分布均匀、面积足够大（约10×10像元）而且地形起伏不能太大。

波谱平台对数剩余值法克服了对数剩余值法中背景地物压制目标地物吸收特征这一缺陷，其数学模型为：

航空物探遥感论文集

式中：G′_j（·）为波段j上处于波谱平台区的所有像元的几何平均值；G′（·）为所有处于波谱平台区的像元在所有波段上的几何平均值；G.（i）为第i像元点在所有波段的几何平均值；R_j（i）为第j波段第i像元的波谱平台反射率对数值。

该模型的适用条件是像幅内大气水平均匀。

二、试验区地物反射光谱解释模型建立

（一）用于农业区地物识别的反射光谱解释模型建立及定量化分析

多光谱遥感图像的波谱特征是地物识别的重要依据，而建立判别地物属性的反射光谱解译模型是识别地物的关键。我们利用试验区主要地物的地面反射率值与遥感图像中光谱信息的相关特征以及反射率的变化趋势，建立了地物反射光谱解译模型，这些模型主要有：

①归一化差值植被指数I_n,d.v

航空物探遥感论文集

②垂直植被指数I_p.v

航空物探遥感论文集

③综合比值植被指数I_r,v

航空物探遥感论文集

式（3）、（4）、（5）中R₃、R₄、R₇、R₈分别为DS—1268系统第3、4、7、8波段图像的反射率值。各主要地物的判别指数动态变化范围如表3。

表3　主要地物判别指数动态变化范围

（二）矿化蚀变信息解译模型的建立及其数据特征定量分析

在地质研究区内地表满足朗伯体假定、地形起伏中等、大气状况均匀的情况下，预处理后的多光谱图像j波段传感器对地面某点成像时所记录的第i个像元的反射率值可表示为：

航空物探遥感论文集

式中：p_ij为图像内第j波段的第i个像元对应的地面目标波段反射率值；ρ_kl为平台区内第l波段的第k个像元对应的地面目标波段反射率；m为多光谱图像的波段数；n′为平台区像元个数；R_ij为图像反射率值。

由式（6）可知，图像反射率值仅与平台像幅内地物的和目标地物的反射光谱特征有关。由于平台区选取地物（花岗斑岩）满足灰体的反射特性，因此对于多光谱图像的两个波段的综合比值图像上某一像元点的值可表示为如下形式：

航空物探遥感论文集

由式（7）可知，在一定条件下，反射率图像波段比值仅与像元内目标地物的波谱特性有关。为准确地定量提取矿化蚀变信息，对已知矿化蚀变训练区的多波段综合比值数据进行统计分析，区内主要地物类型的反射率数据综合比值统计特征归纳如表4所示。

表4　主要地物类型图像反射率数据比值特征

表4数据表明：应用反射率生成模型对经过初步辐射校正的图像作图像光谱转换之后，在（R₉—R₇）/（R₉+R₇）与（R₉—R₁₀）/（R₉+R₁₀）的二维比值数据中，植被和未蚀变岩石基本上被压缩在零值附近，而在（R₅—R₂）/（R₅+R₂）的比值数据中，非矿化蚀变岩类基本上也被压缩到了零值附近，因此，应用遥感信息定量化分析技术可以将矿化蚀变信息单独提取出来作为遥感定量信息，从而实现遥感信息的定量化提取。

三、遥感信息定量化提取

（一）农业试验区地物类型专题信息定量化提取

根据所建立的试验区遥感解译模型，在定量分析的基础上，将不同类型的地物属性信息提取出来。具体方法是，根据对已知地物训练区的统计分析，以由试验区主要地物类型的反射光谱解译模型计算出的各判别指数值的动态变化范围作为阈值基数，在阈值范围内的像元点被认为是所识别的地物，依此类推。附彩图2和附彩图3是利用判别指数在定量分析的基础上提取的试验区主要地物分类图像，提取结果是令人满意的，抽样统计精度达85%。

（二）矿化蚀变岩性信息定量化提取

1.植被影响因素的消除

如前所述，应用反射率图像的ATM9和ATM7生成的比值图像R₉₇可将植被信息单独提取出来，进而消除植被对岩性信息提取的干扰。令：

航空物探遥感论文集

式中：R₉为第9波段的反射率值；R₇为第7波段的反射率值。

当比值图像的像元值R₉₇≤0时，该像元点所反映的地物为植被。

2.蚀变岩石信息提取

应用反射率图像的ATM9和ATM10生成的比值图像可提取蚀变信息。令：

航空物探遥感论文集

在消除植被的影响后，蚀变信息的判别依据为：当比值图像上的像元值R₉₁₀＞0.03时，该像元点所反映的地物为蚀变岩。

3.矿化信息提取

在蚀变信息提取的基础上，矿化信息可由反射率图像的ATM5和ATM2生成比值图像进行识别和提取。令：

航空物探遥感论文集

提取矿化信息的阈值基数为：当R₅₂＞0.03时，比值图像上的对应像元点的地物为矿化蚀变岩。

附彩图4是依据（8）、（9）、（10）式所示的识别准则提取的植被、蚀变岩和矿化点信息分布示意。

在矿化蚀变信息提取的基础上，依据矿化点反射率图像数据的比值特征可进一步提取地表岩石的矿化信息。令：

航空物探遥感论文集

有关试验区地表岩石矿化信息和相对应的图像反射率数据比值特征见表5，通过初步分析，可得如下结论：

表5　地表矿化岩石信息和图像反射率数据比值特征

当岩石中铁的氧化物、氢氧化物主要为赤铁矿、褐铁矿矿物时，R₆₇₈＜0,R₇₈₉＞0；

当岩石中以含针铁矿、褐铁矿矿物为主时，R₇₈₉＜0,R₆₇₈＞0;

