黑客业务

怎么联系黑客,黑客联系方式,顶级黑客在线接单网站,网络黑客,黑客技术

光谱数据处理方法知识点(光谱产生的基本方法)

本文目录一览:

光谱数据处理时所使用的的数学处理方法是什么方法

谱形的处理有高斯,净面积,纯元素拟合,全面积,全背景。数据的处理有线性,差值和二次抛物线,还有质能比!

高光谱遥感数据处理技术

高光谱遥感是高光谱分辨率遥感(Hyperspectral Remote Sensing)的简称。它是在电磁波谱的可见光,近红外,中红外和热红外波段范围内,获取许多非常窄的光谱连续的影像数据的技术(Lillesand Kiefer 2000)。其成像光谱仪可以收集到上百个非常窄的光谱波段信息。 高光谱遥感是当前遥感技术的前沿领域,它利用很多很窄的电磁波波段从感兴趣的物体获得有关数据,它包含了丰富的空间、辐射和光谱三重信息。高光谱遥感的出现是遥感界的一场革命,它使本来在宽波段遥感中不可探测的物质,在高光谱遥感中能被探测。 国际遥感界的共识是光谱分辨率在λ/10数量级范围的称为多光谱(Multispectral),这样的遥感器在可见光和近红外光谱区只有几个波段,如美国 LandsatMSS,TM,法国的SPOT等;而光谱分辨率在λ/100的遥感信息称之为高光谱遥感(HyPerspectral);随着遥感光谱分辨率的进一步提高,在达到λ/1000时,遥感即进入超高光谱(ultraspeetral)阶段(陈述彭等,1998)。

