連續(xù)且細分的光譜波段對目標區(qū)域同時成像，形成了包含數(shù)十至數(shù)百個波段的高光譜圖像（HSI Hyperspectral Image）（張良培和李家藝，2016）。由于包含豐富的光譜和空間信息，高光譜圖像被廣泛應用于各種任務，如復雜環(huán)境下的地物精細分類（Thenkabail和Lyon，2011；崔賓閣 等，2019）、目標檢測（Nasrabadi，2014；Zhu 等，2019） 和植被面積估計（Lees，2020）等。高維度的光譜數(shù)據(jù)在為圖像處理提供更多光譜信

C 281 的窄波段影像里，可見光波段可見的恒星已被移除。而影像中所見的恒星，則是后來再數(shù)字化疊加上去的。不過，所用的恒星數(shù)據(jù)并非來自可見光波段，而是X 射線波段錢德拉衛(wèi)星（紫）和紅外波段史匹哲太空望遠鏡（紅）的數(shù)據(jù)。這幅多波段組合景觀，展現(xiàn)此區(qū)域內(nèi)嵌星團IC 1590 的恒星之多樣性。在可見光波段的影像里，這些年輕恒星受到胎衣云氣和不透光塵埃的遮掩通常隱不可見。跨幅約80 光年的NGC 281，在后院天文攝影者的圈子里，因它在可見光波段的外觀而有小精靈星

、伽馬、光學V 波段的流量和星等數(shù)據(jù),用離散相關(guān)函數(shù)方法評估了多波段間的相關(guān)性,結(jié)果顯示伽馬波段和射電波段的相關(guān)系數(shù)為0.53,時間延遲約為90 天,伽馬波段比射電波段超前約90 天;射電和光學V 波段的相關(guān)系數(shù)為0.84,時間延遲約為—300 天,光學V 波段比射電波段超前約300 天;伽馬和光學V 波段沒得出具體相關(guān)性.說明光學波段由同步輻射主導,射電波段與光學波段的時間延遲可以解釋為光學波段的輻射區(qū)域在上游,射電波段在下游.而伽馬波段與射電波段是同源

中統(tǒng)計相關(guān)信息，波段相關(guān)系數(shù)、標準差、最大值、最小值等.圖2 矢量數(shù)據(jù)影像的不規(guī)則裁剪3 最佳波段組合3.1 最佳波段選擇原則選擇波段主要有以下原則：遙感影像的光譜數(shù)量越來越多，其中含有的信息也越加詳細，但是也會增加數(shù)據(jù)冗雜過多，反而不利于地物的提??；彩色合成時，各個波段之間的相關(guān)性小；參與波段合成得到的彩色圖像對所要研究區(qū)的地物類型之間的光譜差異要大.那些信息含量多、相關(guān)性小、地物光譜差異大、可分性好的波段組合就是最佳組合[3].3.2 基于光譜特征分析

像光譜信息、影像波段說明或借用前人經(jīng)驗及參考文獻提到的波段組合進行研究區(qū)地物解譯和特征提取工作[6-8]。然而隨著光譜分辨率的不斷提高，影像中相鄰波段之間的相關(guān)性大大增加，致使波段間存在大量冗余信息，最終導致分類時出現(xiàn)數(shù)據(jù)處理復雜、計算時間較長的現(xiàn)象。選擇最佳的波段組合對提高影像分類效率和精度是非常關(guān)鍵的，李秀梅等[9]利用標準假彩色432波段合成影像用于植被解譯并根據(jù)相關(guān)性最小、信息量最大化的特點，選取742波段合成影像用于海岸線變化提取。Chavez[

連續(xù)緊密的光譜波波段上對目標同時成像。高光譜數(shù)據(jù)是一個圖像立方體，它的前兩個維度代表圖像的空間位置，第三個維度代表圖像的波段，所以它的每一個像元是一條連續(xù)的光譜曲線，通過分析光譜曲線的特點，可以得到像素點所代表的地物真值對象。也可以把像元看成一個模式，它的屬性值等于對應波段上的輻射亮度值。高光譜圖像因為含有很大的信息量，使其在多種應用(醫(yī)學、農(nóng)作生產(chǎn)、礦物勘探等)方面具有很大的價值，但因波段之間具有較高的冗余，所以存在存儲空間消耗大、計算時間長、圖像分類時

植被信息提取最佳波段組合研究——以浙江省龍泉市為例譚瑩 徐軍 毛華英（浙江省森林資源監(jiān)測中心 浙江杭州 310020）以龍泉市為例，運用最佳指數(shù)OIF法，同時結(jié)合Landsat 8各個波段的統(tǒng)計信息和相關(guān)系數(shù)、地物光譜特征曲線及各波段主要用途進行綜合分析，探討了Landsat 8影像用于植被信息提取時的最佳波段組合的選擇。結(jié)果顯示：256波段組合信息量最為豐富，為植被信息提取的最佳波段組合。Landsat8影像；最佳波段組合；最佳指數(shù)（OIF）；地物光譜特

