光谱成像技术的分类 光谱成像技术，有时又称成像光谱技术，融合了光谱技术和成像技术，交叉涵盖了光谱学、光学、计算机技术、电子技术和精密机械等多种学科，能够同时获得目标的两维空间信息和一维光谱信息。 光谱成像技术发展到今天，出现的光谱成像仪的种类和数量己经具有较大规模，因而可以从光谱分辨率、信息获取方式（扫描方式）、分光原理和重构理论等不同的视角对光谱成像技术进行分类。 1基于光谱分辨率分类 光谱成像技术针对光谱分辨能力的不同，可分为多光谱(Multi-spectral)，高光谱(Hyper- spectral)以及超光谱(Ultra-spectral)。多光谱的谱段数一般只有几十个，高光谱的谱段数可达到几百个，而超光谱一般指谱段数上千个。它们的区别如表1所示。 表1多、高、超光谱的比较 分类分辨 率 通道数光谱典型例子 多光谱（Multi-spectral）10-1λ 量级 5—30ETM+ ASTER 高光谱（Hyper-spectral）10-2λ 量级 100— 200 AVIRIS 超光谱（Ultra-spectral）10-3λ 量级 1000— 10000 GIFTS
2 基于信息获取方式分类 光谱成像仪需要对三维“数据立方”进行探测，而现今的探测器最多能进行二维探测。要想获得完整的三维数据，理论上至少需增加一维的空间扫描或光谱扫描。光谱成像技术获取图谱信息的主要方式有：挥扫式(Whiskbroom )、推扫式(Pushbroom)、凝视式(Staring)以及快照式(Snapshot)。 挥扫式成像光谱仪的光谱成像系统只对空间中某点进行光谱探测，通过沿轨和穿轨两个方向扫描获取完整的二维空间信息，其信息获取方式如图1a所示。AVIRIS就是通过挥扫成像[1]。 推扫式光谱成像系统探测空间中一维线视场(图1b中的X方向)的光谱，通过沿轨方向(Y方向)扫描实现二维空间信息的获取，芬兰国立技术研究中心实验室研制的AISA就是典型的推扫式成像光谱仪[2]。 凝视式光谱成像系统可对固定窗口目标成像，采用滤光的方式分离并获取不同波段的图像信息，再将不同波段的图像堆叠成“数据立方”。如图1c中所示，该类成像光谱仪实际上是采用光谱维扫描的方式实现图谱“数据立方”的获取。 图1 典型的光谱成像过程：a挥扫式；b推扫式；c凝视式；d快照式 快照式是一种新兴的图谱信息获取方式，它不需扫描便可获取三维图谱信息。快照式光谱成像技术实现方式主要有三种：一种是视场分割三维成像的方式，利用玻璃堆进视场分割，再利用分光器件将三维信息展开到二维平面进行面探测
《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 35 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月
一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。
多光谱相机原理及组成 多光谱成像技术自从面世以来,便被应用于空间遥感领域。而随着搭载平台的小型化和野外应用的需求，光谱成像仪在农业、林业、军事、医药、科研等领域的需求也越来越大。而在此之前成像技术并没有那么高，只能对特定的单一的谱段进行成像。虽然分辨率高但是数据量大难以进行分析、存储、检索，而多光谱成像是将所有的信息结合在一起，这不仅仅是二维空间信息，同时也把光谱的辐射信息也包含在内，从而在更宽的谱段范围内成像。 多光谱相机的基本构成 1.光学系统 可以在各个谱段内范围内成像，可以很好的的控制杂散光，是多光谱相机最重要的部分，对工作谱段范围和分辨能力起了决定性的作用，还可以设定工作焦距视场角大小等 2.控制和信息处理器 控制监督多光谱相机的整个工作过程，并收集图像数据，并进行储存。 3.热控装置 由温度控制器、隔热材料、散热器、热控涂层等组成 4.其他结构 物镜、电路系统、探测器及其他零配件 多光谱相机的工作谱段范围 人眼所能能识别的光谱区间为可见光区间，波长从400nm到700nm;普通数码相机的光谱响应区间与人眼识别的光谱区间相同，包含蓝、绿、红、三个波段;而多光谱相机的工作谱段范围在其基础上，可以分可见光、近红外光、紫外光等每台多光谱相机的分辨率不同，所应用的领域也不同 就比如说我们在做植被调查的时候，植被的可见光波段对绿色比较敏感对红色和蓝色反射较弱。相对于可见光波段，植被在近红外波段具有很强的反射特性，多数植被在可见光波段的光谱差异很小。而在近红外波段的光谱差异更大，光谱差异越明显越有利于分类。 光谱特性 我们知道像素运用复杂的大气准则来，复原反射光谱和辐射光谱所的到的数据分析，得到不同物质的反射率不同，称之为光谱特征。如果有足够的光谱特证，可用于识别场景中的专用材质，其中包括光谱范围、宽度、分辨率。范围是指相机获取图像来自的光谱段，谱段的宽度反映了谱段设置的要求、通过努力衡量大气中物质的光谱特性还有传感器的光谱响应，就要考虑大气中的吸收和散射。多光谱相机的光学系统 光学系统是指由透镜、反射镜、棱镜和光阑等多种光学元件按一定次序组合成的系统。通常用来成像或做光学信息处理。曲率中心在同一直线上的两个或两个以上折射(或反射)球面组成的光学系统称为共轴球面系统，曲率中心所在的那条直线称为光轴。其中参数包括焦距、视场角、相对孔径等。 多光谱相机的反射光学系统 如果光学系统中的光学镜片为反射镜，则此系统称之为反射系统，反射式光学系统最大的优势就在于其光谱范围很大，对各个谱段都适用，并且不需要矫正二级光谱，但是因选用的是非球面镜片，会使系统的加工和装配变得十分困难，增加制作工艺难度
