高光譜遙感復(fù)習(xí)總結(jié)

1、1. 高光譜分辨率遙感:用很窄（0.01波長）而連續(xù)的光譜通道對(duì)地物持續(xù)遙感成像的技術(shù)。在可見光、近紅外、短波紅外和熱紅外波段其光譜分辨率高達(dá)納米(nm)數(shù)量級(jí)，通常具有波段多的特點(diǎn)，光譜通道數(shù)多達(dá)數(shù)十甚至數(shù)百個(gè)以上，而且各光譜通道間往往是連續(xù)的。2.高光譜遙感特點(diǎn)：波段多,數(shù)據(jù)量大；光譜范圍窄(高光譜分辨率)；在成像范圍內(nèi)連續(xù)成像；信息冗余增加3. 高光譜遙感的發(fā)展趨勢（1）遙感信息定量化（2）“定性”、“定位”一體化快速遙感技術(shù)4. 光譜特征的產(chǎn)生機(jī)理：在絕對(duì)溫度為0K以上時(shí)，所有物體都會(huì)發(fā)射電磁輻射，也會(huì)吸收、反射其他物體發(fā)射的輻射。高光譜遙感準(zhǔn)確記錄電磁波與物質(zhì)間的這種作用隨波長大小的

2、變化，通過反映出的作用差異，提供豐富的地物信息，這種信息是由地物的宏觀特性和微觀特性共同決定的。宏觀特性:分布、粗糙度、混雜 微觀特性:物質(zhì)結(jié)構(gòu)6.典型地物反射：水體的反射主要在藍(lán)綠光波段，其他波段吸收都很強(qiáng)，特別到了近紅外波段，吸收就更強(qiáng)，所以水體在遙感影像上常呈黑色。 植被的反射波譜特征： 可見光波段有一個(gè)小的反射峰，位置在0.55um處，兩側(cè)0.45um(藍(lán))和0.67um(紅)則有兩個(gè)吸收帶。這一特征是葉綠素的影響。 在近紅外波段(0.7-0.8um)有一反射的“陡坡”（被稱為“紅邊”)，至1.1um附近有一“峰值”，形成植被的獨(dú)有特征。這一特征由于植被結(jié)構(gòu)引起。 在中紅外波段(1.3

3、-2.5um) ，反射率大大下降，特別以1.45um和1.95um為中心是水的吸收帶，形成低谷。 土壤:由于土壤反射波譜曲線呈比較平滑的特征，所以在不同光譜段的遙感影像上，土壤的亮度區(qū)別不明顯.自然狀態(tài)下土壤表面的反射率沒有明顯的峰值和谷值，一般來講土質(zhì)越細(xì)反射率越高，有機(jī)質(zhì)含量越高和含水量越高反射率越低，此外土類和肥力也會(huì)對(duì)反射率產(chǎn)生影響。6. 野外光譜測量的影響因素（1）大氣透射率（2）水蒸氣3）風(fēng)（4）觀測幾何7. 地面光譜的測量方法：實(shí)驗(yàn)室測量，野外測量8. 垂直與野外測量的區(qū)別:垂直測量：為使所有數(shù)據(jù)能與航空、航天傳感器所獲得的數(shù)據(jù)進(jìn)行比較，一般情況下測量儀器均用垂直向下測量的方法，

4、以便與多數(shù)傳感器采集數(shù)據(jù)的方向一致。由于實(shí)地情況非常復(fù)雜，測量時(shí)常將周圍環(huán)境的變化忽略，認(rèn)為實(shí)際目標(biāo)與標(biāo)準(zhǔn)板的測量值之比就是反射率之比。野外測量（非垂直測量）：在野外更精確的測量是測量不同角度的方向反射比因子。凝視時(shí)間：探測器的瞬時(shí)視場角掃過地面分辨單元的時(shí)間稱為凝視時(shí)間（dwell time）。探測器的凝視時(shí)間在數(shù)值上等于行掃描時(shí)間除以每行的像元個(gè)數(shù)。凝視時(shí)間越長，進(jìn)入探測器的能量越多，光譜響應(yīng)越強(qiáng)，圖像信噪比越高。光譜圖像立方體：空間平面：O-XY平面；線光譜平面：O-XZ，O-YZ平面9. 高光譜遙感圖像數(shù)據(jù)表達(dá)：A.光譜圖像立方體 B.二維光譜曲線 C. 三維光譜曲面10. 空間成像方

5、式：（1）擺掃型成像光譜儀：定義：它由光機(jī)左右擺掃和飛行平臺(tái)向前運(yùn)動(dòng)完成二維空間成像，其線列探測器完成每個(gè)瞬時(shí)視場像元的光譜維獲取。原理：45斜面的掃描鏡，電機(jī)進(jìn)行360旋轉(zhuǎn)，旋轉(zhuǎn)水平軸與遙感平臺(tái)前進(jìn)方向平行，掃描鏡掃描運(yùn)動(dòng)方向與遙感平臺(tái)運(yùn)動(dòng)方向垂直，光學(xué)分光系統(tǒng)形成色散光源再匯集到探測器上，這樣成像光譜儀所獲取的圖像就具有了兩方面的特性：光譜分辨率與空間分辨率。（2） 推掃型成像光譜儀：定義：采用一個(gè)面陣探測器，其垂直于運(yùn)動(dòng)方向在飛行平臺(tái)向前運(yùn)動(dòng)中完成二維空間掃描；平行于平臺(tái)運(yùn)動(dòng)方向，通過光柵和棱鏡分光，完成光譜維掃描。它的空間掃描方向就是遙感平臺(tái)運(yùn)動(dòng)方向。原理： 垂直于運(yùn)動(dòng)方向完成空間維掃

6、描，平行于運(yùn)動(dòng)方向完成光譜維掃描。（3） 兩者的優(yōu)缺點(diǎn)： 擺掃型成像光譜儀的優(yōu)點(diǎn)：A.FOV 大；B.探測元件定標(biāo)方便，數(shù)據(jù)穩(wěn)定性好；C.進(jìn)入物鏡后再分光，光譜波段范圍可以做得很寬。不足：像元凝視時(shí)間短，提高光譜和空間分辨率以及信噪比相對(duì)困難。推掃型成像光譜儀的優(yōu)點(diǎn)：A.像元凝視時(shí)間大大增加，有利于提高系統(tǒng)的空間分辨率和光譜分辨率；B.沒有光機(jī)掃描機(jī)構(gòu)，儀器的體積小。不足：A.FOV增大困難；B.面陣CCD器件標(biāo)定困難；C.大面陣的短波和紅外探測器研制仍是一個(gè)技術(shù)難點(diǎn)。9.光譜成像方式要解決的問題是什么？ 將進(jìn)入探測器的能量分解為不同波長的電磁波。11.反射光譜重建主要過程：遙感器校正，大氣校

7、正，地形及其它因素校正。12.成像光譜儀定標(biāo)的目的：建立起傳感器記錄值與入瞳輻射值之間的聯(lián)系。 類型：實(shí)驗(yàn)室定標(biāo)，機(jī)上和星上定標(biāo)，場地定標(biāo) 共同點(diǎn)：都是出于同一目的，在特定情況下都是不可缺少的 差異：處于不同的階段，所考慮的主要因素不同，入瞳輻射值的獲取方式不同（實(shí)驗(yàn)室定標(biāo)-實(shí)驗(yàn)室測得，機(jī)上星上定標(biāo)-星上測得，場地定標(biāo)-根據(jù)模型計(jì)算得到）14. 輻射定標(biāo)：對(duì)于每一個(gè)確定的波長，確定成像光譜儀在該波長下的輸入輻射能與輸出響應(yīng)的關(guān)系。15. 輻射定標(biāo)方法：按照使用要求或目的分類：相對(duì)輻射定標(biāo)和絕對(duì)輻射定標(biāo) 按照光譜波段不同分類：反射輻射定標(biāo)和發(fā)射輻射定標(biāo) （1）相對(duì)輻射定標(biāo)：為了校正遙感器中各個(gè)探