。高光譜數(shù)據(jù)因其波段眾多可以提供地物更精確詳盡的信息，但與此同時也帶來了信息冗余，因而在對數(shù)據(jù)分析時會產(chǎn)生較高的計算復雜度以及Hughes現(xiàn)象，所以在高光譜圖像處理過程中，降維是其重要環(huán)節(jié)。遙感數(shù)據(jù)降維有兩種方法：特征提取和波段選擇。特征提取是用映射的方法將原始數(shù)據(jù)變換為較少的新特征，常用的方法有主成分分析、獨立成分分析、局部線性嵌入等[1-3]。與特征提取不同，波段選擇依據(jù)高光譜遙感數(shù)據(jù)的特點從原始數(shù)據(jù)集中選擇合適的波段子集，在不改變原始數(shù)據(jù)的物理意義及

表示的高光譜影像波段選擇算法董安國， 龔文娟， 韓 雪(長安大學理學院，西安 710064)為了去除高光譜影像的數(shù)據(jù)冗余，提高高光譜影像處理的精度和效率，提出了一種基于線性表示的高光譜影像波段選擇算法。針對每一個波段，建立與其他波段的線性表示關(guān)系，依據(jù)復相關(guān)系數(shù)確定相關(guān)程度最高的波段，將其作為冗余波段去除； 對剩余波段重復上述過程，得到最小波段集； 并證明了利用該波段集和全波段所選的端元是一致的，在不影響端元提取的前提下，最大程度地去除了冗余波段。通過2組

91）高光譜數(shù)據(jù)波段多、波段之間相關(guān)性強，導致信息冗余嚴重，增加了數(shù)據(jù)處理的工作量，有效準確地在眾多波段中選擇具有代表性的波段尤為重要。首先用Wilks’Lambda（WL），隨機森林（random forest，RF）與自適應波段選擇（adaptive band selection，ABS）這3種方法對高光譜數(shù)據(jù)進行降維處理。然后提出了基于曲線誤差指數(shù)的評價方法，用此指數(shù)的趨勢來確定每種降維方法所要選擇的合適波段數(shù)量，同時用指數(shù)的大小評價不同降維方法的優(yōu)

50081）基于波段指數(shù)的快速高光譜圖像波段選擇方法孫康1陳金勇1（中國電子科技集團公司第五十四研究所，石家莊，050081）波段選擇在高光譜圖像降維處理領(lǐng)域具有十分重要的作用，可以提高高光譜圖像的分類精度。波段選擇本質(zhì)上是最優(yōu)波段的組合優(yōu)化問題，因而往往具有較高的計算復雜度，限制了波段選擇技術(shù)在高光譜圖像中的應用。本文提出了一個基于協(xié)方差矩陣的快速波段選擇方法，該方法波段選擇的目標是具有最大協(xié)方差矩陣行列式的波段集合。利用本文提出的一個前向遞推迭代技巧和

劃分的高光譜圖像波段選擇方法*王 琪 楊 桄 向英杰(空軍航空大學航空航天情報系 長春 130022)高光譜遙感圖像數(shù)據(jù)具有數(shù)據(jù)量大、波段冗余度大、波段間相關(guān)性強的特點,不利于圖像的判讀解譯。如何從上百個波段中選出最優(yōu)的波段組合對目標識別和分類是需要解決的問題。論文利用自動子空間劃分法,結(jié)合相關(guān)系數(shù)矩陣“分塊”的特點將所有波段進行大致劃分,運用自適應波段選擇法和光譜角制圖算法進行波段選擇。首先對所有波段利用相關(guān)系數(shù)矩陣劃分子空間,再在各個子空間提取指數(shù)最大

高效的高光譜圖像波段選擇方法孫康1耿修瑞2陳金勇1計璐艷3唐海蓉2趙永超2許妙忠41.中國電子科技集團公司第五十四研究所2.中國科學院電子學研究所3.清華大學地球系統(tǒng)科學研究中心4.武漢大學測繪遙感信息工程國家重點實驗室在非監(jiān)督波段選擇領(lǐng)域，算法魯棒性和高效性具有重要意義。本文基于圖表示提出了非監(jiān)督波段選擇算法，稱為GRBS（graph representation based band selection），該算法既對噪聲波段有較高的魯棒性，同時又具有較

利用分類中的最佳波段組合研究 ——以湖北省恩施市為例張金龍1，常 勝1，2*（1.湖北民族學院林學園藝學院，湖北恩施445000；2.湖北民族學院生物科學與技術(shù)學院，湖北恩施445000）為提取土地利用/覆被信息，選取恩施市2015年10月的landsat8衛(wèi)星OLI影像作為實驗數(shù)據(jù)，在統(tǒng)計和分析各波段的光譜特征的基礎(chǔ)上，計算最佳指數(shù)因子（OIF），并結(jié)合典型地物光譜特征曲線，對最佳波段組合的選擇進行研究.結(jié)果表明：將最佳指數(shù)法和典型地物光譜特征分析法相結(jié)