光谱成像技术的分类光谱成像技术，有时又称成像光谱技术，融合了光 谱技术和成像技术，交叉涵盖了光谱学、光学、计算机技术、电子技术和精密机械等多种学科，能够同时获得目标的两维空间信息和一维光谱信息。出现的光谱成像仪的种类和数量己经具有较大规光谱成像技术发展到今天，、分光原理和重构理论模，因而可以从光谱分辨率、信息获取方式（扫描方式）等不同的视 角对光谱成像技术进行分类。 1基于光谱分辨率分类，高(Multi-spectral)光 谱成像技术针对光谱分辨能力的不同，可分为多光谱多光谱的谱段数一般只有几十个，spectral)。(Hyper- spectral)以及超光谱(Ultra-光谱它们的区别如表高光谱的谱段数可达到几百个，而超光谱一般指谱段数上千个。所示。1多、高、超光谱的比较表1 ASTER 量级Multi-spectral）（ -2A VIRIS 10010λ高光谱—200 量级）（Hyper-spectral
-3GIFTS 超光谱—100010λ10000 量级Ultra-spectral（） 2 基于信息获取方式分类 而现今的探测器最多能进行进行探测，“数据立方”光谱成像仪需要对三维． 二维探测。要想获得完整的三维数据，理论上至少需增加一维的空间扫描或光谱扫描。光谱成像技术获取图谱信息的主要方式有：挥扫式(Whiskbroom )、推扫 式(Pushbroom)、凝视式(Staring)以及快照式(Snapshot)。 挥扫式成像光谱仪的光谱成像系统只对空间中某点进行光谱探测，通过沿轨和穿轨两个方向扫描获取完整的二维空间信息，其信息获取方式如图1a所示。[1]就是通过挥扫成像VIRISA。 推扫式光谱成像系统探测空间中一维线视场(图1b中的X方向)的光谱，通过沿 轨方向(Y方向)扫描实现二维空间信息的获取，芬兰国立技术研究中心实验[2]。室研制的AISA就是典型的推扫式成像光谱仪凝视式光谱成像系统可对固定窗口目标成像，采用滤光的方式分离并获取不同波段的图像信息，再将不同波段的图像堆叠成“数据立方”。如图1c中所示，该类成像光谱仪实际上是采用光谱维扫描的方式实现图谱“数据立方”的获取。 快照式c凝视式；d推扫式；典型的光谱成像过程：图1 a挥扫式；b 它不需扫描便可获取三维图谱信息。快照式是一种新兴的图谱信息获取方式，利快照式光谱成像技术实现方式主要有三种：一种是视场分割三维成像的方式，[3]，用玻璃堆进视场分割，再利用分光器件将三维信息展开到二维平面进行面探测[4]，利用正交光栅等分光器件将三维信所示；第二种是计算层析的方式如图1d第三种是孔径编码计算光谱再利用算法重构三维图谱；息层析投影到二维平面， [5]，通过孔径编码的形式引入计算维，再进行分光得到编码的混合图成像的方式谱信息，最后通过计算解码重构三维信息的孔径编码计算成像技术，其三维信息获取方式如图2所示。
高光谱成像检测技术 一、高光谱成像技术的简介 高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术，其最突出的应用是遥感探测领域，并在越来越多的民用领域有着更大的应用前景。它集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进技术，是传统的二维成像技术和光谱技术有机的结合在一起的一门新兴技术。 高光谱成像技术的定义是在多光谱成像的基础上，在从紫外到近红外（200-2500nm）的光谱范围内，利用成像光谱仪，在光谱覆盖范围内的数十或数百条光谱波段对目标物体连续成像。在获得物体空间特征成像的同时，也获得了被测物体的光谱信息。 高光谱成像技术具有超多波段（上百个波段）、高的光谱分辨率（几个nm）、波段窄（≤10-2λ）、光谱范围广（200-2500nm）和图谱合一等特点。优势在于采集到的图像信息量丰富，识别度较高和数据描述模型多。由于物体的反射光谱具有“指纹”效应，不同物不同谱，同物一定同谱的原理来分辨不同的物质信息。 二、高光谱成像系统的组成和成像原理 高光谱成像技术的硬件组成主要包括光源、光谱相机（成像光谱仪+CCD）、装备有图像采集卡的计算机。光谱范围覆盖了200-400nm、400-1000nm、900-1700 nm、1000-2500 nm。 CCD 光源光栅光谱仪成像镜头
光谱相机的主要组成部分有：准直镜、光栅光谱仪、聚焦透镜、面阵CCD。 高光谱成像仪的扫描过程：面阵CCD探测器在光学焦面的垂直方向上做横向排列完成横向扫描（X方向），横向排列的平行光垂直入射到透射光栅上时，形成光栅光谱。这是一列像元经过高光谱成像仪在CCD上得到的数据。它的横向是X方向上的像素点，即扫描的一列像元；它的纵向是各像元所对应的光谱信息。 同时，在检测系统输送带前进的过程中，排列的探测器扫出一条带状轨迹从而完成纵向扫描（Y方向）。
