EO_1Hyperion高光谱数据的预处理

EO-1数据的处理流程。

因为老板高光谱的项目，刚进入研究生阶段就一头雾水的开始处理高光谱的影像，主要使用的数据为EO-1，才开始做的时候很迷茫，一点点查，一点点弄，最终还是一知半解，但是总归也学到了不少东西，现在总结一下，跟大家讨论讨论，希望不吝指教！1.EO-1数据的简介（因为篇幅问题发个链接，那里有详细的介绍在这里不作赘述/s/blog_5f1077ed0100qumz.html），处理的数据为L 1G2.EO-1数据的处理流程（由于处理的软件是ENVI，仅限于ENVI软件）：整个流程从文献（谭炳香，李增元。

EO-1 Hyperion高光谱数据的预处理）中获得，只不过加了ENVI补丁下数据波段组合，其中红色的步骤是没搞明白的，下面对各个步骤一一说明。

3.Hyperion数据的获取：获取途径在/s/blog_5f1077ed0100qumz.html有介绍，如有不符和不全的请指正）4.ENVI补丁下数据波段组合：4.1 Hyperion工具的用途：设计Hyperion工具组件是为了方便hyper ion数据的使用。

其最基本的功能是把L1R HDF和L1G/L1T GeoTIFF数据集转换成包含波长、最大半波宽和坏波段信息的ENVI格式文件。

特别是，对于每一个输入数据格式，还包含了一些选项，在使用Hyperion数据时将更加有用。

4.2存放方法: 把hyperion_tools.sav文件放在你的ENVI安装目录下的save_add文件夹里，然后重启ENVI。

以下面的安装程序为例（D:\ProgramFiles\ITT\IDL71\products\envi47\save_add通过File→Open External File→EO-1→Hyperion Tools进入此工具。

4.3使用方法：对于L1R数据，点击“Input HDF”选择L1R文件。

然后点击“Output Path”为新的ENVI格式的数据选择存放文件夹。

hyperion数据资料地球观测卫星—1(EO—1是)NASA新千年计划（NMP)的第一颗对地观测卫星，目的是为了对卫星载体和新遥感器的技术进行验证。

于2000年11月21日成功发射[23-24]轨道高度705km，周期98分钟，与太阳同步，通过赤道时的当地时间与Land-sat-7仅相差一分钟，每16天对全球覆盖一次.EO- 1上搭载了3种传感器，即高级陆地成像仪ALI ( AdvancedLand Imager)、大气校正仪AC(Atmospheric Corrector)和高光谱成像光谱仪Hyperion。

其中ALI 的技术性能和用途与Landsat-7上的ETM+相当，构成对Landdsat数据的连贯性，并在数据质量和性能上均有所提高Hyperion是以推扫方式获取可见光—近红外(VNIR,400—1000nm)和短波红外(SWIR, 900—2500nm)光谱数据，Hyperion产品分两级：Level0和Levell, L0是原始数据，仅用来生产成L1产品，用户所使用的是L1产品，其特性为：波长356~2577nm 波段数242 像元大小30 图像大小256x6460 VNIR波段1~70（356~1058nm）SWIR波段71~242（852~2577nm）数据类型2位有符号整型像元格式BILByte Order Network(IEEE) 文件大小800427520（bytes）Hyperion L1数据产品已经进行了辐射校正。

在设计和处理遥感器数据时，Hyperion采用了辐射传输方程，所以它的1R级产品记录的就是辐射能量值[38-41]。

它的DN值以16比特的有符号整型存储，单位是(W/mZ-sr-pLm)。

但在进行辐射校正时，VNIR波段数据乘了一个比例因子40，而SWIR波段数据乘的比例因子为80。

所以，在求算遥感器上的波谱辐射能量值时应以下式得出：VNIRL=DN/40SWIRL=DN/80其中：DN表示影像的灰度量化级值(灰度)。

基于星载高光谱数据的遥感数据预处理摘要遥感影像的预处理是遥感数据应用的基础，预处理结果的好坏将影响图像的质量及后续的研究。

研究利用高光谱数据对穿越香格里拉县中部一景EO-1 Hyperion数据进行预处理。

预处理分别进行envi补丁下数据波组合、未定标和水汽影响波段去除、绝对辐射值转换、大气校正等处理，结果表明：图像质量提高，减少了数据运算量，为应用研究奠定了基础。