8、測器元件響應(yīng)度差異而對(duì)衛(wèi)星遙感器測量到的原始數(shù)字計(jì)數(shù)值進(jìn)行歸一化的一種處理工作。 （2）絕對(duì)輻射定標(biāo)：通過各種標(biāo)準(zhǔn)輻射源，在不同波譜段建立成像光譜儀入瞳處的光譜輻射亮度值與成像光譜儀輸出的數(shù)字化值之間的定量關(guān)系。16.實(shí)驗(yàn)室輻射定標(biāo)：采用積分球作為光譜照射傳感器的整個(gè)視場，根據(jù)成像光譜儀的動(dòng)態(tài)范圍，改變標(biāo)準(zhǔn)輻射源的輻射亮度輸出級(jí)別，逐波段建立輻射亮度輸入值與遙感器輸出DN值的關(guān)系。17.機(jī)上和星上定標(biāo)的必要性：成像光譜儀的性能會(huì)隨著空間環(huán)境的變化而變化，經(jīng)過搬運(yùn)、安裝和操作等過程，定標(biāo)參數(shù)會(huì)失準(zhǔn)，因此機(jī)上或星上定標(biāo)十分必要。18.場地定標(biāo)的原理：1）機(jī)載或星載成像光譜儀飛越輻射定標(biāo)場地上空時(shí)，

9、同步地在定標(biāo)場地選擇若干像元區(qū)，測量成像光譜儀對(duì)應(yīng)的地物的各波段光譜反射率和大氣光譜等參量。2）然后利用大氣輻射傳輸模型等手段給出成像光譜儀入瞳處各光譜帶的輻射亮度。3）最后確定它與成像光譜儀對(duì)應(yīng)輸出的數(shù)字量化值的數(shù)量關(guān)系，求解定標(biāo)系數(shù)并估算定標(biāo)不確定性。19.（填）場地定標(biāo)的特點(diǎn)：以大面積地表均勻地物作為定標(biāo)源，多通道、動(dòng)態(tài)、大范圍定標(biāo)，考慮大氣傳輸環(huán)境的影響。20.（了解）場地定標(biāo)的常用方法：反射基法，認(rèn)為衛(wèi)星傳感器所接收到的光譜輻射是太陽光譜輻射、大氣及地面三者相互作用的總貢獻(xiàn)。輻照度基法，輻照度基法又稱改進(jìn)的反射基法，反射基法的一個(gè)重要誤差來源是對(duì)氣溶膠散射的一些近似，如對(duì)氣溶膠顆粒模

10、型的假設(shè)，不同的氣溶膠模型會(huì)對(duì)表觀反射率的計(jì)算造成較大影響。輻亮度基法，輻亮度法的基本原理是：利用搭載于飛機(jī)上的光譜輻射計(jì)在中高空與衛(wèi)星傳感器同步測量相同目標(biāo)的輻亮度，通過對(duì)飛行高度以上的大氣訂正，實(shí)現(xiàn)衛(wèi)星遙感器的在軌輻射定標(biāo)。三種場地定標(biāo)方法的比較：測量參數(shù)，測量條件，復(fù)雜度，精度，優(yōu)缺點(diǎn)21. 輻射定標(biāo)與輻射校正的區(qū)別：輻射定標(biāo)是建立探測器輸出DN值與具有一定物理意義參量之間的關(guān)系；輻射校正要消除依附在輻射亮度中的各種輻射失真，如探測器誤差、大氣影響等；輻射校正包括輻射定標(biāo)和大氣校正。即輻射定標(biāo)是輻射校正的一個(gè)步驟。 表觀反射率的定義:以“地表-大氣”為整體目標(biāo)，入射輻射能量與出射輻射能量

11、的比例。22. 輻射校正的統(tǒng)計(jì)學(xué)模型:暗目標(biāo)法,內(nèi)部平均相對(duì)反射率模型,平面場模型,對(duì)數(shù)殘差修正模型23. 高光譜數(shù)據(jù)為什么要降維（維指光譜空間的維數(shù)），高光譜特征會(huì)帶來什么問題？高光譜影像屬于高維空間數(shù)據(jù)，已有的研究結(jié)果表明，這種數(shù)據(jù)有許多不同于低維數(shù)據(jù)的分布特性，這些特性決定了人們?cè)趯?duì)高光譜影像分析時(shí)應(yīng)采用不同策略和方法。問題：1)信息冗余大 2)高維數(shù)據(jù)分布的稀疏性和空空間現(xiàn)象 3)“維數(shù)災(zāi)難”問題 4)高維空間中的參數(shù)估計(jì)問題 5)高階統(tǒng)計(jì)特性維數(shù)災(zāi)難：如果訓(xùn)練樣本不足時(shí)，往往會(huì)出現(xiàn)在樣本點(diǎn)數(shù)目一定的前提下，分類精度隨著特征維數(shù)的增加“先增后降”的現(xiàn)象，這就是所謂的Hughes”維數(shù)災(zāi)

12、難”現(xiàn)象。26.判別：從高維數(shù)據(jù)中得到了一組用來分類的特征，需要一個(gè)定量的標(biāo)準(zhǔn)來衡量特征對(duì)分類的有效性。27.特征選擇：針對(duì)特定對(duì)象選擇光譜特征空間中的一個(gè)子集，這個(gè)子集是一個(gè)縮小了的光譜特征空間。特征提?。禾卣魈崛∈侵笇?duì)原始的光譜空間特征進(jìn)行重新組合和優(yōu)化，提取出最適合當(dāng)前應(yīng)用（分類）需求的新特征兩者的區(qū)別：概念上：特征提取-原始特征空間的重組運(yùn)算，特征選擇-原始特征空間的子集挑選； 特點(diǎn)上：特征提取-映射方式未知，特征是未知的，運(yùn)算規(guī)則；特征選擇-波段選擇，特征是已知的，搜索策略。28.自動(dòng)子空間劃分方法的思路：依據(jù)高光譜影像相關(guān)系數(shù)矩陣灰度圖的“成塊”特點(diǎn), 根據(jù)高光譜影像相鄰波段相關(guān)系

13、數(shù)的大小, 把波段劃分為若干個(gè)子空間, 然后分別在各個(gè)子空間內(nèi)利用聯(lián)合熵算法進(jìn)行波段的選擇。29：包絡(luò)線去除：過包絡(luò)線去除，可以有效地突出光譜曲線的吸收和反射特征。基于包絡(luò)線去除后的光譜曲線可以用于特征波段選擇。自動(dòng)子空間劃分方法的思路：依據(jù)高光譜影像相關(guān)系數(shù)矩陣灰度圖的“成塊”特點(diǎn), 根據(jù)高光譜影像相鄰波段相關(guān)系數(shù)的大小, 把波段劃分為若干個(gè)子空間, 然后分別在各個(gè)子空間內(nèi)利用聯(lián)合熵算法進(jìn)行波段的選擇。30. 高光譜特征參量化的目的： 對(duì)高光譜特征進(jìn)行定量表達(dá)，用數(shù)值化的形式來描述光譜特征。地位：在地物光譜重建的基礎(chǔ)上，進(jìn)行高光譜特征參量化，為后續(xù)光譜自動(dòng)分析、匹配、分類及識(shí)別奠定基礎(chǔ)。主要