高光谱图像分类
《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 2111603035 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月
一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。高光谱遥感技术虽然是遥感领域的新技术，但是高光谱图像的分类一直制约着高光谱遥感的应用[3,4]，因此对其进行研究显得尤为重要。 高光谱遥感图像较高的光谱分辨率给传统的图像分类识别算法提出严峻的挑战。波段维数的增加不仅加重了数据的存储与传输的负担，同时也加剧了数据处理过程的复杂性，并且由于波段与波段间存在着大量的冗余信息，从而使得传统图像分类算法并不适用于高光谱遥感图像的分类。传统
https://www.doczj.com/doc/aa11756009.html, 中国科技论文在线高光谱遥感影像的光谱匹配算法研究 蔡燕1，梅玲2作者简介：蔡燕，（1984-），女，硕士研究生，主要研究方向：高光谱遥感 通信联系人：梅玲，（1984-），女，助理工程师，主要研究方向：水文地质. E-mail: meilingcumt@https://www.doczj.com/doc/aa11756009.html, （1. 中国矿业大学环境与测绘学院，江苏徐州 221008； 2. 江苏煤炭地质勘探四队，南京 210046） 摘要：在高光谱遥感影像处理中，光谱匹配技术是高光谱地物识别的关键技术之一。本文主要围绕光谱匹配算法的研究展开，分析讨论了常用的几种光谱匹配技术的特点，根据先验知识建立了多种地物标准光谱库，并将其读入程序存储，基于Visual C++平台实现了最小距离匹配，光谱角度匹配，四值编码匹配法，最后基于混淆矩阵对分类图像进行精度比较分析并对三种编码匹配法进行比较。 关键词：高光谱；光谱匹配；最小距离匹配；光谱角度匹配；四值编码 中图分类号：TP751 The Study on the Spectral Matching Technique of hyperspectral romote sensing Cai Yan1, Mei Ling2 (1. School Of Environment Science and Spatial Informatics China University of Mining and Technology, JiangSu XuZhou 221008;
2. JiangSu Geological Prospecting Team Four, NanJing 210046 Abstract: In the hyperspectral image processing, the spectral match technique is one of key techniques to identify and classify materials in the image. This paper addresses some issues of spectral matching methods. Several algorithms are analyzed and compared, such as minimum distance matching, spectral angle mapping and quad-encoding. According to the prior knowledge, standard spectral library including typical land-cover types is built, which is stored and used for spectral matching. All of work is done in the programming environment of Visual C++. Finally, the experimental results are tested and compared when classification accuracies are computed based on confusion matrixes. Keywords:hyperspectral; spectral match; minimum distance matching; spectral angle mapping; quad-encoding 0 引言 高光谱遥感技术的发展和广泛应用是20世纪最具有标志性的科学技术成就之一，与传统的多光谱遥感技术相比，高光谱分辨率遥感的核心特点是图谱合一，即能获取目标的连续窄波段的图像数据[1]。高光谱遥感信息的分析处理集中于光谱 维上进行图像信息的展开和定量分析。 高光谱影像分类与地物识别是建立在传统的遥感图像分类算法基础之上，结合高光谱数据特点，对高光谱图像数据进行目标识别，是对遥感图像基本分类方法的扩展与延伸。高光谱遥感影像有着很高的光谱分辨率，且光谱通道连续，因此对于影像中的任一像元均能获取一条平滑而完整的光谱曲线，将其与地物波谱库中的光谱曲线进行匹配运算，实现地物识别与定量反演[2-4]。光谱匹配技术是成像光谱地物识别的关键技术之一，主要通过对地物光谱与参考光谱的匹配或地物光谱与数据库的比较，求算他们之间的相似性或差异性，突出特征谱段，有小提取光谱维信息，以便对地物特征进行详细分析[5]。本文紧紧围绕光谱匹配的算法分析了最小 距离法，光谱角度匹配法，以及四值编码法，进行精度分析与方法比较。