何谓光谱数据?如何得到的?有何意义?如题 谢谢了

摘要:介绍利用单片机和A/D器件MAX120等构成的光谱信号采集系统,由单片机控制A/D产生不同的采样频率,用于光电倍增管和CCD输出的光谱信号的采集。 关键词:单片机 A/D 信号采集 光谱 概述 在光谱测量中,常用光电倍增管(PMT)和电荷耦合器件(CCD)作为光电转换器。在慢变化、高精度光谱测量中使用PMT;对于闪光灯、荧光和磷光等强度随时间变化时的光谱信号则采用CCD。PMT和CCD输出的信号形式是不同的:光电倍增管输出的是连续的模拟信号;CCD输出的是视频脉冲信号。由于输出信号的不同,相应的信号采集电路也不尽相同。本文所述的系统通过设定控制开关的不同状态,由单片机检测、判断和执行相应的操作,完成对不同形式输入信号的采集。采集到的光谱强度通过并口送入计算机进行处理、计算,并显示和打印出光谱曲线。 由于CCD像元几何尺寸小、精度高,有光积分时间和信号存储功能,因此,可以用来进行光谱测量。被测光源发出的光线经狭缝落在光栅平面上,经光栅色散后在CCD像元上成像,CCD各像元的位置对应于光线色散后不同的波长。CCD输出的是被测对象的视频信号,在视频信号中每一个离散电压信号的大小对应着该光敏元所接收光强的强弱,而信号输出的时序则对应CCD光敏元位置的顺序。由采样电路对CCD输出信号进行逐位采样,根据采样的位数,就可以知道信号所在的波长,而信号的幅度则是该波长的光谱能量。这样,只要对目标进行一次采样,就可以得到在一定波长范围内的光谱分布曲线,因而可以用来测量闪光灯等瞬态发光光谱。 光电倍增管以其特有的倍增系统,成为一种理想的低噪声放大器。它可以探测极微弱的光信号,而且响应速度很快,有效面积也大,被广泛应用于光信号测量的领域。光电倍增管输出的是一个理想的电流源,外接一个负载电阻,通过测量信号电流在负载上的电压降,即可得到光谱信号。 一、系统设计 利用单片机控制A/D采集光谱信号是一种方便快捷的方法。光谱数据采集系统的原理框图如图1所示。它主要由单片机、CCD时序产生电路、多路选择开关、A/D采样电路、存储器、并行口倍增管高压调整电路等组成。我们设计的信号采集电路可以用于两种探测器。针对不同的探测器,单片机工作在不同的状态,利用同一A/D采样电路,完成信号的采集。A/D采样通过并口和计算机通讯,由计算机完成光谱数据的处理。这在应用中非常方便实用,可以满足光谱测量要求。 AT89C52是美国ATMEL公司的产品。89系列的单片机与80C51系列完全兼容。它的最大特点就是在片内含有Flash存储器。我们选用的AT89C52是在标准型AT89C51基础上改进的(在存储器容量、定时器和中断能力上加以改进)。AT89C52的内部含有8KB可改写的Flash内部程序存储器,可擦/写1000次,3级程序存储器加密,256字节内部RAM,32根可编程I/O线,3个16位定时/计数器,可编程串行口,中断级8级。 1.A/D转换 在光谱数据采集系统中,A/D转换器选用MAX120。其引脚和电路原理如图2所示。MAX120是一种采用BiCMOS工艺、带采样电路的12位模拟数字转换器(ADC);它有片内的跟踪、保持电路(T/H)和低漂移电压基准电路,而且转换速度快、功耗低。它的转换时间为1.6μs,其中包含了T/H电路250ns的采样时间,因此,MAX120的吞吐率高达5×10 5次/s采样,可以满足一般测量需要。 MAX120可以接收-5~+5V的模拟输入电压,惟一需要的外部元件是去耦电容(用于为电源电压和基准电压去耦)。它的工作可用0.1~8MHz频率范围的时钟信号。MAX120采用了标准的微处理器接口,3态数据输出可直接与12位数据总线连接。访问数据和在线释放的时序特性参数允许在不插入等待状态的情况下与大多数微处理器兼容。所有的逻辑输入端和输出端与TTL/COMS电平兼容。 图2(b)所示电路图中,内部缓冲器对电容进行充电以减少2次转换之间所需的采集时间。模拟输入端可以看作1个6kΩ电阻与10pF电容并联的电路。2次转换之间,缓冲器输入通过输入电阻与AIN相连。当转换开始时,该输入端又与AIN断开,于是就采集了输入信号。在转换结束时,缓冲器输入端又重新与AIN相连,保持电容再次充电至输入电压。只要不是正在转换过程中,T/H电路就处在跟踪方式下。 MAX120有5种工作方式:全控制方式、独立方式、慢存储方式、ROM方式和连续转换方式。