14、內(nèi)容：波譜特征的簡化表達(dá)，光譜吸收特征參數(shù)提取，光譜導(dǎo)數(shù)與積分31. 波譜特征簡化表達(dá)的目的：反射率為浮點(diǎn)型數(shù)據(jù)，波段數(shù)量多，為提高分析效率，可以對(duì)光譜曲線進(jìn)行簡化表達(dá)。32. 光譜斜率和坡向：在光譜區(qū)間(B1,B2)內(nèi)，將光譜曲線近似視為直線。該直線的斜率即為光譜斜率，如果光譜斜率為正，光譜曲線被定義為正坡向，光譜斜率為零則為平坡向，光譜斜率為負(fù)則為負(fù)坡向。33. 光譜編碼：定義：以編碼方式描述光譜特征,用以對(duì)光譜進(jìn)行量化分析和識(shí)別。識(shí)別時(shí)將實(shí)測光譜的編碼矢量與參考圖像的編碼矢量比較,計(jì)算其匹配系數(shù),以匹配系數(shù)的大小作為它們的相似性度量。目的：壓縮數(shù)據(jù)量,提高處理效率,保持光譜的重要形態(tài)特征

15、。常用方法有：光譜二值編碼；多閾值編碼；光譜吸收特征編碼。34. 光譜吸收指數(shù)：非吸收基線在譜帶的波長位置處的反射強(qiáng)度與譜帶谷底的反射強(qiáng)度之比用譜帶谷底的光譜強(qiáng)度對(duì)吸收深度作歸一化，因而減少了照度等變化所帶來的干擾，增強(qiáng)了對(duì)地物的區(qū)分能力37、光譜曲線函數(shù)模擬目的：典型地物具有相對(duì)固定的波形形態(tài)，為了準(zhǔn)確地通過數(shù)學(xué)形式描述這種形態(tài)和確定光譜曲線的特征點(diǎn)，將光譜曲線（或局部）用一個(gè)數(shù)學(xué)函數(shù)表達(dá)35. 光譜吸收特征參數(shù):主要包括：吸收波長位置（P），深度（H），寬度（W），斜率（K），對(duì)稱度（S），面積（A）36. 光譜導(dǎo)數(shù):光譜導(dǎo)數(shù)可以增強(qiáng)光譜曲線在坡度上的細(xì)微變化，光譜導(dǎo)數(shù)波形分析能消除部分大

16、氣效應(yīng)。37. 遙感圖像分類的理論依據(jù):同類地物像元的特征向量將集群在同一特征空間區(qū)域。而不同地物的光譜信息特征或空間信息特征有所不同，它們將集群在不同的特征空間區(qū)域。38. 混合光譜的定義: 每個(gè)像元所對(duì)應(yīng)的地表，往往包含著不同的覆蓋成分，它們具有不同的光譜特征。而每個(gè)像元僅用一個(gè)信號(hào)記錄這些“異質(zhì)”成分，因此形成混合光譜現(xiàn)象，對(duì)應(yīng)的像元稱為混合像元。39. 端元與豐度:進(jìn)入到像元內(nèi)部，地物的基本組成成分被稱為“端元”，每種成分的比例稱為“豐度”。端元的種類：圖像端元（植被、水體）物理端元（高嶺土、明礬石等40. 高光譜影像分類的特點(diǎn):優(yōu)點(diǎn)：1).光譜特征空間構(gòu)建的靈活性2).光譜特征的精確

17、性3). 提供了豐富的波譜空間特征分類信息。缺點(diǎn)：4). 效率有待提高5). 定量化分析的預(yù)處理復(fù)雜6). 監(jiān)督分類的樣本問題突出41. 高光譜圖像特點(diǎn)的分類算法：一種是基于圖像數(shù)據(jù)統(tǒng)計(jì)特性的分類方法，一種是基于地物物性的分類方法，主要是利用反映地物物理光學(xué)性質(zhì)的光譜曲線來識(shí)別。42. 光譜匹配概念：光譜匹配是指，在波譜特征空間中，對(duì)比分析兩個(gè)光譜曲線的相似度來判斷地物的歸屬類別。它是由已知地物類型的反射光譜，經(jīng)過特征匹配來達(dá)到識(shí)別地物類型的目的。43. （填選）二值編碼匹配算法：有助于提高圖像光譜數(shù)據(jù)的分析處理效率；失去許多細(xì)節(jié)光譜信息，只適用于粗略的分類和識(shí)別。 44. 光譜角度匹配的一般

18、步驟：1）從光譜數(shù)據(jù)庫或影像中選擇感興趣的“最終成分光譜”（2） 對(duì)最終成分光譜進(jìn)行光譜重采樣（3計(jì)算像元光譜向量與最終成分光譜向量的廣義夾角，以此評(píng)價(jià)其相似性；4）a.如果只選擇了一個(gè)參考光譜，將所有像元與之對(duì)應(yīng)的夾角值量化為灰度圖； b.如果選擇了多個(gè)參考光譜，將每個(gè)像元?jiǎng)澐值脚c之對(duì)應(yīng)的夾角值最小的參考光譜的類別中。45. 光譜吸收特征匹配：基本思想：就是著眼于對(duì)光譜的吸收特性進(jìn)行衡量和描述，得到光譜吸收位置圖、吸收深度圖、吸收對(duì)稱性圖等成果，或者基于吸收特征參數(shù)對(duì)影像進(jìn)行分類。46. 特征匹配的分類過程：1) 針對(duì)特定專題，選擇需要考察的物質(zhì)成分2) 對(duì)影像和參考光譜進(jìn)行預(yù)處理3) 計(jì)算

19、每類地物參考光譜曲線的吸收特征參數(shù)4) 計(jì)算每個(gè)像元光譜曲線的吸收特征參數(shù)5) 利用吸收特征參數(shù)進(jìn)行相似性匹配，為每個(gè)像元確定類屬48. 交叉相關(guān)匹配基本步驟：A. 計(jì)算方法B. 交叉相關(guān)曲線圖C.利用交叉相關(guān)曲線圖生成偏度圖D. 采用不同標(biāo)準(zhǔn)地物作為參考光譜曲線49. 三種理解模式：影像分類是模式識(shí)別（影像空間，波譜空間，特征空間）50. 高空間分辨率遙感影像特征：1）紋理特征的變異性增強(qiáng) 2）光譜統(tǒng)計(jì)特征不穩(wěn)定性提高3）相同類型的地物表現(xiàn)出更多的類別52. 面向?qū)ο笏枷耄河绊懖⒎怯蓡蝹€(gè)像素來代表，而是由包含重要語義信息在內(nèi)的影響對(duì)象以及它們之間的相互關(guān)系構(gòu)成（抽象性、封裝性、繼承性）53.