多光谱视频成像技术 光谱是由原子内部运动的电子能级跃迁产生的。各种物质的原子内部电子的运动情况不同，所Ｗ它们发射的光波也不同。目前观测到的原子发射的光谱线己达百万条，每种原子都有其独恃的光谱，犹如人的指纹一样各不相同。研究不同物质的发光和吸收光的情况，有重要的理论和实际意义，己成为一门专业的学科——光谱学。由于每种原子都有自己的特征谱线，因此可Ｗ根据光谱来鉴别物质和确定其化学组成。故而，高光谱成像技术被广泛应用于多个领域。 光谱图像的传统应用领域包括遥感、矿产勘探、危险废物监控等。近些年来，光谱图像被逐渐用来解决机器视觉领域的难题，例如材质辨别、眼科学、燃烧动力学、细胞科学、监控、精细农业和军事安防等。 3.1传统光谱成像技术 谱仪采用光学分光元件（棱镜、光栅等），能够记录下单个像素点的高分辨率光谱信息。为了获取二维光谱图像，传统的光谱成像仪器普遍采用扫描策略，通过牺牲时间分辨率来换取高分辨率光谱信息。按照不同的扫描策略，传统光谱 成像方法主要分为两类：空间域扫描型和光谱域滤波型。空间域扫描式光谱采集方法分为两类：掸扫式和推扫式。掸扫式光谱仪每次记录空间上1个像素点的光谱信息，扫描装畳逐点移动直到所有像素点的光谱信息均记录完毕。为了提升扫描效率，推扫式光谱仪通过移动狭缝的位置，每次记录空间上1条线的光谱信息，狭缝逐线移动直至记录下整个场景的光谱信息。光谱域滤波式光谱仪普遍采用窄带滤波片或者电子控制的液晶变波长带通器件，通过时序切换滤波片来记录不同波段的光谱信息。 整体来说，传统的光谱仪普遍通过连续采样的方式获取3维光谱矩阵信息。为了实现高精度的光谱采集，需要对同一场景进行多次采样。因此，此类方法无法获取动态场景的光谱信息。 3.2计算光谱成像技术 传统光谱成像无法采集动态光谱的弊端，严重阻碍了目标跟踪、环境污染监测、流水线材质识别等领域的光谱应用拓展，能够在一次曝光时间内获取整个高维光谱数据矩阵的技术成为了行业的迫切需求。 光谱数据矩阵具有3个维度，每秒钟的数据达到10Gb量级。1次测量获取如此大数据量的数据超过了奈奎斯特采用极限，但是基于近年来提出的压缩感知理论，这成为了可能。下面介绍几种典型的基于此技术的计算成像式光谱获取方法。 （1）断层式扫描式 断层扫描式光谱仪通过在一个二维平面上投影出整个高维光谱矩阵，实现了单次曝光时间内的光谱获取。断层扫描式光谱仪具备单次曝光光谱获取能力，不使用任何滤波片能够直接记录下不同波段的光谱信息，从而保证了整个系统具备很高的光效率。 （2）编码光圈式 压缩感知理论表明，从有限的低维平面投影中重建高维数据矩阵是理论上可行的。美国杜克大学David.J.Brady教授首次将此思想引入到光谱采集中，其基本假设是自然场景光谱具备多尺度内在稀疏属性。为了实现编码压缩感知，相机中惯常被用来调节光通量的光圈被替换成二维随机编码器件。场景的入射光线透过成像物镜第一次成像在编码光圈表面，接着经过中继镜和棱镜色散后，最后在探测器上第二次成像。 （3）棱镜掩膜式 该系统使用掩模或微透镜阵列的空间采样方法，结合传统色散方式，通过高分辨率相机对散开的光谱进行采集，能够在短曝光时间内实现光谱的视频采集。棱镜掩膜式系统的光谱采集过程：场景光线经掩模采样后被三棱镜色散，根据“光路可逆原理”推导掩模空间分布模型，
成像光谱技术 1.成像光谱技术发展简述 光谱技术是指利用光与物质的相互作用研究分子结构及动态特性的学科，即通过获取光的发射、吸收与散射信息可获得与样品相关的化学信息，成像技术则是获取目标的影像信息，研究目标的空间特性信息。这两个独立的学科在各自的领域里已有数百年的发展历史，但是知道上个世纪六十年代，遥感技术兴起，空间探测和地表探测一时成为科学界研究的热点，人们希望得到的不单纯是目标的影响信息或者目标的光谱信息，而是同时得到影像信息和光谱信息，这一需求极大的导致了成像技术和光谱技术的结合，催生出了成像光谱技术。 所谓光谱成像技术，其本质是充分利用了物质对不同电磁波谱的吸收或辐射特性，在普通的二维空间成像的基础上，增加了一维的光谱信息。由于地物物质组成的不同，其对应的光谱之间存在差异（即指纹效应），从而可以利用地物目标的光谱进行识别和分类。光谱成像技术可以在电磁波段的紫外、可见光、近红外和中红外区域，获取许多窄并且光谱连续的图像数据，为每个像元提供一条完整并且连续的光谱曲线。 图1 成像光谱技术示意图 图1.1就是成像光谱技术的示意图，成像光谱仪得到一个三维的数据立方体，从每个空间象元都可以提取一条连续的光谱曲线，通过谱线的特征分析，继而用于后续的测探等目的。 2.成像光谱仪的分类 成像光谱仪是成像光谱技术发展的必然产物，是可以同时获取影像信息与像元的光谱信息的光学传感器，是成像光谱技术得以实现的实物载体，根据不同的分类标准可以进行多种分类，主要有以下几种： (1)根据成像光谱仪的光谱分辨率不同，可以分为多光谱成像仪