关键词EO-1；Hyperion；高光谱；遥感；大气校正遥感可以快速获取地表信息，并通过数据的传输与处理、判译分析，实现了解和研究地物的空间分布等地表特征[1]。

由于遥感系统空间、波谱、时间以及辐射分辨率的限制，会在数据获取的过程中产生误差。

这些误差降低了遥感数据的质量和精度。

因此，在图像分析和处理之前需要进行遥感原始影像的预处理，减小数据误差，提高图像质量。

选用穿越香格里拉中部的一景EO-1 Hyperion数据，着重进行绝对辐射值转换、坏线修复、大气校正、几何校正等预处理工作以及方法的阐述。

1 EO-1 Hyperion数据介绍EO-1上搭载了3种传感器，高光谱成像光谱仪Hyperion是其中之一。

Hyperion数据覆盖范围为北纬15°~55°，东经70°~140°的矩形区域。

Level 1R （Hyp-L1R）和Level 1Gst数据产品（Hyp-L1G）分别是Hyperion高光谱成像光谱仪的2种数据格式数据产品。

该数据共有242个波段，幅宽7.7 km，地面分辨率为30 m，光谱范围为400～2 500 nm，光谱分辨率达到10 nm。

虽然hyperion的L1级数据是经过一系列的处理结果得来，但实际结果仍然存在着质量问题，需要进行进一步的数据预处理，以解决图像数据误差。

2 Hyperion数据预处理原理与方法研究区位于香格里拉县中部，香格里拉地理位置处于北纬27°31′12″~28°31′12″，东经99°12′00″~100°17′24″，是滇、川以及西藏三省区交汇处，该研究区森林资源丰富。

高光谱数据预处理是指对从高光谱传感器获取的原始数据进行处理和优化，以提高数据质量、减少噪声和冗余信息，并为后续的数据分析和应用提供更好的基础。

以下是高光谱数据预处理的一些常见步骤：
1.数据校正：高光谱数据通常包含传感器的特定响应曲线、大气影响、太阳高度角等因素，需要进行各种校正，如大气校正、几何校正、太阳高度角校正等，以消除这些影响因素，提高数据质量。