20、 面相對(duì)象有哪些信息：光譜信息，形狀信息，拓?fù)湫畔?，紋理信息，上下文關(guān)系。54. 影像分割算法：基于閾值的分割方法，基于邊緣的分割方法，基于區(qū)域的分割方法高光譜遙感的發(fā)展簡史（1）第一代標(biāo)志：成像光譜儀AIS-1和AIS-2。（2）第二代標(biāo)志：航空可見光/紅外光成像光譜儀（AVIRIS）。（3）第三代標(biāo)志：克里斯特里爾傅立葉變換高光譜成像儀（FTHSI）。55、基爾霍夫定律：描述物體的發(fā)射率與吸收比之間的關(guān)系。在同樣的溫度下，各種不同物體對(duì)相同波長的單色輻射出射度與單色吸收比之比值都相等，并等于該溫度下黑體對(duì)同一波長的單色輻射出射度。56、高光譜數(shù)據(jù)處理關(guān)鍵技術(shù)：1 高光譜圖像信息的顯示，如圖

21、像立方體的生成；2 光譜重建，即成像光譜數(shù)據(jù)的定標(biāo)、定量化和大氣糾正模型與算法，依此實(shí)現(xiàn)成像光譜信息的圖像光譜轉(zhuǎn)換；3 光譜編碼，尤其指光譜吸收位置、深度、對(duì)稱性等光譜特征參數(shù)的算法；4 基于光譜數(shù)據(jù)庫的地物光譜匹配識(shí)別算法；5 混合光譜分解模型；6 基于光譜模型的地表生物物理化學(xué)過程與參數(shù)的識(shí)別和反演算法 57、MODIS：軌道：705km，太陽同步，近極地軌道；輻射靈敏度：12b；波段范圍：36個(gè)波段、0.414.4m；空間分辨率：2個(gè)波段為250m、5個(gè)波段為500、29個(gè)波段為1000m；帶寬：2330km，12天全球覆蓋59、高光普數(shù)據(jù)采集作業(yè)：包括植被、土壤、水體、冰雪、巖礦和人工

22、目標(biāo)；完整的地面數(shù)據(jù)采集記錄應(yīng)包括：1） 觀測數(shù)據(jù)；2） 測點(diǎn)狀況數(shù)據(jù)；3） 觀測方法和數(shù)據(jù)處理方法的說明；4） 觀測人員信息；5）觀測數(shù)據(jù)之元數(shù)據(jù)：包括觀測數(shù)據(jù)項(xiàng)的定義，數(shù)據(jù)格式和數(shù)據(jù)庫現(xiàn)存數(shù)據(jù)的狀況。60、光譜庫：光譜庫是由高光譜成像光譜儀在一定條件下測得的各類地物反射光譜數(shù)據(jù)的集合；準(zhǔn)確地解譯遙感圖像信息、快速地實(shí)現(xiàn)未知地物的匹配、提高遙感分類識(shí)別水平起著至關(guān)重要的作用。由于高光譜成像光譜儀產(chǎn)生了龐大的數(shù)據(jù)量，建立地物光譜數(shù)據(jù)庫，運(yùn)用先進(jìn)的計(jì)算機(jī)技術(shù)來保存、管理和分析這些信息，是提高遙感信息的分析處理水平并使其能得到高效、合理之應(yīng)用的唯一途徑，并給人們認(rèn)識(shí)、識(shí)別及匹配地物提供了基礎(chǔ)。61

23、、62、高光譜遙感成像機(jī)理：利用高光譜成像儀同時(shí)獲取反映目標(biāo)屬性的光譜信息和反映目標(biāo)空間幾何關(guān)系的圖像信息。光譜成像儀：成像技術(shù)+光譜技術(shù)63、64、光譜分辨率：指成像的波段范圍(探測器在波長方向上的記錄寬度)，儀器達(dá)到光譜響應(yīng)最大值的50%是的波長寬度.分得愈細(xì)，波段愈多，光譜分辨率就愈高；光譜分辨率越高，專題研究的針對(duì)性越強(qiáng)，對(duì)物體的識(shí)別精度越高。多波段的數(shù)據(jù)分析，可以改善識(shí)別和提取信息特征的概率和精度。65、空間分辨率：儀器的角分辨力（angular resolving power），即儀器的瞬時(shí)場角決定的。瞬時(shí)場角（IFOV）：某一瞬間遙感系統(tǒng)的探測單元對(duì)應(yīng)的瞬時(shí)視場，單位為毫弧度（m

24、rad）。其對(duì)應(yīng)的地面大小為地面分辨單元（ground resolution cell）。遙感信息的概括能力隨分辨率的降低而增大。66、時(shí)間分辨率：時(shí)間分辨率超短、短周期時(shí)間分辨率；（一天以內(nèi)：大氣物理現(xiàn)象、火山爆發(fā)、森林火災(zāi)、污染源監(jiān)測等）中周期時(shí)間分辨率；（一年以內(nèi)：植物季相節(jié)律、氣候?qū)W、大氣動(dòng)力學(xué)、海洋動(dòng)力學(xué)等）長周期時(shí)間分辨率（以年為單位的變化：環(huán)境、資源變化等）67、輻射分辨率：傳感器能分辨的目標(biāo)反射或輻射的電磁輻射強(qiáng)度的最小變化量。遙感影像的量化級(jí)數(shù)極大地影響到了獲取的數(shù)據(jù)質(zhì)量,RL越小，表明傳感器越靈敏68、影響遙感器的光譜響應(yīng)的因素：（1）能量流(Energy Flux),指從

25、地面反射或輻射進(jìn)入探測器的能量總和。（2）平臺(tái)高度，對(duì)于給定的地面分辨單元來說，進(jìn)入儀器的能量與平臺(tái)高度成反比。（3）光譜分辨率，光譜通道越寬，光譜分辨率越低，探測器接收的信號(hào)越強(qiáng)。（4）瞬時(shí)視場角（IFOV），探測器元件（Element）的物理尺寸和掃描光學(xué)系統(tǒng)的焦距決定了IFOV，而IFOV越小，其光譜響應(yīng)也越弱。（5）探測器凝視時(shí)間（Dwell Time），探測器的瞬時(shí)視場角掃過地面分辨單元的時(shí)間稱為凝視時(shí)間，其大小為行掃描時(shí)間與每行像元數(shù)的比值。凝視時(shí)間越長，進(jìn)入探測器的能量越多，光譜響應(yīng)也就越強(qiáng)。69、大氣對(duì)遙感輻射傳輸?shù)挠绊懀捍髿馍⑸渑c吸收對(duì)下行輻射與遙感器接受的上行輻射的光譜特性

26、造成深刻的影響：大氣分子的散射與輻射光波長有密切的關(guān)系，對(duì)短波長的散射比長波；長的散射要強(qiáng)得多，分子散射的強(qiáng)度隨波長倒數(shù)的四次方變化；氣溶膠的散射強(qiáng)度隨波長的變化與粒子尺度分布有關(guān)。70、大氣輻射傳輸方程：描述電磁輻射在散射、吸收介質(zhì)中傳輸?shù)幕痉匠?1、太陽輻射：m（短紅外波段）占總能量的8%72、高光譜影像的輻射誤差：傳感器的靈敏度特性引起的輻射誤差（1）光學(xué)鏡頭的非均勻性引起的邊緣減光（2）光電變換系統(tǒng)的靈敏度引起的誤差：電磁波信號(hào)轉(zhuǎn)換為電信號(hào)的誤差。光照條件差異引起的輻射誤差：（1）太陽高度角變化引起的輻射畸變（2）地面起伏引起的輻射畸變。大氣條件不同引起的誤差73、“邊緣減光”：由于

27、鏡頭光學(xué)特性，在成像平面上存在著邊緣部分比中間部分暗的現(xiàn)象74、75、輻射校正參數(shù)獲?。豪幂椛涠?biāo)數(shù)據(jù)，可以獲得系統(tǒng)輸出DN值與入瞳輻射量值的關(guān)系，用于影像的輻射校正，消除傳感器靈敏度特性引起的輻射誤差t：曝光時(shí)間；x，y：對(duì)應(yīng)于CCD光敏元坐標(biāo)；DN（x，y）：原始影像DN值；Lreal：探測器接收到的輻亮功率；Bias：電路直流偏置；Q（x，y）：單個(gè)像元的響應(yīng)率76、實(shí)驗(yàn)室光譜定標(biāo)：(1)單色儀全波長范圍定標(biāo): 以低壓汞燈及氪燈的發(fā)射譜線為標(biāo)準(zhǔn);(2)使單色儀以一定的步長掃描輸出單色光，檢測遙感器各通道記錄信號(hào)的波長位置、光譜響應(yīng)函數(shù);(3)確定遙感器每個(gè)通道的波長位置、光譜響應(yīng)函數(shù)等