(Multispectral Imager, MSI)，高光谱成像仪(Hyperspectral Imager, HSI)，超光谱成像仪(Hyperspectral Imager, USI)。 多光谱成像仪：获得的目标物的波段在3~12之间，光谱分辨率一般在 100nm左右，主要用于地带分类等方面。 高光谱成像仪：获得的目标物的波段在100~200之间，光谱分辨率在10nm 左右，被广泛用于遥感中。 超光谱成像仪：获得的目标物的波段在1000~10000之间，光谱分辨率在 1nm以下，通常用于大气微粒探测等精细探测领域。 (2)按照分光原理的不同可以分为棱镜色散型、光栅衍射型、滤光片型、干涉 型以及计算层析型。 棱镜色散型和光栅衍射型分别是利用棱镜的色散和光栅的衍射来获取目标物的光谱，这两类光谱仪都是直接型光谱仪，即可以直接得到目标物的光谱曲线，具有原理简单和性能稳定等优点。 滤光片型光谱仪是采用相机加滤光片的方案，分光元件为滤光片，有多种形式，有线性滤光片、旋转滤光片等。这种光谱仪也是一种间接成像光谱仪，需要调制才能获得整个数据立方体 干涉型光谱仪是采用干涉仪实现两束相干光的干涉，从而获得目标物的干涉图。该类型的光谱仪其采集到干涉图和最终需要反演得到光谱图之间存在傅里叶变换关系，故其也称傅里叶变换光谱仪。 (3)按照扫描方式不同，成像光谱技术可分为挥扫式(Whiskbroom)、推扫式(Pushbroom)和凝视(Staring)成像光谱仪。 挥扫视：主要利用扫描镜，将空间信息按照一定的顺序输入，再由光谱仪对各点进行光谱分光，这类光谱仪的探测器一般为线阵。 推扫式：采用一个垂直于运动方向的面阵探测器，先将扫描成像于光谱仪的狭缝上，在通过运动获得另一维的光谱数据。 凝视型：无需探测器的运动，在任意时刻即可获取目标的二维空间信息以及一维光谱信息。 此外，还有多种分类方法，比如按照数据称重理论和调制方式以及搭载平台的不同等等。 3.成像光谱技术的应用 成像光谱技术应用方向可以分为两大类：军用和民用。在军用方面，由于成像光谱仪特别是高光谱成像仪具有在光谱上区分地物类型的能力，因此它在地物的精细分类、目标检测和变化检测上体现出较强的优势，成为一种重要的战场侦察手段。早在20世纪末，美国军方就有实验表明高光谱图像可以分辨出
高光谱遥感影像分类算法——SVM 1高光谱遥感简介 20 世纪 80 年代以来，遥感技术的最大成就之一就是高光谱遥感技术的兴起[1]。高光谱遥感技术又称成像光谱遥感技术，始于成像光谱仪的研究[2]。所谓高光谱遥感(Hyperspectral Remote Sensing)通俗地说就是指利用很多很窄的电磁波波段从感兴趣的物体中获取有关数据的方法。高光谱遥感的最大特点是，在获得目标地物二维空间影像信息的同时，还可以获得高分辨率的可表征其地物物理属性的光谱信息，即人们常说的具有“图谱合一”的特性。可见，与全色、彩色和多光谱等图像数据相比，高光谱影像革命性地把地物的光谱反射信息、空间信息和地物间的几何关系结合在了一起[3]。因此，可以很客观地说，高光谱遥感是代表遥感最新成就的新型技术之一，同时也是目前国内外学者，特别是遥感领域的学者的研究热点之一[4-5]。 2高光谱遥感研究背景 在以美国为代表的成像光谱仪研制成功，并获得高光谱影像数据后，高光谱遥感影像由于其蕴含了丰富的信息（包括地物的空间位置、结构以及光谱特性等信息）使得人们对地物的识别有了显著的提高，并且在许多方面和领域（比如，农业、林业、地质勘探与调查和军事等）都体现出了潜在的巨大应用价值[6]。虽然高光谱影像数据的确为我们的提供了丰富的对地观测信息，但也正是因为高光谱庞大的数据量和高维数的问题使得我们目前对高光谱数据的处理能力显得较为低效，而这也在一定程度上制约了高光谱数据在现实生产和生活的广泛应用与推广[7-8]。因此，为了响应人们对高光谱影像数据处理方法所提出的新的迫切要求，也为了充分利用高光谱数据所包含的丰富信息以最大程度地发挥高光谱的应用价值，我们必须针对高光谱数据的独有特点，在以往遥感图像数据处理技术的基础上，进一步改善和发展高光谱遥感影像处理分析的方法与技术。 3高光谱遥感分类研究 3.1分类的意义 分类是人类了解和认识世界的不可或缺的基本手段。人类的日常生活和生产实践都离不开，也不可能离开分类活动。面对海量数据，人类需要借助计算机来对自身感兴趣的数据进行自动、高效和准确地分类。这一迫切需求已体现在各个