方式1是全控制方式,它为用户提供最大的控制能力,以控制转换的开始和取数操作。全控制方式用于能插入或不插入等待状态的微处理机系统。方式2是独立方式,为用户提供较大的自主空间。方式3是慢存储方式,主要用于ADC的转换期间微处理器不能被强制进等待状态的微处理器系统。方式4是ROM方式。方式5是连续转换方式,用于基于微处理器的系统。 系统设计中采用MAX120的工作方式2,即独立方式(MODE=开路,RD=CS=DGND)电路连接方式如图3所示。这种方式下,MAX120能直接与FIFO缓冲器相连或通过DMA口直接与存储器相连。在独立方式下,CONVST引脚上的下降沿启动一次转换,数据输出端总是开放的,当INT/BUSY引脚电平的上升沿指示转换结束时,数据端上数据就得到更新。因为A/D的数据端总有数据,所以,用74HC245双向三态八总线收发器进行总线隔离。 MAX120的输入信号范围为-5~+5V。在对采集信号进行电平调整时,需要用1片LF356运算放大器,电路连接如图4所示。通过对电位器RP2和RP3的调整来实现电平调整,以满足A/D对输入信号的要求。电路MAX120为双极性输入/输出的变换函数。代码的变换均出现在相继两个整数最小数据位(LSB)值的中间。输出代码是2的补码的二进制码且1LSB=2.44mV(10V/4096)。 增益调整和双极性偏置调整,由图4中的电位器RP3和RP2来实现,调整中偏置调整应先于增益调整。调整双极性偏置时,将+1/2LSB(0.61mV)施加到没有反向的放大器输入端,然后调节RP3,使输出代码在0000 0000 0000和0000 0000 0001之间变化。对增益的调整,将满量程(FS)-1/2LSB(2.4988V)施加到放大器的输入端,然后调节RP2,使输出代码在0111 1111 1110和0111 1111 1111之间变化。这两个调整之间可能有一些相互影响,须要反复调整。偏置和增益的调整是对A/D转换的细分,目的在于提高A/D的精度。 2.A/D转换的过程 本系统中,CCD输出信号的重复频率为200kHz,因而,要求模数转换器的速率要高于200kHz。A/D转换器的工作控制不用系统CPU来完成,而是用专用逻辑控制电路完成,包括地址产生器、总线缓冲隔离器、读写控制逻辑电路和数据存储单元。在数据转换过程中,CPU只负责转换电路的启动和检测1帧数据转换是否结束,中间过程无须CPU干预,使对CCD1帧数据转换由逻辑控制电路自动完成。A/D一次采样的工作过程为:①接收光耦同步采集信号;②驱动A/D转换;③单片机查询是否转换完成;④读出数据,存入存储器。转换过程控制程序框图如图5所示。 用光电倍增管对小于10kHz调制频率的慢变化光谱信号的测量,50kHz的采样频率可以满足测量的要求,其采集电路可以适用于各种光电倍增管的输出信号采集。我们选用12MHz的时钟频率,对软件进行优化,其运行的时间为20μs,采样频率为50kHz,可以满足采样的要求。 3.光电倍增管的高压调整 在光电倍增管应用中,高压的稳定性直接影响测量的精度。一般,光电倍增管的倍增级为10级左右,图6所示为倍增管高压与电流增益之间的电流增益之间的倍增关系。从图6可看出电流增益约与阴极-阳极间所加电压的10 6~10 10成比例。所以PMT的输出对工作电压非常敏感,使用时,必须用高稳定性的高压电源。高压电源的漂移、纹波、温度变化、输出变化、负载变化等的综合稳定度必须优手所要求的光电倍增管稳定度1个数量级。我们选用的是由HAMAMATSU(滨松)公司生产的高压模块,其电压最大漂移量为±0.03%h。 为扩大动态范围,须对光电倍增管的高压进行动态调整。图7是控制电压和控制电阻上相应的输出电压的关系曲线。光电倍增管的专用高压模块通过改变高压模块调整端的电压或电阻,来改变输出端的高压。调整电阻用10kΩ电位器,电压调整范围为0~1.4V。图8所示为滨松公司高压模块的原理框图。 为满足不同的测量要求,需要设置三个量程。一般量程的调整为人工调整电位器,效率较低、精度不好控制。这里我们利用单片机控制可编程数字电位器X9C103来实现调整倍增管高压,图9是X9C103的接线原理图。根据测量输出信号的强弱,相应调整PMT的高压,并将调整的状态通过并口送入计算机。X9C103是一个包含100个电阻单元的电阻阵列。在每个单元之间和任一端都有可以被滑动单元访问的抽头点。