28、。77、實(shí)驗(yàn)室輻射定標(biāo)：絕對(duì)輻射定標(biāo)采用積分球作為光源照射傳感器的整個(gè)視場，根據(jù)成像光；譜儀的動(dòng)態(tài)范圍，改變標(biāo)準(zhǔn)輻射源的輻射亮度輸出級(jí)別，逐波段建立輻射亮度輸入值與遙感器輸出DN值的關(guān)系Lj（i）：第i波段第j組輻射亮度輸入值；DN（j，i）：第i波段第j組圖像灰度輸出值；a （j，i） ，b （j，i） ：第i波段第j組輻射定標(biāo)系數(shù)。78、高光譜遙感圖像大氣輻射校正方法：（1）圖像統(tǒng)計(jì)學(xué)模型法（2）大氣輻射傳輸模型法79、經(jīng)驗(yàn)線性法b 乘積項(xiàng): 反映了大氣傳輸及儀器設(shè)備的放大比，b 偏移項(xiàng): 反映了大氣輻射值及儀器的零點(diǎn)偏移。在使用經(jīng)驗(yàn)線性法過程中對(duì)定標(biāo)點(diǎn)有如下要求：（1）定標(biāo)點(diǎn)要選擇盡可能

29、各向同性的均一地物；（2）定標(biāo)點(diǎn)地物在光譜上要跨越盡可能寬的地球反射光譜段；（3）定標(biāo)點(diǎn)要盡可能與研究區(qū)保持同一海拔高度。80、基于地面控制點(diǎn)的高光譜圖像幾何糾正：1）建立原始的畸變圖像空間與制圖用坐標(biāo)空間（校正空間）之間的某種對(duì)應(yīng)關(guān)系（2）利用這種對(duì)應(yīng)關(guān)系把畸變空間中的全部元素變換到校正圖像中去。原始圖像空間與校正空間像元間的數(shù)學(xué)關(guān)系，設(shè)任意像元在原始圖像和糾正后圖像中的坐標(biāo)分別是（ x，y）和（ X，Y），則它們之間存在著映射關(guān)系：多項(xiàng)式擬合把原始影像的總體變形看成是平移、縮放、旋轉(zhuǎn)、偏扭、彎曲等基本變形綜合作用的結(jié)果，從而可以用一個(gè)適當(dāng)?shù)亩囗?xiàng)式來表達(dá)糾正前后圖像相應(yīng)點(diǎn)之間的坐標(biāo)關(guān)系。一般

30、多項(xiàng)式中，多項(xiàng)式系數(shù)的個(gè)數(shù)N與其次數(shù)n有如下關(guān)系：N=（n+1）（n+2）/2傳統(tǒng)的最小二乘法約束的多項(xiàng)式幾何校正，局部的幾何畸變?cè)谌珗D范圍內(nèi)進(jìn)行了平均，使得已經(jīng)獲得的精確匹配的控制點(diǎn)也產(chǎn)生了誤差，使控制點(diǎn)周圍也產(chǎn)生較大的誤差。表面樣條函數(shù)擬合方法很有效的解決了控制點(diǎn)精確吻合的問題81、高光譜數(shù)據(jù)的高維特征：高光譜分辨率的影響：給定的波長區(qū)間內(nèi)，高的光譜分辨率導(dǎo)致影像波段數(shù)眾多、連續(xù)；高光譜遙感的核心優(yōu)勢-反映光譜特征的細(xì)微差異；波段數(shù)多，數(shù)據(jù)量大，數(shù)據(jù)處理難題82、波譜空間：不同波段影像所構(gòu)成的測度空間波段數(shù)眾多導(dǎo)致光譜空間維數(shù)的增多維數(shù)：光譜空間的維數(shù)；高光譜數(shù)據(jù)屬于高維空間數(shù)據(jù)，有獨(dú)特的

31、分布特性83、Hughes現(xiàn)象：在高光譜分析過程中，隨著參與運(yùn)算波段數(shù)目的增加，分類精度“先增后降”的現(xiàn)象84、高維空間中的參數(shù)估計(jì)問題：空間維數(shù)增加，得到同樣精度的估計(jì)值，需要更多的樣本數(shù)監(jiān)督分類得到比較高的精度：85、降維目標(biāo)：探求數(shù)據(jù)集合適的低維坐標(biāo)描述，將原數(shù)據(jù)集降到低維空間，獲得原數(shù)據(jù)集合的地位簡潔表示高光譜數(shù)據(jù)的降維方法：波段選擇；特征變換86、高光譜數(shù)據(jù)降維與類別可分性判據(jù)的關(guān)系87、歐氏距離：指在m維空間中兩個(gè)點(diǎn)之間的真實(shí)距離，或者向量的自然長度（即該點(diǎn)到原點(diǎn)的距離）i，j：樣本K:波段88、費(fèi)歇爾準(zhǔn)則：選擇綜合判別變量或投影方向，使得各類的點(diǎn)盡可能分別集中，而類與類盡可能地分

32、離，即達(dá)到類內(nèi)離差最小、類間離差最大。要求類間均值差異最大而類內(nèi)的離差平方和最小?；舅枷耄喊裵個(gè)變量x1，x2， ，xp綜合成一個(gè)新變量y89、特征選擇類型：目視法：通過目視判讀衡量影像的質(zhì)量；數(shù)值法：通過定量評(píng)估衡量影像的質(zhì)量90、特征選擇的方法：根據(jù)專家知識(shí)或類別可分性準(zhǔn)則挑選光譜特征選擇步驟：（1）選擇可分性準(zhǔn)則，確定使用策略：（2）確定選擇特征算法短時(shí)間內(nèi)找出高光譜數(shù)據(jù)波段中最優(yōu)的一組特征，常用的算法：單獨(dú)選擇法；擴(kuò)充最優(yōu)特征子集；選擇最難分類的類對(duì)做出正確分類貢獻(xiàn)最大；去除最難分類正確分類貢獻(xiàn)最??；搜索樹91、波段選擇：主要思想：從所有波段中選擇一個(gè)波段子集，由該子集構(gòu)成特征空間，

33、在該特征空間中，各類別的光譜可分性在某一判據(jù)下達(dá)到最優(yōu)特征選擇搜素方法：窮舉搜索、啟發(fā)式搜索、隨機(jī)搜索92、窮舉搜索法93、啟發(fā)式搜索94、隨機(jī)搜索法95、光譜選擇策略： 單獨(dú)選擇法：根據(jù)各個(gè)獨(dú)立特征的可分性大小排序。 擴(kuò)充最優(yōu)特征子集：計(jì)算每個(gè)特征對(duì)所有類別的可分性，每增加一個(gè)新特征，其組合均構(gòu)成最優(yōu)特征子集。 根據(jù)分類貢獻(xiàn)度進(jìn)行由大到小的特征添加：計(jì)算對(duì)最難分的類對(duì)的可分性大小，每增加一個(gè)新特征，其組合均構(gòu)成最優(yōu)特征子集。 根據(jù)分類貢獻(xiàn)度進(jìn)行由小到大的特征去除：計(jì)算各個(gè)特征對(duì)于最難分的類對(duì)的可分性，構(gòu)成一個(gè)全集，逐步減少特征，每次減少均構(gòu)成最優(yōu)特征子集。選擇各類平均可分性最大特征，難以照顧