实验报告 姓名专业：学号日期：2015 年12 月22 日 课程名称：高光谱遥感指导教师（学生填写）： 成绩：教师签名： 一、实验项目：高光谱遥感图像的分类 二、实验类型（√选）：0演示实验；1验证实验；2综合实验；3设计性实验；4创新实验 三、实验目的：利用ENVI软件实现高光谱遥感图像的分类 四、实验准备：电脑一台，ENVI Classic软件，HSI数据 五、实验简要操作步骤及结果： 1、EFFORT Folishing处理。 本次实验所用HIS数据是进行了大气校正等处理后的数据，由于数据光谱曲线呈明显的锯齿状。所以先利用EFFORT Folishing工具进行处理。 1）选择Spectral->EFFORT Folishing 2）出现“Select EFFORT Input File”对话框，选择数据，点击OK。 3）出现“EFFORT Input Parameters”窗口，进行目标的选择以及参数的设置。
处理完成后生成数据Memory1 4）将处理前后同一像元的光谱曲线进行比较
处理前光谱曲线处理后光谱曲线 可以明显看出，经过EFFORT Folishing处理后的数据，其波谱曲线比较平缓，明显的锯齿状消失。 2、Spectral Angle Mapper 光谱角填图 光谱角填图是一种监督分类技术。该算法是将图像波谱直接同参考波谱匹配的一种交互式分类方法，是一种比较图像波谱与地物波谱或波谱库中地物波谱的自动分类方法。 定义示意图
计算公式 1)选择Spectral->Mapping Methods->Spectral Angle Mapper. 2)选择Memory1数据进行处理。出现Endmember Collection:Sam窗口。 3）在#3窗口选择Overlay->Region of Interest.用Zoom视野在图像上选择感兴趣区域（明显的地物类型区域）
高光谱成像技术 高光谱成像技术起源于地质矿物识别填图研究，逐渐扩展为植被生态、海洋海岸水色、冰雪、土壤以及大气的研究中。对空间探测、军事安全、国土资源、科学研究等领域都具有非常重要的意义。 所谓高光谱图像就是在光谱维度上进行了细致的分割，不仅仅是传统所谓的黑、白或者R、G、B的区别，而是在光谱维度上也有N个通道，例如：我们可以把400nm-1000nm分为300个通道。因此，通过高光谱设备获取到的是一个数据立方，不仅有图像的信息，并且在光谱维度上进行展开，结果不仅可以获得图像上每个点的光谱数据，还可以获得任一个谱段的影像信息。 目前高光谱成像技术发展迅速，常见的包括光栅分光、声光可调谐滤波分光、棱镜分光、芯片镀膜等。 原理： 光栅分光原理： 在经典物理学中，光波穿过狭缝、小孔或者圆盘之类的障碍物时，不同波长的光会发生不同程度的弯散传播，再通过光栅进行衍射分光，形成一条条谱带。也就是说：空间中的一维信息通过镜头和狭缝后，不同波长的光按照不同程度的弯散传播，这一维图像上的每个点，再通过光栅进行衍射分光，形成一个谱带，照射到探测器上，探测器上的每个像素位置和强度表征光谱和强度。一个点对应一个谱段，一条线就对应一个谱面，因此探测器每次成像是空间一条线上的光谱信息，为了获得空间二维图像再通过机械推扫，完成整个平面的图像和光谱数据采集。 经过狭缝的光由于不同波长照射到不同的探测器像元上，光能量很低，因此需要选择高灵敏相机，同时需要加光源。例如系统如下：
声光可调谐滤波分光(AOTF)原理： AOTF由声光介质、换能器和声终端三部分组成。射频驱动信号通过换能器在声光介质内激励出超声波。改变射频驱动信号的频率，可以改变AOTF衍射光的波长，从而实现电调谐波长的扫描。 最常用的AOTF晶体材料为TeO2即非共线晶体，也就是说光波通过晶体之后以不同的出射角传播。如上图所示：在晶体前端有一个换能器，作用于不同的驱动频率，产生不同频率的振动即声波。不同的驱动频率对应于不同振动的声波，声波通过晶体TeO2之后，使晶体中晶格产生了布拉格衍射，晶格更像一种滤波器，使晶体只能通过一种波长的光。光进入晶体之后发生衍射，产生衍射光和零级光。 l AOTF系统组成： AOTF系统组成：成像物镜+准直镜+偏振片+晶体+偏振片+物镜+detector，入射光经过物镜会聚之后进入准平行镜(把所有的入射光变成平行光)，准平行光进入偏振片通过同一方向的传播的光，平行光进入晶体之后，平行于光轴的光按照原来方向前行，非平行光进行衍射，分成两束相互垂直o光和e光(入射光的波长不同经过晶体之后的o光与e光的角度也不同，因此在改变波长的过程中，图像会出现漂移);o 光和e光及0级光分别会聚在不同的面上。
光谱成像技术的分类-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN
光谱成像技术的分类 光谱成像技术，有时又称成像光谱技术，融合了光谱技术和成像技术，交叉涵盖了光谱学、光学、计算机技术、电子技术和精密机械等多种学科，能够同时获得目标的两维空间信息和一维光谱信息。 光谱成像技术发展到今天，出现的光谱成像仪的种类和数量己经具有较大规模，因而可以从光谱分辨率、信息获取方式（扫描方式）、分光原理和重构理论等不同的视角对光谱成像技术进行分类。 1基于光谱分辨率分类 光谱成像技术针对光谱分辨能力的不同，可分为多光谱(Multi-spectral)，高光谱(Hyper- spectral)以及超光谱(Ultra-spectral)。多光谱的谱段数一般只有几十个，高光谱的谱段数可达到几百个，而超光谱一般指谱段数上千个。它们的区别如表1所示。 表1多、高、超光谱的比较 光谱 2 基于信息获取方式分类 光谱成像仪需要对三维“数据立方”进行探测，而现今的探测器最多能进行二维探测。要想获得完整的三维数据，理论上至少需增加一维的空间扫描或光谱扫描。光谱成像技术获取图谱信息的主要方式有：挥扫式(Whiskbroom )、推扫式(Pushbroom)、凝视式(Staring)以及快照式(Snapshot)。 挥扫式成像光谱仪的光谱成像系统只对空间中某点进行光谱探测，通过沿轨和穿轨两个方向扫描获取完整的二维空间信息，其信息获取方式如图1a所示。AVIRIS就是通过挥扫成像[1]。
推扫式光谱成像系统探测空间中一维线视场(图1b中的X方向)的光谱，通过沿轨方向(Y方向)扫描实现二维空间信息的获取，芬兰国立技术研究中心实验室研制的AISA就是典型的推扫式成像光谱仪[2]。 凝视式光谱成像系统可对固定窗口目标成像，采用滤光的方式分离并获取不同波段的图像信息，再将不同波段的图像堆叠成“数据立方”。如图1c中所示，该类成像光谱仪实际上是采用光谱维扫描的方式实现图谱“数据立方”的获取。 图1 典型的光谱成像过程：a挥扫式；b推扫式；c凝视式；d快照式 快照式是一种新兴的图谱信息获取方式，它不需扫描便可获取三维图谱信息。快照式光谱成像技术实现方式主要有三种：一种是视场分割三维成像的方式，利用玻璃堆进视场分割，再利用分光器件将三维信息展开到二维平面进行面探测[3]，如图1d所示；第二种是计算层析的方式[4]，利用正交光栅等分光器件将三维信息层析投影到二维平面，再利用算法重构三维图谱；第三种是孔径编码计算光谱成像的方式[5]，通过孔径编码的形式引入计算维，再进行分光得到编码的混合图谱信息，最后通过计算解码重构三维信息的孔径编码计算成像技术，其三维信息获取方式如图2所示。 图2 孔径编码计算光谱成像技术的信息获取方式
Artificial Intelligence and Robotics Research 人工智能与机器人研究, 2017, 6(1), 31-39 Published Online February 2017 in Hans. https://www.doczj.com/doc/aa11756009.html,/journal/airr https://https://www.doczj.com/doc/aa11756009.html,/10.12677/airr.2017.61005 文章引用: 袁林, 胡少兴, 张爱武, 柴沙陀, 王兴. 基于深度学习的高光谱图像分类方法[J]. 人工智能与机器人研究, A Classification Method for Hyperspectral Imagery Based on Deep Learning Lin Yuan 1, Shaoxing Hu 1, Aiwu Zhang 2, Shatuo Chai 3, Xing Wang 3 1School of Mechanical Engineering and Automation, Beihang University, Beijing 2 Colledge of Resource Environment and Tourism, Capital Normal University, Beijing 3 Animal husbandry and Veterinary Hospital of Qinghai University, Xining Qinghai Received: Feb. 3rd , 2017; accepted: Feb. 18th , 2017; published: Feb. 24th , 2017 Abstract Remote sensing hyperspectral imaging can obtain abundant spectral information, which provides the possibility for the analysis of high precision terrain. The hyperspectral image has the charac-teristics of “map in one”, and the full use of spectral information and spatial information in hy- perspectral image is the premise of obtaining accurate classification results. Deep learning stack machine model in automatic encoding (Stack Auto-Encoder SAE) can effectively