高光譜數(shù)據(jù)量大，波段多且窄，波段之間相關(guān)性強，信息冗余度較高。一方面數(shù)據(jù)量的劇增給數(shù)據(jù)的處理和解譯帶來很多問題；同時波段之間的相關(guān)性和冗余信息對傳統(tǒng)的圖像分類算法提出了巨大挑戰(zhàn)。因此，有必要對高光譜海冰數(shù)據(jù)進行降維處理?，F(xiàn)有的降維方法有基于特征提取和基于波段選擇兩種方法，而波段選擇方法可以保持圖像的原有特性，更有利于對圖像進行分析，成為高光譜降維的重要研究方向。目前已經(jīng)提出的波段選擇算法很多，具體分為監(jiān)督波段選擇和非監(jiān)督波段選擇兩類，非監(jiān)督波段選擇方法不需

是利用連續(xù)的窄小波段獲取目標有關(guān)信息的技術(shù)，高光譜數(shù)據(jù)將傳統(tǒng)的圖像維和光譜維信息融為一體，在獲取目標空間圖像的同時，得到每個圖像單元對應的光譜信息，這樣，在基于空間維度進行目標分類識別的同時，能夠從光譜維度依光譜特征實現(xiàn)目標信息的反演和識別。高光譜數(shù)據(jù)中波段數(shù)量多，波段之間相關(guān)性強，信息冗余多，使數(shù)據(jù)處理難度加大。為了有效地利用高光譜數(shù)據(jù)的豐富信息，同時較快地完成數(shù)據(jù)處理，就需要對原始數(shù)據(jù)進行降維［1］。波段選擇便是降維的重要方法之一，依據(jù)一定的判據(jù)從全部

連續(xù)且細分的光譜波段對目標區(qū)域同時成像，在獲得地表圖像信息的同時，也獲得其光譜信息，將地物的光譜特征與圖像相結(jié)合，提供了大量豐富的信息。高光譜圖像的數(shù)據(jù)量巨大且極其寶貴，所以在高光譜圖像壓縮領(lǐng)域中，無損壓縮[1-2]成為研究熱點，其中預測算法以其簡單且優(yōu)良的性能被廣泛應用。雖然高光譜圖像波段間的相關(guān)性較強，但是由于大氣、水吸收等原因，使得高光譜圖像中一些波段與相鄰波段的相關(guān)性下降，若直接采用波段的自然順序進行預測編碼，則很難獲得理想的壓縮效果。波段的分組排

濕地信息提取最佳波段組合顏鳳芹1,2，于靈雪1,2，楊朝斌1,2，卜 坤1，楊久春1，常麗萍1，張樹文1（1.中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所， 長春 130102； 2.中國科學院大學，北京 100049）濕地在維持生態(tài)平衡等方面發(fā)揮著重要的作用，因此，濕地的監(jiān)測與保護是研究者們關(guān)注的話題。遙感技術(shù)的出現(xiàn)為濕地研究提供了強有力的技術(shù)支撐。在濕地遙感中，目視解譯仍然是濕地信息提取的重要方法。影像的最佳波段的選取與合成作為色彩合成的重要部分，直接對目視解譯

）1 引 言最佳波段組合選取是圖像解譯和專題信息提取的重要前提［1］。它決定了彩色影像能否顯示較豐富的地物信息或突出某一方面的信息。實際應用時，應根據(jù)不同的應用目的，經(jīng)實驗、分析尋找最佳合成方案，以達到最好的目視效果［2］。遙感影像數(shù)據(jù)提供大量的地物光譜特征，最佳波段選取關(guān)鍵是從中有效地識別各種地物信息，以便于圖像的目視解譯和特征提取。如何從遙感數(shù)據(jù)中選取最佳波段賦予合理的色彩組合，是圖像增強處理中的關(guān)鍵問題之一。目前，很多學者對特征提取中最佳波段組合選取

遙感的數(shù)據(jù)量大，波段間的冗余度高，在處理高光譜數(shù)據(jù)時會出現(xiàn)Hughes現(xiàn)象——維數(shù)禍根［3］，因此對高光譜數(shù)據(jù)應進行降維處理，目前降維的法有基于特征提取和基于特征選擇兩種方法，而基于特征選擇方法能較好地保持圖像原有特性［4］。波段選擇應以波段間的相關(guān)性小且所包含的信息量大為原則，并且波段組合對地物的光譜差異要大。荊耀棟等［5］通過波段間相關(guān)性以及最佳指數(shù)分析，獲取沙地信息的最佳波段組合;劉建平等［6］提出了基于遙感圖像上不同地物可分性大小的最佳波段組合的選

多光譜數(shù)據(jù)，最佳波段選取是遙感圖像增強處理的關(guān)鍵部分，直接影響到目視解譯和研究對象的信息提取.目前，目視判讀在遙感圖像解譯中仍具有重要作用，人眼對彩色比較敏感且分辨能力強，而TM單波段圖像為灰度圖，不利于目視判讀.根據(jù)彩色圖像合成原理，如果在3個通道上安置3個波段圖像，然后分別賦以紅、綠、藍色，疊合在一起即可得到彩色圖像[4].因此，選擇合適的波段數(shù)據(jù)合成彩色圖像，可充分利用信息豐富的彩色合成圖像進行目標判讀.如何從TM影像的多光譜數(shù)據(jù)中選取最佳波段合成彩