滑动单元的位置由片选输入端CS、升/降输入端U/D、增加输入端INC控制。它类似于TTL升/降计数器,总阻值10kΩ、工作时钟250kHz、工作电压+5V,滑动端位置存储于非易失性存储器中,可在上电时重新调用,滑动端位置数据可保存100年。X9C103是固态非易失性电位器,它与机械电位器相比有调节更精确、不受意外影响(振动、污染)、节省空间、易于安装、滑动端位置易于由单片机或逻辑电路控制的优点,是理想的数控微调电位器。三线接口由单片机P0口控制1片74LS374来完成锁存,软件编程实现。 二、应用 为了满足光谱采集的需要,我们设计了相应的信号采集电路,应用单片机控制A/D芯片完成对于两种不同的探测器输出信号的采集。实际应用表明,采集系统的信噪比、采样频率等性能可以满足测量的要求。 1.用于CCD输出信号采集 采用CCD测量光谱大大缩短了测量时间,减少了外界环境对测量精度的影响。对于闪光灯、荧光和磷光等强度随时间变化的光源,采用CCD测量其光谱分析,能得到精确的测量结果。 单片机在其中要完成的工作是控制CCD时序脉冲的产生和高速A/D采样频率的实现等,其原理框图如图10所示。对于两相线阵CCD,须要在其相关引脚加入适当脉冲才能正常工作,主要有两相时钟脉冲ψA和ψB、转移门ψTG、复位门ψR,并且要输出与CCD输出信号同步的脉冲,作为信号采集的同步触发信号,其主驱动脉冲由单片机控制产生。 CCD将光信号转换成视频脉冲信号后,经差分放大和电平调整电路后,输出满足MAX120输入信号范围的信号(-5~+5V),送入A/D转换器的输入端。逻辑控制电路的输入信号是CCD视频脉冲同步信号、微处理器控制是否进行A/D转换信号、A/D转换器状态信号和数据存储器地址信号,经一定的逻辑运算后输出A/D转换的起始信号、地址产生器的计数信号以及送入AT89C52单片机计数端口用来控制转换次数的计数信号。数据隔离器的作用是将A/D转换部分的数据线与主机部分的数据线隔离,使两部分可同时独立工作,不会产生干扰,且在需要时可将A/D转换器的转换结果(在存储器中)读入主机进行处理。地址产生器由二进制计数器构成,数据存储器的地址线与计数器的输出端相接,计数输入信号有清零信号和计数信号。其中,清零信号受主机控制,每次对1帧CCD信号转换前,必须将地址产生器清零,使2048个像元信号的转换结果从零地址开始依次存放;同样,在读存储单元时,也要先地址产生器清零。计数信号由逻辑控制单元提供,在A/D转换和读存储器期间,每对存储器操作1次就使地址加1,连续操作就可以顺序读写存储器。地址分配器是主机用来给每个读写端口分配地址的。由于本系统的独持设计,每个数据存储器只占用1个地址。只要反复对某一地址操作,就可将存储器中的数据读出。 最后,由系统总控制单元采用适当的计算对其进行处理得到被测物图像的信息。系统总控制单元除完成数据处理工作以外,还担负着数据存储、CCD积分时间控制、PC远程数据传输和控制等工作。 下面给出利用信号采集系统得到的实测光谱。图11是用CCD实测的闪光灯泵浦可调谐掺钛宝石激光器的输出光谱。通过在激光腔内加一铌酸铌晶体光电开关,改变铌酸晶体上的电压,使不同波长的光在激光腔内发生振荡,从而实现钛宝石调谐。这是一种新型的实现钛定石调谐的实验方法,图11所示光谱线就是改变铌酸铌晶体电压,用CCD实测的钛宝石激光器的输出光谱线。每改变一次电压就能很快地、准确地得知输出光的波长和带宽。 2.用于光电倍增管输出信号采集 根据被采集光谱信号的特征和采样频率的要求,我们设计了相应的信号采集电路,如图12所示。它的采样频率为50kHz,同时根据测量信号的强弱,相应地调整光电倍增管的高压,从而提高采集系统的动态范围。在这种工作模式下,由AT89C52完成信号采集过程控制和倍增管的高压自动调整。控制完成信号的采集、数据存储和数据的传输。数据存储由一片6264完成,采集到的光谱强度通过并行口送入计算机进行处理。 由于PMT的灵敏度高、精度高,常用来测量分子吸收光谱。利用光谱法检测空气中污染气体的含量,是目前常用的快捷、连续、在线的监测方法。研究污染气体分子的特征吸收光谱是准确测量的关键。图13是利用光电倍增管测得的SO2特片吸收光谱。它是用氘灯日光源,光经过含有SO2气体的吸收波,由光谱仪分光,在出射狭缝处用光光倍增管接收光谱信号。在50kHz采样频率下测得SO2在300nm波长附近的特征吸收光谱,入射光的调制频率日1kHz。

