馬波波 胡勇

摘 要：高光譜遙感影像的分類問題是目標(biāo)檢測和識別的基礎(chǔ)，深入研究高光譜遙感影像的數(shù)據(jù)特性對于去除噪聲等干擾因素、實現(xiàn)準(zhǔn)確解譯并進(jìn)行后續(xù)分析具有重要的意義。本文分析了高光譜遙感影像分類研究現(xiàn)狀，重點(diǎn)論述了高光譜遙感影像的分類方法、分類流程、分類結(jié)果的評價方法，希望能和廣大同行共同探討。

關(guān)鍵詞：高光譜;遙感影像;分類

1引言

近年來，遙感技術(shù)作為一種準(zhǔn)確、客觀、及時獲取地球表面宏觀信息的技術(shù)手段，在城市規(guī)劃建設(shè)、土地利用監(jiān)測、農(nóng)林業(yè)以及自然災(zāi)害預(yù)報等方面越來越得到廣泛的重視和應(yīng)用。遙感技術(shù)相繼經(jīng)歷過全色遙感、彩色遙感和多光譜遙感之后，高光譜遙感影像的到來推動了遙感技術(shù)的全新發(fā)展。高光譜遙感影像數(shù)據(jù)具有豐富的光譜信息，使其在地表覆蓋物提取分類中相對于多光譜數(shù)據(jù)具有先天的優(yōu)勢。然而，也正是因為其具有豐富信息的優(yōu)勢，同樣也帶來了一些困擾，比如光譜數(shù)據(jù)量大、空間分辨率低、像元混合等，因此如何利用先進(jìn)的數(shù)據(jù)處理技術(shù)手段來進(jìn)行高光譜影像的提取分類成為一大挑戰(zhàn)。

2高光譜遙感影像分類研究現(xiàn)狀

高光譜影像可以提供含有豐富的光譜波段，雖然能夠為地表物體的準(zhǔn)確分類供應(yīng)充足的特征信息，但留存較大光譜波段冗余，同時高光譜影像也包含了空間鄰域信息外加了數(shù)據(jù)處理的難度，也增大了數(shù)據(jù)的處理和解譯的難度。眾多在維數(shù)低的圖像中能夠得到良好分類效果的現(xiàn)有分類方法，在高維數(shù)據(jù)分類中結(jié)果并不能滿足實際的需求。傳統(tǒng)的分類方法通常只利用數(shù)據(jù)的單一特性，或簡單的把兩個單一的數(shù)據(jù)拼加在一起，忽略了大量的隱含信息，這就阻礙了高光譜影像在地物分類等領(lǐng)域的應(yīng)用。因此，如何從高維數(shù)據(jù)發(fā)掘有用、更有價值的隱含特征，并能夠為后續(xù)分類器對地物的分類提供，是高光譜遙感發(fā)展中亟待解決的問題。

在目前的遙感分類應(yīng)用中，用得較多的的是傳統(tǒng)的模式識別分類方法，諸如最小距離法、平行六面體法、最大似然法、等混合距離法、循環(huán)集群法等監(jiān)督非監(jiān)督分類法，其分類結(jié)果由于遙感影像本身的空間分辨率以及“同物異譜”、“異物同譜”現(xiàn)象的存在，而往往出現(xiàn)較多的錯分、漏分情況，導(dǎo)致分類、精度不高。隨著遙感應(yīng)用技術(shù)的飛速發(fā)展，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行遙感影像分類、利用分維向量改進(jìn)神經(jīng)網(wǎng)絡(luò)在遙感模式識別中的分類精度問題、大量適用于遙感影像分類的決策樹結(jié)構(gòu)，尤其是近年來針對高光譜影像的廣泛應(yīng)用，各種新理論新方法的相繼涌現(xiàn)，對傳統(tǒng)計算機(jī)分類方法提出了新的要求。

3高光譜影像的分類方法

3.1分類方法介紹

近年來科學(xué)技術(shù)的迅猛發(fā)展，高光譜成像光譜儀捕獲數(shù)據(jù)的方式日漸更新，因此分析和處理高光譜遙感圖像的方法也隨之改變。高光譜影像分類是遙感工作中重要一個方面，許多種類的數(shù)據(jù)分析和處理方法不斷的被提出和應(yīng)用。主要分為兩種分類方法：一種是基于地物光譜特征，另一種是基于數(shù)據(jù)統(tǒng)計特性。

基于地表物體波譜特征的分類方法是通過對比待分類波譜曲線與標(biāo)準(zhǔn)曲線的差異來實現(xiàn)物種的區(qū)分，光譜曲線是地物的光學(xué)物理特性直接表示，同時利用不同的光譜匹配方法來判別不同的物體類別。這種方法具有兩種特點(diǎn)，分別是既可以使用全部波普特征的波普曲線，也可以使用感興趣區(qū)的光譜特征進(jìn)行匹配和分析，從而達(dá)到分類目的。基于統(tǒng)計特性的分類可以分成監(jiān)督分類和非監(jiān)督分類，這二類方法主要的區(qū)別在于待分辨地物是否需要已有類別的樣本。已知訓(xùn)練樣本在非監(jiān)督分類中不是必須的，即不需要知道各種物體的統(tǒng)計特性，便可以實現(xiàn)預(yù)處理后的數(shù)據(jù)分析和分類。非監(jiān)督分類的優(yōu)點(diǎn)在于其能夠快速完成處理任務(wù)，在監(jiān)督分類時可以參考無監(jiān)督分類的輸出，為后者做鋪墊。K均值聚類的主要原理是最小化為準(zhǔn)則，是一種的動態(tài)聚類算法，算法通過計算每個訓(xùn)練樣本所對應(yīng)的聚類中心的隸屬度，判定全部像元該劃分的類別，是非監(jiān)督分類中較為典型的方法。