34、分布比較集中的類選擇對(duì)最難區(qū)分的類別具有最大可分性的特征，可能會(huì)漏掉對(duì)各模式具有最大可分性特征96、包絡(luò)線：在幾何學(xué)，某個(gè)曲線族的包絡(luò)線（Envelope），是跟該曲線族的每條線都有至少一點(diǎn)相切的一條曲線。相當(dāng)于光譜曲線的“外殼”。97、自動(dòng)子區(qū)間劃分法98、空間自相關(guān)：指一些變量在同一個(gè)分布區(qū)內(nèi)的觀測數(shù)據(jù)之間潛在的相互依賴性。實(shí)質(zhì)上是計(jì)算某位置上的數(shù)據(jù)與其他位置上的數(shù)據(jù)間的相互依賴程度99、K-L變換：定義：將多個(gè)指標(biāo)化為少數(shù)幾個(gè)綜合指標(biāo)的一種統(tǒng)計(jì)分析方法，消除數(shù)據(jù)之間的相關(guān)性。主要思想：目的是尋找任意統(tǒng)計(jì)分布的數(shù)據(jù)集合主要分量的子集。1. 減少特征量的個(gè)數(shù)。2.盡量不損失或者稍損失原特征中

35、所包含的信息。3.使得原本相關(guān)的特征轉(zhuǎn)化為彼此不相關(guān)（用相關(guān)系數(shù)陣衡量）變換原理：對(duì)某一n個(gè)波段的多光譜圖像實(shí)行一個(gè)線性變換，即對(duì)該多光譜圖像組成的光譜空間X乘以一個(gè)線性變換矩陣A，產(chǎn)生一個(gè)新的光譜空間Y，即產(chǎn)生一幅新的n個(gè)波段的多光譜圖像。100、最小噪聲分離變換：MNF：判定圖像數(shù)據(jù)內(nèi)在的維數(shù)（即波段數(shù)），分離數(shù)據(jù)中的噪聲，減少隨后處理中的計(jì)算需求量。MNF變換原理：兩次層疊的主成分變換。第一次變換（基于估計(jì)的噪聲協(xié)方差矩陣）用于分離和重新調(diào)節(jié)數(shù)據(jù)中的噪聲，這步操作使變換后的噪聲數(shù)據(jù)只有最小的方差且沒有波段間的相關(guān)。第二步是對(duì)噪聲白化數(shù)據(jù)的標(biāo)準(zhǔn)主成分變換。數(shù)據(jù)空間可被分為兩部分：一部分與較

36、大特征值和相對(duì)應(yīng)的特征圖像相關(guān)，其余部分與近似相同的特征值以及噪聲占主導(dǎo)地位的圖像相關(guān)。101、光譜特征提取波長信息：選擇各類平均可分性最大特征，難以照顧分布比較集中的類選擇對(duì)最難區(qū)分的類別具有最大可分性的特征，可能會(huì)漏掉對(duì)各模式具有最大可分性特征102、植被指數(shù)：植被指數(shù)在高光譜應(yīng)用中非常重要，能夠描述植被的精細(xì)信息如葉面積指數(shù)LAI、植土比、植被組分等，以進(jìn)行植被指數(shù)與生物量預(yù)測。多光譜植被指數(shù)通常表達(dá)為近紅外波段與可見光紅波段的差值和比值的組合，常用的是比值植被指數(shù)（RVI）和歸一化植被指數(shù)（NDVI）。高光譜遙感數(shù)據(jù)而言，NDVI可以被看作是一個(gè)梯級(jí)函數(shù)，來表達(dá)植被反射率在=0.7m處

37、的突然遞增。103、植被的光譜特征：不同植被類型，由于組織結(jié)構(gòu)、季相、生態(tài)條件的變化具有不同的光譜特征。植被的光譜曲線呈現(xiàn)出明顯的“峰”“谷”特征104、像元之間的相似性從下面三個(gè)方面來量化；距離值：像元或像元信號(hào)特征向量之間得距離；概率值：像元信號(hào)特征向量與某一像元組的似然性的大??；光譜角值：像元與像元之間光譜角的大小105、分類的實(shí)質(zhì)；根據(jù)光譜信息和空間信息，將多維特征空間（像元）劃分為互不重疊的若干區(qū)域（子空間），每個(gè)區(qū)域相當(dāng)于一類，即位于這一區(qū)域內(nèi)的象元點(diǎn)歸屬于同一類。分類或劃分區(qū)域范圍的標(biāo)準(zhǔn)可以概括為兩種方法：1.由每類（或集群）的統(tǒng)計(jì)特征出發(fā)，研究它所應(yīng)該占據(jù)的區(qū)域。例如以每一類的

38、均值向量為中心，把在幾個(gè)標(biāo)準(zhǔn)差范圍內(nèi)的點(diǎn)歸入一類。由劃分類與類之間的邊界出發(fā)，建立邊界函數(shù)或判別函數(shù)，通常稱為判別分析。原理：根據(jù)各樣本空間內(nèi)像元的相似性，將相似性強(qiáng)的像元合并，相似性弱的像元分開，使各像元在特征分布空間內(nèi)分割或合并106、分類器由分類特征、分類判據(jù)、分類準(zhǔn)則和分類算法四部分組成。（1）分類特征特征選擇、特征提?。?） 分類判據(jù)-反映模式類的分布（3） 分類準(zhǔn)則（4）分類算法：非監(jiān)督分類算法；平行六面體法(無人管理的平行六面體分類)；聚類法；分裂法（ISOMIX法）；動(dòng)態(tài)聚類；K均值算法；ISODATA算法監(jiān)督分類算法平行六面體法(輸入?yún)?shù)的平行六面體分類)；最小距離分類；費(fèi)歇

39、爾（Fisher）線性判別分類；貝葉斯判別分類（最大似然判別法MLC）；模糊分類；神經(jīng)網(wǎng)絡(luò)分類；決策樹法；專家系統(tǒng)分類107、初始類別參數(shù)的選定：初始類別參數(shù)：基準(zhǔn)類別集群中心（數(shù)學(xué)期望）以及集群分布的協(xié)方差矩陣。常用的選定方法：像素光譜特征比較法；總體直方圖均勻選心法；最大最小距離選心法；局部直方圖峰值定心法108、非監(jiān)督分類定義：在指定某一準(zhǔn)則的前提下，讓計(jì)算機(jī)自動(dòng)進(jìn)行判別歸類，分類后人工確定類別。即先確定光譜可分的類別，然后定義它們的信息類別。常用的非監(jiān)督分類方法。 ISODATA、K-Means主要分類過程：（1）確定初始數(shù)和類別中心（2）計(jì)算每一個(gè)像元所對(duì)應(yīng)的特征矢量與各集群中心的距

40、離（3）選與中心距離對(duì)端的類別作為這一矢量的所屬類別4）計(jì)算新的類別均值向量（5）比較新的類別均值與原中心位置上的變化，若有變化，以新的類別均值作為聚類中心從第2步開始反復(fù)迭代操作；若無變化，計(jì)算機(jī)停止監(jiān)督分類 （supervised classification）又稱訓(xùn)練場地法，是以建立統(tǒng)計(jì)識(shí)別函數(shù)為理論基礎(chǔ)，依據(jù)典型樣本訓(xùn)練方法進(jìn)行分類的技術(shù)。二進(jìn)制編碼法、光譜角填圖法、平行六面體法、最小距離法、最大似然法、神經(jīng)網(wǎng)絡(luò)分類法、決策樹分類法、基于專家系統(tǒng)的分類法等（1）劃定區(qū)域?yàn)橛?xùn)練區(qū)提供的樣本（2）通過選擇特征參數(shù)，求出特征參數(shù)作為決策規(guī)則，建立判別函數(shù)以對(duì)各待分類影像進(jìn)行的圖像分類。要求訓(xùn)