多光谱数据预处理

(一)多光谱图像的去噪声处理

实际上,噪声是一种高频信号,是以其灰度级与周围像元明显不同造成。不同图像产生噪声的强度及频率不同,因此,不可能有一种适合于所有图像的噪声消除算法。为此,我们选择了新疆阿尔金山地区一景有噪声的 TM数据,并设计了专门的程序来检测消除斑点噪声。具体算法是将一个像元的灰度值与周围像元进行比较,差值明显高于周围邻接像元,该像元就被定义为噪声,它的灰度值用邻近像元灰度值来替代或取周围与它距离最小的数个像元的算术平均值,且这数个像元灰度值不存在灰度突变。用这种方法可以消除单像元的孤立噪声点,且不会改变图像的信息量和清晰度(彩图1-1b)。对于面积分布较大的斑点噪声处理,可选择现有的几种主要方法进行,但利弊不同。其中,采用低通滤波可以有地效消除噪声,但同时也减少了其他有用的高频信息,为此对低通图像再进行高频滤波可以恢复部分高频信息。使用常规图像处理软件中的自适应滤波方法,如 Frost自适应滤波(彩图1-1c)、Lee自适应滤波、Gamma Map滤波等也有一定的效果,但图像的清晰度和信息量都有不同程度的降低。

(二)多光谱图像去条带处理

在TM图像上,条带的主要表现形式为:①图像数据行有若干相邻像元及整行丢失,图像上呈现白色条带。我们消除条带的具体做法是用“整行替代”算法,即用相邻行直接替代或用相邻两行的算术平均值去替代条带行(彩图1-2b);②图像数据行有若干相邻像元及整行与周围行明显不同,其消除条带做法除了用“整行替代”的方法去消除之外,还可以采利用傅里叶变换提取水平条带,如在阿尔金山干旱裸露地区的实验中也取得了一定的效果(彩图1-2c)。具体方法是建立分解图像的傅里叶谱,穿过傅氏谱的垂直线表示水平条带,去掉这种垂直分量,然后再进行逆变换就可消除条带。

高光谱数据预处理流程

5.1.1 预处理内容简述

(1)辐亮度复原

该部分主要针对高光谱数据1级数据产品(辐亮度数据)的生成流程展开研究,研究过程中首先对载荷获取的原始数据DN值与辐亮度数据之间的关系进行分析与建模,然后利用辐射定标系数通过DN值与辐亮度之间的模型实现辐亮度复原,从而得到1级数据产品。

(2)系统误差校正

在进行辐亮度复原之后,原理上应该完全消除由于载荷本身器件、结构、原理等方面引入的误差。但是在一般情况下,由于辐亮度复原过程中所采用的处理方法不可能包含对所有系统误差的校正,复原辐亮度数据中仍然存在着某些系统误差,例如定标参数误差引起的条带效应、单个器件失效引起的坏点和坏线等。

为了获得高质量的反射率光谱数据,在进行反射率反演等操作之前需要针对载荷原理及辐亮度复原中所采用的处理方法,开展系统误差校正与消除研究。根据载荷原理,分析复原辐亮度数据中存在的系统误差,设计相应的校正方法对其进行校正,得到高精度的入瞳辐亮度数据。

(3)反射率反演

反射率反演是将大气层顶辐亮度数据转换为地表反射率的过程,研究过程中,通过辐射校正,将大气吸收与散射、太阳高度角等影响消除,实现星载高光谱数据反射率反演,并生成2级反射率数据供用户使用。采用的方法为精度较高的反射率反演方法:基于线性回归模型的经验线性法、基于辐射传输模型的FLAASH和ACORN两类,利用该两类模型及模型的组合建立高光谱地质应用小卫星数据反射率的精确反演流程。并通过对比分析其基本原理和具体实现方法,结合地面大气参数、光谱测量等,探索研究以上两类模型的改进方法,进一步提高地物反射率反演的精度。

5.1.2 处理流程

预处理流程设计如下(图5.1):

1)根据定标系数,由0级数据产品DN值复原得到辐亮度数据;

2)对辐亮度数据进行系统误差检测,包括坏点/坏线,条带效应、Smile效应等,若存在上述系统误差则对其进行校正;

3)系统误差校正后的辐亮度数据作为1A级数据产品输出;

4)由1A级数据进行几何粗校正,校正遥感器轨道、姿态和地形的影响,得到地理定位后的辐亮度数据,可作为1B级数据产品输出;

5)由1A级数据产品辐亮度反演得到地面反射率数据,作为2A级数据产品输出;