extract data in nonlinear information, and convolutional neural network (Convolutional Neural Network, CNN) can automatically extract features from the image. Based on this, this paper presents a classifica-tion method of hyperspectral images based on deep learning. Firstly, the spectral dimension of the hyperspectral data is reduced using automatic encoding machine, then convolutional neural net-work is used as the classifier, and the pixel and its neighborhood pixels are classified together as the input of the classifier, so as to realize the hyperspectral image classification with spectral space. Keywords Hyperspectral, Image Classification, Depth Learning, Automatic Coding Machine, Convolutional Neural Network 基于深度学习的高光谱图像分类方法 袁 林1，胡少兴1，张爱武2，柴沙陀3，王 兴3 1北京航空航天大学机械工程及自动化学院，北京 2 首都师范大学资源环境与旅游学院，北京 3 青海大学畜牧兽医院，青海 西宁 收稿日期：2017年2月3日；录用日期：2017年2月18日；发布日期：2017年2月24日
多光谱成像技术 摘要：在信息获取这一影响深远的科技领域中，多光谱成像技术有着极其重要的意义。多光谱成像与“遥感技术”分不开，随着遥感理论的进一步发展及光电技术的进展，焦平面探测器、CCD传感器、光学成像技术、信息融合处理技术的进步和应用，多光谱成像技术获得快速发展。它是在原有目标二维空间信息基础上再同时采集光谱特性、偏振特性等多维信息，从而大大提高了对目标的探测和辨别能力。 关键字：多光谱成像技术电磁波 一个完整的多光谱遥感应用系统包括以下几个部分： （1）目标光谱特性研究。它是多光谱遥感应用的基础性工作，包括研究目标辐射和反射电磁波的特性、电磁波在大气中的传播以及和物体相遇时会发生的现象等。通过实验，测量收集和分析大量目标物体的特定光谱特征，如色彩、强弱等，找出不同物体之间光谱信息的细微差异，为目标的识别提供科学依据。 （2）信息获取设备。它用来接收目标和背景辐射和反射的电磁波，并将其转换为电信号和图像形式，是光电遥感技术最重要的部分，主要包括各种相机、扫描仪、成像光谱仪及各种信息记录设备等。此外，还包括把这些设备运送到适合进行探测的高度和位置的运载平台。（3）图像的处理和判读。对已获得的信息进行各种校正，去除某些失真、偏差、虚假的信号，还原成一个比较接近真实景象的信号，然后人工辨别或借助光学设备、计算机进行光谱特征分析比较，找出感兴趣的目标。 物体的光谱特性 任何有温度（大于0K）的物体，内部都具有热能。物体温度升高，热能增加，内部的某种运动状态上升到高能级的激发态；温度下降，运动状态从激发态回到低能级，并产生辐射，这就是自然界普遍存在的热辐射。热辐射遵循普朗克辐射定理。物体的辐射本领和它的表面状态、几何结构有关。 电磁波可以采用波长、相位、能量、极化（偏振）等物理参数来描述。电磁波在传播中遵循波的反射、折射、衍射、干涉、吸收、散射等规律。电磁辐射通过不同的介质时，其强度、波长、相位、传播方向和偏振面等将发生变化，这些变化可能是单一的，也可能是复合的。 电磁波按波长可分为无线电波、微波、红外线、可见光、紫外线、X射线、γ射线等。如果用专门的传感器或探测设备，可探测到几乎所有波长的电磁波。多光谱成像技术中通常采用的波段为红外线、可见光、紫外线等。 当外来电磁波入射到一个物体表面时，会引起电磁波和物体间的相互作用，通常会产生三种现象。第一种是反射和散射，第二种是电磁波进入到物体内部而被吸收，第三种是电磁波穿透物体再次进入空间。根据能量守恒定律，上述三部分比例之和应该为1，即 ρ+α+τ=1 其中，ρ是反射率，α是吸收率，τ是透射率。 不同物体，组成它们的分子、原子、电子的数量、排列方式、能级间距等各不相同。它们的物理特性如大小、形状、密度、介电常数、表面粗糙度、光学性质、温度等也各不相同。因此，随物体性质的不同，它们对电磁波能量的反射、吸收、透射随波长的不同而不同。正是这些差别，构成了每一种物体特有的电磁波频谱特性，又称光谱特性。物体的光谱特性携带了该物体的特征信息，是用电磁波特征表征的物体的“指纹”。如果事先掌握了各种物体