2.数据滤波：高光谱数据可能存在噪声和冗余信息，需要进行滤波处理。

常见的滤波方法包括中值滤波、高斯滤波、小波变换等，可以根据数据的特点和应用需求选择合适的滤波方法。

3.数据增强：高光谱数据可能存在光谱分辨率不足的问题，需要进行数据增强。

常见的数据增强方法包括插值、降采样、多通道分解等，可以提高数据的空间和光谱分辨率。

4.特征提取：高光谱数据中包含丰富的光谱信息，需要进行特征提取，以便进行后续的分类、聚类、识别等分析。

常见的特征提取方法包括光谱特征提取、空间特征提取等。

5.数据归一化：高光谱数据的不同波段之间可能存在差异，需要进行数据归一化处理，以消除波段之间的差异，提高数据的可比性和稳定性。

常见的归一化方法包括最小-最大归一化、z-score标准化等。

6.数据降维：高光谱数据通常包含大量的冗余信息，可以通过数据降维方法减少数据维度，提高数据处理效率和准确性。

常见的降维方法包括主成分分析、线性判别分析等。

高光谱数据预处理是高光谱图像分析的重要步骤，可以提高数据质量、减少噪声和冗余信息，并为后续的数据分析和应用提供更好的基础。

高光谱预处理方法嘿，咱今儿就来说说高光谱预处理方法。

这玩意儿啊，就好比是给高光谱数据来一场精心的打扮，让它能以最美的姿态展现在我们面前。

你想想看，高光谱数据就像是一个有点乱糟糟的大杂烩，里面啥都有。

有各种干扰信号啦，噪声啦，乱七八糟的。

那我们要怎么把它整理清楚呢？这就用到我们的预处理方法啦！比如说，我们得给它来个“洗澡”，把那些不必要的杂质、噪声啥的给洗掉，让数据变得干净清爽。

这就像是我们洗脸一样，把脸上的灰尘啊、脏东西啊都洗掉，才能露出我们干净的脸蛋呀。

还有呢，我们要对它进行一些调整，让它更符合我们的要求。

比如说，让数据的强度啊、对比度啊啥的更合适，就像我们给照片调个色，让它看起来更漂亮、更吸引人。

那具体有哪些预处理方法呢？比如说归一化，这就好比是把高光谱数据都放在一个标准的框框里，让它们都能有个比较的基准。

还有平滑处理，就像给数据磨了个皮，让它变得更光滑、更细腻。

再说说去噪，这可太重要啦！就像我们要把耳边那些嗡嗡响的蚊子赶走一样，把那些讨厌的噪声都去掉，让数据更清晰、更准确。

咱可别小瞧了这些预处理方法啊，它们就像是高光谱数据的美容师、造型师，能让数据变得更有价值，更能为我们所用。

没有它们，那高光谱数据可能就像是一个蓬头垢面的人，谁还愿意去仔细研究它呢？而且啊，不同的应用场景可能需要不同的预处理方法呢。

就好像不同的人适合不同的发型和妆容一样，得根据具体情况来选择合适的方法。

你说要是不进行预处理，那会咋样？那数据可能就乱七八糟的，根本没法用嘛！那我们之前的努力不都白费啦？所以啊，高光谱预处理方法真的是太重要啦！咱可得好好掌握这些方法，让高光谱数据发挥出它最大的作用。

别嫌麻烦，想想看，要是能通过这些预处理让我们得到更准确、更有用的信息，那不是很值得吗？咱就踏踏实实地做好每一步，让高光谱数据在我们的手中变得闪闪发光！怎么样，现在是不是对高光谱预处理方法有了更深的认识啦？。

高光谱数据预处理流程
高光谱数据预处理流程主要包括以下步骤：
噪声去除：由于高光谱图像数据常常受到多种噪声的干扰，如设备噪声、环境噪声等，这些噪声会影响图像的质量，因此需要采取有效的方法去除。

常用的噪声去除方法包括平滑滤波、中值滤波和小波变换等。

图像校正：由于高光谱成像仪的工作原理和环境因素的影响，常常会导致图像出现几何畸变和辐射失真等问题。

因此，需要进行图像校正，以恢复图像的几何形状和辐射特性。

常用的图像校正方法包括多项式回归、仿射变换和径向畸变校正等。

图像融合：高光谱图像数据通常由多个波段组成，这些波段之间存在一定的相关性。

为了提高图像的分辨率和信息量，可以将多个波段进行融合，从而得到一个更加丰富的图像。

常用的图像融合方法包括基于像素的融合、基于区域的融合和基于小波变换的融合等。

归一化：高光谱图像数据的量级通常很大，不同波段之间的数值范围也存在较大的差异。

为了使不同波段之间的数值具有可比性，需要进行归一化处理。

常用的归一化方法包括最大最小归一化、对数归一化和标准化等。

请注意，具体流程可能因数据类型和研究需求而有所差异。

在实际操作中，建议咨询具有相关经验和专业知识的工程师或研究人员。

另外，高光谱数据处理流程除了以上预处理步骤外，还包括显示图像波谱、选择需要的光谱波段进行输出等步骤。

具体流程可能因实际情况而有所不同，建议根据实际情况调整和优化处理流程。