6)由2A级数据产品进行几何粗校正,得到地理定位后的反射率数据,可作为2B级数据产品输出。

图5.1 标准化预处理流程示意图

成像光谱方法技术

一方面,高光谱分辨率的成像光谱遥感技术是对多光谱遥感技术的继承、发展和创新,因此,绝大部分多光谱遥感数据处理分析方法,仍然可用于高光谱数据;另一方面,成像光谱技术具有与多光谱技术不一样的技术特点,即高光谱分辨率、超多波段(波段<1000,通常为100~200个左右)和甚高光谱(Ultra Spectral)分辨率(波段>1000,主要用于探测大气化学成分)的海量数据。因此,常规多光谱数据处理方法不适合于成像光谱数据的定量分析,于是成像光谱数据处理和分析技术应运而生。在成像光谱数据处理和分析方法中,关键性的技术问题是地物光谱重建,光谱特征的量化及提取,混合像元的分解和定量分析及模型识别。

2.3.2.1 光谱重建技术

按照不同的模型及算法,从成像光谱数据中把地物的光谱特性反演出来的过程就是地物光谱重建技术。根据不同的工作情况及条件,采取不同反演模型来重建地物光谱,是实现成像光谱数据遥感定量化分析的第一步。若对其不进行反演,则没有一个统一物理量进行对比。目前,光谱反演模型大体可分为三大类型:基于大气传输理论的大气传输模型,基于统计分析的统计模型以及基于地面地物同步观测的经验回归模型。

2.3.2.1.1 基于大气传输理论的模型

该模型实质上就是用理论模型消除大气中气体分子、水蒸气、气溶胶及尘埃等分子颗粒对地反射辐射能量吸收与散射以及大气程辐射效应,并将其还原成地物的反射辐射光谱。这是一种比较复杂的同时必须进行地物光谱及大气参量测量的绝对反射率生成方法,也就是对成像光谱数据进行绝对辐射标定的再反演。在这一反演过程中,关键是建立大气传输的模型。自1960年,Chndrasekhar提出了辐射传输理论以来,相继发展了许多方法,如Ordinate方法和Variational方法等来解决辐射传输问题。目前,常见的大气传输模型有5 S(the Simulation of the Satellite Signal in the Solar Spectrum)、6S(the Second Simulation of the Satellite Signal in the Solar Spectrum)、LOWTRAN 7及MODTRAN(Teillet,P.M.,1989;Vermote,E.,Tanṙen,D.,Deuże,J.L.et al.,1994,1996;Bo⁃Cai Gao,K.B.Heidebrecht and A.F.H.Goetz,1997;Z.QIN,A.Karnieli and P.Berliner,2001)。其中,6S模型是由法国Tanré等人研究开发的,是目前世界上发展比较完善的大气辐射校正模型算法之一。该算法既能合理地处理大气散射、吸收,又能产生连续光谱,避免在光谱反演中较大的定量误差。它还充分利用了分析表达式和预选大气模式,使计算时间大大缩短。许多遥感专家使用此模式进行地物光谱反演后认为,该模型较其他模型计算精度高。不足之处是必须开展试验区典型地物光谱反射率观测以及大气环境参量实测,如:大气光学厚度、温度、气压、水蒸气含量、大气分布状况等。相对来说,尽管LOWT⁃RAN 7和MODTRAN模型计算精度低一些,但它不需要地面实测典型地物的反射率。这些模型一般用于对传感器选定标定场,开展数据绝对辐射标定。

