高分五号02星搭载了一台60公里幅宽、330谱段、30米分辨率的可见短波红外高光谱相机(AHSI),可见近红外(400~1000nm)和短波红外光谱(1000~2500nm)分辨率分别达到5纳米和10纳米。单看参数性能优越,忍不住想试试利用这个数据进行地物识别。
本文介绍利用光谱分析方法从高分五号02星AHSI的反射率影像(可见近红外VN、短波红外SW组合的330个波段影像)上识别一些地物信息,如云层、农作物等地物信息。在ENVI5.6下(ENVI5.3.1及以上版本类似)操作完成,主要包括坏波段标识、端元波谱获取、光谱分析地物识别步骤。
注:可访问 envi.geoscene.cn/envi_license 获取最新ENVI5.6.3软件试用。
1坏波段标识(选做)
AHSI反射率影像中有一些波段有一些条带噪声(竖条带或者横条带),主要集中在短波红外SW中,如下图所示,这些条带噪声对识别结果有一定影响,得到的结果也可能存在竖条带或者横条带的类别,如果不影响最终应用可忽略。感兴趣的可以尝试用可见近红外VN波段,”坏波段”会更少一些。
图1:部分波段上的条带噪声
可在ENVI中标注为bad bands不参与光谱分析,这些波段目前没有在官方渠道上公布,可通过波谱曲线辨别,如下图所示,有一个波段值非常高鼠标定位到这个点,从左边就可以获取该波段。定位像素点波谱曲线可通过地物识别结果进行定位。
图2:通过像素点波谱曲线定位“坏波段”
(1)显示AHSI反射率影像的图层上右键选择 View metadata,打开Edit metadata。
(2)切换到Spectral选项,在Bad Bands List点击按钮,按住Ctrl选择需要标识Bad bands的波段。这里选择标识202、263、264、271、274、277、269、320、325、326。
(3)点击Ok完成标识。
注:经过FLAASH大气校正的反射率影像上已经自动标识了一些水汽吸收波段为坏波段,这些波段全是0值或者噪声非常大。
图3:标识Bad Bands
2获取端元波谱
端元波谱实际就是需要识别地物的波谱样本,可以通过很多种方式获取,包括标准波谱库、波谱仪实测、影像上获取等。其中影像获取也有多种方式,最简单的方式就是从影像上选择感兴趣区(ROI),获取感兴趣的平均波谱曲线作为端元波谱,本文采用这种方式。
(1)在ENVI中,打开Roi Tool工具,通过目视解译方式绘制需要识别的地物。
(2)通过目视判读,真彩色合成识别和绘制云层、作物1、作物2和作物3 四类需要识别的地物,数量不用太多,需要准确。
注:在绘制云层时候,按住Ctrl+鼠标左键打开魔术棒,使用魔术棒绘制更便捷。
图4:绘制ROI感性兴趣
(3)打开/Classification/Endmember Collection工具,在文件选择对话框中选择AHSI反射率影像。
注:如果影像有背景,可以在此对话框中生成或使用掩膜文件。
(4)在Endmember Collection面板里,选择Import->from ROI/EVF from input file,选择前面选择的感兴趣区。
(5)在Endmember Collection面板里,点击Plot按钮绘制感兴趣的平均波谱曲线。
这里绘制得到的四种地物波谱曲线,三种作物都是未知类型。为了识别三种未知作物类型,一种方法是参照实际调查结果,另外一种方法是用已知的波谱库去识别,采用的工具为/Spectral/Spectral Analyst。这里没有相应的农作物波谱库文件,不对采集的端元波谱做波谱识别。
图5:Endmember Collection面板和平均波谱曲线
3光谱分析地物识别
光谱分析有很多算法,比较常用的是波谱角制图(Spectral Angle Mapper,SAM)。ENVI中可以直接在Endmember Collection中进行SAM分析,也可以打开Classification/Supervised Classification/Spectral Angle Mapper Classification工具。
Endmember Collection中可以预览,还可以分别为每一类单独设置波谱角阈值。本文直接在Endmember Collection中进行SAM地物识别。
(1)接着上一步打开的Endmember Collection面板,选择Algorithm-> Spectral Angle Mapper。
(2)点击Apply,弹出Spectral Angle Mapper参数面板。
- Set Maximum Angle:设置最大波谱角阈值(0~1.0),以弧度为单位。这里可以统一设置一个阈值,也可以分别为每一类设置阈值。这里阈值越小,识别精度越高。
- Output Rule Images:是否输出规则文件。规则文件就是生成波谱角为像素值的图像文件,选择输出可以采用密度分割方式进行分类,也可以作为获取阈值的一个参考。
图6:Spectral Angle Mapper参数面板
(3)点击Previw可以预览识别结果,点击OK进行处理。
结果为分类结果文件,可以进行小斑点去除、结果编辑、精度验证、分类转矢量等后续的处理,本文就不进行进一步的介绍。
4 总结
将识别的结果与AHSI反射率影像叠加显示,得益于330多个波段,通过目视判读识别精度还是挺不错的。
图7:SAM识别结果(局部)
原文链接:https://bbs.csdn.net/forums/gisrs?spm=1001.2014.3001.6682