R₅₂值越大，岩石的褐铁矿化程度越高，岩石中铁的氧化物、氧氧化物含量也越高。

因此，根据上述结论，可提取以赤铁矿为主的和以针铁矿为主的矿化蚀变信息以及地表岩石的矿化程度信息。

当R₆₇₈＜0时，矿化标志为以赤铁矿为主的铁帽（附彩图5）；

当R₇₈₉＜0时，矿化标志为以针铁矿为主的褐铁矿化（附彩图6）。

根据R₅₂的值域范围，可确定矿化蚀变程度。即R₅₂值越大，矿化程度越高，试验区矿化程度与比值图像R₅₂值域的关系为：

当0.03＜R₅₂＜0.05时，矿化程度低；

当0.05＜R₅₂＜0.10时，矿化程度中等；

当0.10＜R₅₂＜0.14时，矿化程度高。

附彩图7是根据R₅₂值域范围提取的矿化程度专题信息示意。根据已有地质矿产资料和前人野外实地踏勘结果可知，矿化程度最高的矿化带是第一号矿化带，这与应用比值特征获取的矿化程度信息所反映的图像部位基本一致。

四、结论

通过多光谱定量化分析技术在地物识别中的初步应用研究，得出如下结论：

①采用多光谱定量化分析技术，利用遥感图像数据的光谱信息，进行地表农作物及其它地物类型的定量识别和地质矿化蚀变专题信息的定量提取，不仅物理意义明确，而且可以为动态监测大面积土地资源与矿产勘查快速提供有关专题信息图件。

②初步试验结果表明：在一定的条件下，应用多光谱信息定量化分析技术，通过对遥感数据进行定量化分析和解译，不仅应用效果好，提取精度高，而且所提取的有用地质信息可做为单独数据与其它地学信息复合，从而为今后更深入地探讨实现遥感解译定量化的有效研究途径奠定了基础。

③基于光谱信息统计的定量化分析方法，较好地与地面波谱数据的分析和应用结合起来，所建立的信息提取模型的主要依据是地面实测波谱数据的变化规律。因此，直接将地面波谱数据应用于多光谱图像预处理和解译过程，为多光谱图像的解译从定性发展到定量，提供了新的思路和研究方法。

④仅依据地物的波谱特性进行地物识别研究，具有一定的局限性。今后如何有效地结合遥感图像的光谱信息、结构信息以及其它相关信息，研究提取地物信息的综合计算机方法是提高遥感解释定量化水平值得注意的发展方向。

参考文献

1.斯韦恩P.H等.遥感定量方法.北京：科学出版社，1984

2.彭望碌.遥感数据的计算机处理与地理信息系统.北京：北京师范大学出版社，1991

3.朱亮璞等.遥感地质学.北京：地质出版社，1994

4.Crippen R E.Regioal Exploration in Desert Terrains:A Guide to the Use of LANDSAT Thematic Mapper Imagery,Presented at the 8th Thematic Conference on Geologic Remote Sensing,1991

THE APPLICATION OF MULTISPECTRAL QUANTITATIVE ANALYTICAL TECHNIQUE TO THE RECOGNITION OF GROUND OBJECTS

Dang Fuxing

（Aerogeophysical Survey and Remote-Sensing Center,Beijing 100083）

Abstract

Using high resolution reflection spectral information of ground objects provided by ATM image data,systematically absorbing and consulting the new achievements in remote sensing techniques and methods gained by the Aerogeophysical Survey and Remote-Sensing Center in the period of Five-Year Plan,and employing multispectral quantitative analytical technology,the author tentatively carried out the remote-sensing ground object recognition study in agricultural area of central Hebei and semi-arid area of Xinjiang,and,as a result,obtained remarkable outcomes in this aspect.

四、高分辨率的地球资源卫星有哪些?各有什么特点?高光谱卫星有什么特点?

美国Landsat卫星：TM1-5、TM7波段空间分辨率为30米，热红外波段TM6分辨率为120米；ETM+1-5,、ETM+7波段分辨率为30米，热红外波段ETM+6为60米，ETM+PAN全色波段为15米。可以用全色波段数据对低分辨影像做数据融合处理。

法国SPOT：多星运作体系，装有两台并排放置的相机，实现了立体相对的成像要求。SPOT1~SPOT3，全色波段分辨率为10米，3个多光谱波段为20米；SPOT4,1个全色波段分辨率为10米，三个多光谱波段为20米，一个短波红外波段为20米；SPOT5,2景全色波段影像为5米，通过它们可以生成一景2.5米的影像，三个多光谱波段为10米，一个短波红外波段为10米。

印度资源卫星数据（IRS）：全色波段数据，CCD推扫方式成像，地面分辨率高达5.8米；LISS数据，可见光与近红外波段地面分辨率为23.5米，短波红外波段为70米；

中巴资源卫星：CCD相机成像的影像，星下点分辨率为19.5米；其他的还有78、156、256米；质量不咋地。

日本卫星分辨率18*18米。

IKONOS-2，全色1米，多光谱4米。

快鸟数据分辨率为2.44米和0.61米。

高光谱卫星，波段数目多，波段宽度窄，波段分布连续，光谱分辨率高。图谱合一，实现了空间信息和光谱信息的有机结合。

以上就是关于多光谱数据的特点相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。