2.3.2.1.2 基于统计分析的模型

该模型的建立是在分析不同地物光谱遥感信息在不同光谱波段的传输特点基础上,利用计算机对典型地物的光谱特性进行统计分析后,得到的地物光谱特性反演模型。对成像光谱数据进行地物光谱反演常用模型有平滑域反射率模型 FFR(Flat Field Reflectance)(Goetz and Srivastava,1985;Conel,1985;Crowley at al.,1988;Rast et al.,1991),内在平均相对反射率模型IARR(Internal Average Relative Reflectance)(Kruse et al.,1985;Kruse,1988;Mackin and Munday,1988;Zamoudio and Atkinson 1990),对数剩余模型LRC(Logarithm Residual Correction)(Green,R.O.etal.,1985;Gower,J.F.R.etal.,1992)。在这3种模型中,FFR模型是在图像上选取光谱和地貌特征都均匀平滑(平滑性是指地物无光谱吸收谱带,光谱曲线平直)的地物平均值,来消除大气辐射衰减和仪器的零响应;White模型是根据整幅图像的平均光谱曲线平均值对图像归一化处理,然后计算每个像元光谱曲线与平均光谱曲线的比值,也就是地物光谱特性;LRC模型是经Lyon和Lanze修正后,对太阳辐射衰减、大气效应及地形影响都有所消除。Green和Graige提出的对数剩余纠正公式如下:

lg(Rij)=lg(DNij)-lg(aveDNi)+lg(DNi)+lg(DNg)(2-3-1)

这里Rij是第i波段、第j个像元的剩余值;DNij是第i波段、第j个像元的亮度值;DNi是第i波段所有像元数据的平均值;DNj是第j像元在所有波段上数据的均值;DNg是所有波段及所有像元的均值。该方法完全基于图像本身特征,不需要野外地物光谱测量。在前两种模型中,FFR模型优于IARR模型,它克服了IARR模型因受像福强吸收特征的影响而出现的假反射峰的弱点,而且计算量较小。

2.3.2.1.3 经验线性回归模型

利用该方法重建地物光谱技术实质就是通过开展典型地物的同步反射率观测,根据成像光谱数据DN值与地面实测地物反射率值,经最小二乘法求出回归方程Rij=Aj·DNij+Bj(这里Aj,Bj是传感器第j波段的线性回归系数),然后,根据此方程反演地物的反射光谱。这种模型的数学和物理意义明确,方法简便,运算量少,应用广泛(Roberts et al.,1985;Conel et al.,1988;Elvidge,1988;Green et al.,1988;Kruse et al.,1990;Zamoudio and Atkinson 1990)。例如:美国JPL的Abrams利用该模型在美国Nevada州的Cuprite矿区进行矿物学填图;美国科罗拉多大学的Zamudio等人,利用该模型在美国 Nevada 州东部进行矿物识别和岩相分析;日本Pasco公司的Mochizuki,利用该模型在美国Navada州进行蚀变矿物的反射光谱研究等。该模型的不足之处是要开展野外地物光谱观测,成本比较高,回归精度的高低依赖于对野外概实测的精度。

除上述这些典型光谱重建模型之外,还有 UA RT Code,JPL Code,连续内插波段比算法(CIBR),背景法等模型(De Jong,1998)。

2.3.2.2 岩矿光谱特征的量化、提取,定量分析及识别模型

成像光谱数据经过光谱重建模型处理后,获得了地物的光谱特征谱线。不同地物光谱具有不同的诊断特征谱带,如吸收谱带,特征谱线的微积分变化,波形变化等等。如何有效地开展地物特征定量分析和识别地物,首先要弄清楚如何去量化及提取地物的光谱特征。因此,开展基于地物特征谱的量化提取是十分必要的。

2.3.2.2.1 地物光谱特征度量、提取与匹配识别模型

(1)就地物光谱特征(这里指地物反射辐射光谱)而言,不外乎两大类型:吸收谱带(或反射谷)和光谱曲线的斜率变化(含波形变化)。针对这两类光谱特征的形态、结构,分别采取不同的度量方式。目前,对吸收谱带的分析度量方法是外壳系数法,它通过把光谱曲线归一化后去测量吸收谱带的波长位置(position)、吸收深度(depth)、吸收宽度(FWHM)和对称性(sym⁃metry)(Lyon et al.,1985;F.A.Kruse,A.B.Lefkoff,1993)。这种外壳系数法可以由外壳凸形曲线与光谱之比来表示,也可以由外壳值去减相应波长上的光谱反射率值来求得。由于吸收峰的非对称性,采用RBD方法难以准确描述其特征。连续插值小组段算法(CIBR,Continuun interpolated band algorithm)(De Jong,1998)和光谱吸收指数图像(SAI,spectral absorption index image)(王晋年等,1996)与相对吸收深度图方法类似,但引入了对称度因子,使其对吸收特征的描述更为合理。除了这些测量参数外,对植被光谱有多种度量参量,如植被、绿度指数等等。对于光谱曲线斜率变化的特征,表征和提取的方法有基于地物光谱的总体波形特征度量,如傅里叶变换的波形分析方法是利用有限级次的谐波振幅和初位相度量地物波谱特征;基于切比雪夫多项函数的波形分析是利用多项式函数对地物光谱曲线进行拟合,提取有限项的系数来表示或组合特征,或用其比值来表示地物光谱波形特征的参量;基于波形相似性(总体或分段)分析的光谱角度量;还有光谱曲线特征的微分度量、积分度量及二值度量等等。当然,对吸收谱带及斜率特征度量还可以用统计特征量去表征度量,如均值、方差、协方差矩阵、特征值、特征向量、特征因子及组内离差等。