41、練區(qū)域具有典型性和代表性。判別準(zhǔn)則若滿足分類精度要求，則此準(zhǔn)則成立；反之，需重新建立分類的決策規(guī)則，直至滿足分類精度要求為止109、非監(jiān)督分類-K-M均值算法：基本思想：通過迭代過程把數(shù)據(jù)集劃分為不同的類別，使得評(píng)價(jià)聚類性能的準(zhǔn)則函數(shù)達(dá)到最優(yōu)，從而使生成的每個(gè)聚類內(nèi)緊湊，類間獨(dú)立。特點(diǎn)：使聚類域中所有樣本到聚類中心的距離平方和最小。不適合處理離散型屬性，但是對(duì)于連續(xù)型具有較好的聚類效果110、非監(jiān)督分類算法-ISODATA算法：基本思想：通過設(shè)定初始參數(shù)而引入人機(jī)對(duì)話環(huán)節(jié)，并使用歸并與分裂的機(jī)制，當(dāng)某兩類聚類中心距離小于某一閾值時(shí)，將它們合并為一類，當(dāng)某類標(biāo)準(zhǔn)差大于某一閾值或其樣本數(shù)目超過某一

42、閾值時(shí)，將其分為兩類。在某類樣本數(shù)目少于某閾值時(shí)，需將其取消。如此，根據(jù)初始聚類中心和設(shè)定的類別數(shù)目等參數(shù)迭代，最終得到一個(gè)比較理想的分類結(jié)果。算法特點(diǎn)：使用誤差平方和作為基本聚類準(zhǔn)則；設(shè)定指標(biāo)參數(shù)來決定是否進(jìn)行“合并”或“分裂”；設(shè)定算法控制參數(shù)來決定算法的運(yùn)算次數(shù)；具有自動(dòng)調(diào)節(jié)最優(yōu)類別數(shù)k的能力；算法規(guī)則明確，便于計(jì)算機(jī)實(shí)現(xiàn)111、監(jiān)督分類算法-最小距離分類算法：基本思想：按照模式與各類代表樣本的距離進(jìn)行模式分類，被識(shí)別模式與所屬模式類別樣本的距離最小。假定c 個(gè)類別代表模式的特征向量用R1,Rc表示,x是被識(shí)別模式的特征向量，|x-Ri|是x與Ri(i=1,2,c)之間的距離，如果|x-

43、Ri|最小，則把x分為第i類。112、最大似然分類算法：基本思想：在兩類或多類判決中，用統(tǒng)計(jì)方法根據(jù)最大似然比貝葉斯判決準(zhǔn)則法建立非線性判別函數(shù)集，假定各類分布函數(shù)為正態(tài)分布，并選擇訓(xùn)練區(qū)，計(jì)算各待分類樣區(qū)的歸屬概率，而進(jìn)行分類的一種圖像分類方法。核心：確定判別函數(shù)fAB(X)和相應(yīng)的判別準(zhǔn)則。113、分類后處理：類的歸并和清除：合并特征類似的類別；類別色彩重定義：重新定義類別色彩；矢量跟蹤：柵格數(shù)據(jù)和矢量數(shù)據(jù)的轉(zhuǎn)換；消除斑塊：斑塊零碎、產(chǎn)生的孤立點(diǎn)、斷點(diǎn)、孔穴、毛刺等給圖像質(zhì)量、精度帶來影響，填補(bǔ)孔穴，消除斷點(diǎn)、孤立點(diǎn)114、消除斑塊的方法：聚類統(tǒng)計(jì)：通過對(duì)分類專題圖像計(jì)算每個(gè)分類圖斑的面積

44、、記錄相鄰區(qū)域中最大圖斑面積的分類值過濾分析：按照定義數(shù)值的大小剔除聚類統(tǒng)計(jì)后的圖像中的較小的類組圖斑，并將剔除的小圖斑合并到相鄰的最大分類中分類編碼：針對(duì)非監(jiān)督分類結(jié)果，判斷每個(gè)類別的專題屬性，然后對(duì)相似或類似的分類通過圖像重編碼進(jìn)行合并，定義類別和顏色115、遙感圖像分類的精度評(píng)判：類別的可分性；圖像像元波段空間的維數(shù)；訓(xùn)練樣本的數(shù)量；分類器類型和分類方案116、常用的分類精度評(píng)價(jià)方法：1.混淆矩陣（ConfusionMatrix）: 主要用于比較分類結(jié)果和地表真實(shí)信息，可以把分類結(jié)果的精度顯示在一個(gè)混淆矩陣?yán)锩?。混淆矩陣是通過將每個(gè)地表真實(shí)像元的位置和分類與分類圖象中的相應(yīng)位置和分類像比

45、較計(jì)算的?；煜仃嚨拿恳涣写砹艘粋€(gè)地表真實(shí)分類，每一列中的數(shù)值等于地表真實(shí)像元在分類圖象中對(duì)應(yīng)于相應(yīng)類別的數(shù)量，有像元數(shù)和百分比表示兩種。2、總體分類精度（Overall Accuracy）: 等于被正確分類的像元總和除以總像元數(shù)，地表真實(shí)圖像或地表真實(shí)感興趣區(qū)限定了像元的真實(shí)分類。被正確分類的像元沿著混淆矩陣的對(duì)角線分布，它顯示出被分類到正確地表真實(shí)分類中的像元數(shù)。像元總數(shù)等于所有地表真實(shí)分類中的像元總和。3、Kappa系數(shù)：通過把所有地表真實(shí)分類中的像元總數(shù)（N）乘以混淆矩陣對(duì)角線（Xkk）的和，再減去某一類中地表真實(shí)像元總數(shù)與該類中被分類像元總數(shù)之積對(duì)所有類別求和的結(jié)果，再除以總像元數(shù)

46、的平方差減去某一類中地表真實(shí)像元總數(shù)與該類中被分類像元總數(shù)之積對(duì)所有類別求和的結(jié)果所得到的。4、錯(cuò)分誤差：指被分為用戶感興趣的類，而實(shí)際上屬于另一類的像元，錯(cuò)分誤差顯示在混淆矩陣的行里面。5、漏分誤差：指本屬于地表真實(shí)分類，但沒有被分類器分到相應(yīng)類別中的像元數(shù)。漏分誤差顯示在混淆矩陣的列里。6、制圖精度：指假定地表真實(shí)為A類，分類器能將一幅圖像的像元?dú)w為A的概率7、用戶精度：指假定分類器將像元?dú)w到A類時(shí)，相應(yīng)的地表真實(shí)類別是A的概率。117、高光譜圖像分類方法：降維+傳統(tǒng)分類算法；智能化的新分類算法；光譜匹配分類常用分類策略：1. 光譜特征匹配（特征選擇、特征提?。?. 光譜波形匹配（距離、角

47、度）3. 基于目標(biāo)分解的神經(jīng)網(wǎng)絡(luò)分類4. 像元空間關(guān)聯(lián)光譜圖像分類118、特征提取+MLC：特征提取：研究對(duì)象表現(xiàn)出來的各種屬性和特點(diǎn)；重點(diǎn)：光譜特征提??；基于變換的降維方法：主成分分析PCA（K-L變換）；最小噪聲分離變換MNF，小波變換等在兩類或多類判決中，用統(tǒng)計(jì)方法根據(jù)最大似然比（貝葉斯判決準(zhǔn)則法）建立非線性判別函數(shù)集，假定各類分布函數(shù)為正態(tài)分布，并選擇訓(xùn)練區(qū)，計(jì)算各待分類樣區(qū)的歸屬概率，而進(jìn)行分類的一種圖像分類方法。高光譜影像利用MLC分類的缺點(diǎn)：（1）多維遙感數(shù)據(jù)可能不具備正態(tài)分布特征（2）準(zhǔn)確估計(jì)參數(shù)需要大量的樣本，維數(shù)越高，需要樣本越多（3）高維空間數(shù)據(jù)，貝葉斯準(zhǔn)則所要求的協(xié)方差