監(jiān)督分類時需要真實地物類別的訓(xùn)練樣本，首先利用適當(dāng)數(shù)目的真實地物類別的樣本讓分類系統(tǒng)對特征進(jìn)行學(xué)習(xí)，經(jīng)過訓(xùn)練的分類系統(tǒng)記錄了不同的地物光譜特征信息，按照不一樣的分類算法對數(shù)據(jù)就行分類處理。隨著時間的推移，涌現(xiàn)出了許多種算法，例如人工神經(jīng)網(wǎng)絡(luò)、最大似然分類、K近鄰法、決策樹、SVM等。由于分類方法或訓(xùn)練樣本數(shù)目的制約，在具體的分類應(yīng)用中如何提高分類器在高光譜影像上的應(yīng)用性能具有很大的挑戰(zhàn)性。

3.2高光譜圖像的分類流程

（1）高光譜圖像預(yù)處理對原始的高光譜圖像數(shù)據(jù)進(jìn)行基本的圖像預(yù)處理，如幾何畸變校正、大氣輻射校正、波段選擇以及消除噪聲等。

（2）依據(jù)影像數(shù)據(jù)特性以及分類目的定義感興趣并標(biāo)記地物類別和訓(xùn)練樣本，選取合適的波段組合成彩色圖像，整體分析產(chǎn)生詳細(xì)的地物類別，然后從獲取的訓(xùn)練樣本數(shù)據(jù)集中提取出要需要分類的地物目標(biāo)類型，分別找出分類類型對應(yīng)的特征量。

（3）特征提?。禾卣魈崛〉淖饔檬鞘雇活悇e樣本的呈密集性分布，同時在特

征空間中分隔不同類別的地物樣本，關(guān)鍵是從初始數(shù)據(jù)中選取出最能代表其特點(diǎn)的光譜。

（4）特征選擇：特征選取的要求是在不干擾初始數(shù)據(jù)有利用價值信息的前提下，選取一定數(shù)目有用特征，同時舍棄剩余特征，具體過程就是依據(jù)原始波段圖像的測量值，按照分類需要經(jīng)過特定變換，找出最能夠代表地物類別特征的變量。

（5）像元分類選取適當(dāng)?shù)呐袆e準(zhǔn)則和分類模型，確定待定分類區(qū)域的樣本并劃分其類別歸屬，即對像元進(jìn)行類別判別。主要分為監(jiān)督分類和無監(jiān)督分類兩種，這其中受到使用不同方法的影響，取得的效果會存在一定的差異。

（6）分類和精度分析：分類后地物分類結(jié)果已經(jīng)確定，然后把分類后的樣本轉(zhuǎn)換為二維圖像，與選取的已知訓(xùn)練樣本或已知的真實地物標(biāo)記比較，其次評價分類的精度和效果。

3.3高光譜圖像分類結(jié)果的評價方法

分類結(jié)束時，可以獲得高光譜影像每個像元的所屬類別的二維圖像。地物參考圖是人工對地面真實類別進(jìn)行標(biāo)記后得到的，在對高光譜遙感圖像進(jìn)行分類后，需要根據(jù)地物參考圖對分類結(jié)果進(jìn)行評價。通常的結(jié)果評價典型的方法包括混淆矩陣、總體分類精度和Kappa 系數(shù)三種。在完成高光譜遙感圖像分類后，把輸出的分類結(jié)果圖像與其對應(yīng)的地面的真實地物標(biāo)記進(jìn)行比較，則混淆矩陣可通過圖像中全部分辨率的像元對比計算得到。

總體精度（OA）是指影像中被劃分為該屬類別的像素點(diǎn)的數(shù)目在圖像全部像素中占有的比例，總體精度可由混淆矩陣計算得到，平均分類精度（AA）表示的是每個種類地物像元分類精度的平均值，利用每個類別分類精度數(shù)值相加的和除以地物類別的個數(shù)，Kappa系數(shù)是一致性檢驗的一種指標(biāo)。在圖像的分類應(yīng)用領(lǐng)域上，它表示了被分類數(shù)據(jù)和標(biāo)準(zhǔn)的地物圖像之間的符合度，當(dāng)kappa系數(shù)的值超過0.75時表明符合度好，而當(dāng)數(shù)值低于0.4時則分類結(jié)果和參考圖像間的符合度不是很好?？傊琸appa系數(shù)概括分析了矩陣當(dāng)中的每個類型因素，能較全面的表示出圖像的精度評價，Kappa系數(shù)的數(shù)值越高，則分類的效果越好和精度越高。

4結(jié)束語

隨著遙感技術(shù)的不斷發(fā)展，遙感圖像的分辨率有了很大提高，但圖像分類技術(shù)還跟不上遙感技術(shù)自身的發(fā)展。盡管有不少人從不同角度出發(fā)提出了很多分類方法，但是還沒有哪一種是普適高效的。因此，高光譜遙感圖像分類技術(shù)及圖像處理技術(shù)還有待于進(jìn)一步發(fā)展，便于達(dá)到工作量小、精確度高、準(zhǔn)確性好、易于實現(xiàn)的目的。

參考文獻(xiàn)：

[1]張兵.高光譜圖像處理與信息提取前沿[J].遙感學(xué)報.2016，20（5）.1062-1090.BC58F9C0-981F-480B-87F7-938808EB9D8D