48、矩陣難以得到119、訓(xùn)練樣本的選擇：高光譜圖像在多種物質(zhì)的交界處很雜亂，在各個(gè)波段的亮度值相互影響，在物質(zhì)比較集中的區(qū)域選擇；樣本要具有代表性，即樣本的亮度要反映地物的亮度特征。當(dāng)統(tǒng)一地物區(qū)域分布不連續(xù)時(shí)，盡量使樣本來自不同區(qū)域；從亮度特征角度，對(duì)同一類地物具有不同亮度特征時(shí)，都要選取，例如：水體等120、光譜角分類：光譜角度匹配：比較待識(shí)別地物向量與已知地物向量的廣義夾角確定每類地物的歸屬。由于光譜角度匹配只利用角度這一參數(shù)，只有當(dāng)待識(shí)別像元的類內(nèi)方差較小，類間方差較大，且矢量的模中的信息對(duì)分類影響較小時(shí)，才能得到較高的分類精度121、高光譜分類方法： 二值編碼匹配：針對(duì)差異大的明顯特征、編

49、碼的冗余度要大。 光譜波形匹配：A. 特征函數(shù)匹配B. 計(jì)算樣本光譜矢量與每個(gè)像元光譜矢量之間的線性相似度 光譜角度填圖?；诎j(luò)線去除的圖像分類；包絡(luò)線去除提取特征波段參與分類；包絡(luò)線去除光譜波段直接分類：突出了地物光譜的特征信息，便于圖像光譜的比較匹配；對(duì)于光譜曲線相似、平緩的地物，由于去包絡(luò)線后的光譜曲線相似，同時(shí)在分類時(shí)又忽略了原圖像的亮度差異，會(huì)導(dǎo)致分類精度降低?；谀繕?biāo)分解的神經(jīng)網(wǎng)絡(luò)分類：光譜直方圖分析； 特征波段空間投影分析目標(biāo)合并：邏輯運(yùn)算目標(biāo)分解的神經(jīng)網(wǎng)絡(luò)分類122、像元空間關(guān)聯(lián)光譜圖像分類是一種先進(jìn)行空間鄰域自動(dòng)聚類，然后再對(duì)各個(gè)聚類中心進(jìn)行再分類的圖像數(shù)據(jù)處理方法，這種方

50、法在空間連續(xù)性方面可以得較好的分類效果。123、波段統(tǒng)計(jì)為主混合決策樹分類：根據(jù)最大似然法的思想，設(shè)定相似性的閾值，分離波段；在第一步分離的基礎(chǔ)上設(shè)定相應(yīng)的相似性閾值，再分離，直到得出結(jié)果124、特征優(yōu)化的專家決策分類：兩大原則：（1）基于待分類別的光譜特征優(yōu)化與參量化原則：光譜特征提取和優(yōu)化，以及構(gòu)造具有排它性的光譜特征參量，為第一優(yōu)先；（2）類別判定中的模糊定義與專家決策原則：由于自然界的復(fù)雜性（一方面是太陽輻射變化、大氣等環(huán)境的影響，另一方面地物自身的多方面差異），以及波段變窄和波段增多可能帶來的信噪比的下降，對(duì)每個(gè)像元的歸屬應(yīng)避免使用0/1判據(jù)，這樣每個(gè)分類圖斑都具有“膨脹”和“收縮”

51、的雙重屬性，專家知識(shí)最終影響決策，可避免很多誤判。125、SOM網(wǎng)絡(luò)：有競爭層和輸入層組成，輸入層由N維的神經(jīng)元組成，競爭層由mn的二維平面組成特點(diǎn)：網(wǎng)絡(luò)的輸出神經(jīng)元是相互競爭來被激活，輸出一個(gè)勝利神經(jīng)元；只有兩個(gè)層，用來輸入和輸出，通常神經(jīng)元放在網(wǎng)格節(jié)點(diǎn)上，選取的是二維網(wǎng)格；選取的模型為Kohonen模型，利用神經(jīng)生物學(xué)考慮激發(fā)的自組織基本導(dǎo)出模型；Som網(wǎng)絡(luò)將任意維數(shù)的輸入信號(hào)變成二維的離散映射，形成拓?fù)潢P(guān)系；只能用來聚類，不能用來分類和識(shí)別，少量樣本可以用來非監(jiān)督分類126、面對(duì)海量波段的高光譜數(shù)據(jù)，尤其是具有特定光譜物理含義的定量化數(shù)據(jù)，統(tǒng)計(jì)學(xué)方法有些共同的缺陷：（1）由于Hughes

52、現(xiàn)象的存在，隨著高光譜圖像波段的增加，訓(xùn)練樣本數(shù)量的要求劇增，給分類帶來了一定困難；（2）高光譜數(shù)據(jù)特定的光譜物理含義往往被忽略，完全從純數(shù)學(xué)的角度去進(jìn)行波段選擇和聚類，無形中浪費(fèi)了高光譜數(shù)據(jù)的巨大內(nèi)涵；（3）自然界中地物的分布都有其特定的一般性規(guī)律性，完全基于數(shù)學(xué)模型的分類算法，其結(jié)果常常具有明顯的不合邏輯的地方；（4）在常規(guī)的決策樹分類或分層分類中，地物分類的順序?qū)Y(jié)果有很大的影響，往往是不可逆的，因此有一定的隨意性。127、光譜特征參量化與目標(biāo)提?。汗庾V積分參量；去包絡(luò)光譜吸收深度參量；反射坪與紅邊光譜參量光譜特征參量化：光譜曲線特征轉(zhuǎn)化為適合電腦分析計(jì)算的形式參量化的目的：對(duì)高光譜曲線

53、特征進(jìn)行定量的表達(dá)，用數(shù)值化得形式來表述反射率隨波長變化的特征參量化的地位：針對(duì)分析對(duì)象，通過高光譜特征參量提取。構(gòu)建分析特征集，為后續(xù)匹配、分類、識(shí)別、及反演奠定基礎(chǔ)128、成像光譜儀定標(biāo)：像元灰度值與入瞳輻射值之間的聯(lián)系；光譜重建：像元入瞳輻射值與反射率的聯(lián)系；高光譜特征選擇與提?。夯谙裨庾V特征的可分性進(jìn)行降維；影像分類：給每個(gè)像元賦予一個(gè)類別標(biāo)識(shí)；光譜譜匹配：根據(jù)像元的光譜曲線判定屬性129、混合光譜定義：每個(gè)像元所對(duì)應(yīng)的地表，往往包含著不同的覆蓋成分，它們具有不同的光譜特征。每個(gè)像元僅用一個(gè)信號(hào)記錄像元成分，因此形成混合光譜，對(duì)應(yīng)的像元稱為混合像元?；旌瞎庾V形成機(jī)理：在一個(gè)瞬時(shí)視場內(nèi)（IFOV），有多種物質(zhì)成分存在的空間混合；在一個(gè)瞬時(shí)視場內(nèi)，由于地形和物體陰影引起的照度差異；不同像元之間的交叉輻射；大氣傳輸過程中的混合效應(yīng)；遙感儀器本身的混合效應(yīng)?；旌瞎庾V現(xiàn)象存在制約遙感影像分類精度的提高，解決混合像元問題，可以提高遙感影像應(yīng)用的精度。混合光譜分解的意義：混合像元在高光譜遙感影像中普遍存在，求解每一混合像元的覆蓋類型組分比例值，即求端元百分含量（豐度），解決因混合像元的歸屬而產(chǎn)生的錯(cuò)分、誤分問題，提高分類的精度130、物質(zhì)混合因素：在IFOV所對(duì)應(yīng)的分辨單元內(nèi)，有多種物質(zhì)成分存在的空間混合在分辨單