(2)光谱匹配识别模型不同于多光谱的模式识别,它是根据光谱特征度量参数来进行匹配识别的,是成像光谱数据处理分析的特色之一。这种特色模型在处理过程中往往是采用可视化的交互式的图像与光谱、光谱与标准光谱形式进行的。目前,光谱匹配识别模型有:编码匹配识别法(均值编码匹配法,坡向编码匹配法,比值编码匹配法L吸收峰编码匹配法、波形匹配法和光谱角匹配法等等。在这些匹配识别模型中,编码匹配基本上都是按二值(0和1)进行编码、匹配与识别的;吸收特征编码匹配是根据外壳系数法归一化后,对每个特征的吸收深度与波长位置进行编码;波形匹配包括相似度、傅里叶变换参量,切比雪夫等方法。近几年发展起来的小波变换分析在成像光谱数据分析处理中应用相当多,尤其是对原始信号按不同小波尺度,分解成不同的小波进行波形分析,突出低频弱信息,有利于信息增强,比如用小波变换进行图形图像插值、融合及混合像元分解等。

2.3.2.2.2 成像光谱数据的定量分析及识别模型

定量化分析及识别模型化是当今遥感技术的发展方向之一,应用于成像光谱数据处理。定量化分析与识别模型,除了不断完善和改进已有基于统计分析的定量化及识别模型(如:改进的主成分分析、最佳波段组合、改模型最大似然法、基于决策边界特征矩阵的变换和正交子空间投影),其他学科的新思想、新方法也在不断地引人遥感数据分析和理解之中,如人工智能的专家系统,模糊逻辑映射,证据推理、神经网络、分形和分维等。

人工智能专家系统技术是目前比较流行的信息处理技术,尤其对比较复杂问题的解决有独到之处,Gotting和Lyon在1986年就已建立的光谱信息专家识别系统用于分析实验室和野外光谱,它是结合已有的地物光谱特征知识,由专家确定判别规则决策树(Decision Tree)以达到识别地物或地物类别目的。决策树这一基于知识的判别准则层次是建立专家系统成败的关键。通过这个系统进行编码匹配,他们成功地从大量的实验室光谱中识别出11种矿物。1993年,美国地球空间研究中心(CSES)和美国环境科学研究所的F.A.Kruse和A.B.Lefkoff研制了基于知识的成像光谱地质制图专家系统。选定各种特征在识别过程中的作用并赋予相应的权值,或根据专家对判别知识和经验建立判别准则进行识别。

目前,神经网络模型在遥感地物分析和识别方面备受青睐,有着广泛的应用(Golen Giser,1996;Giles,M.F.et al.,1995;郭小方,1998;王润生等,2000)。由于神经网络分类规则对训练样本的数量及分布特征没有特定要求,因而可以在特征空间形成非线性判别边界,并且还有一定的抗噪声、抗干扰和自适应能力,适用于大数据量的分类研究,最为常用的分类准则是后向传播(BP)网络模型。

目前,从成像光谱遥感数据分析与识别的各种新理论、新方法的引入来看,大多数模型的研究和应用还是一种尝试,在如何将模型与成像光谱数据相结合的研究方面,分析不够深入。

2.3.2.3 混合像元分解模型

由于空间分辨率不高的原因,在图像像元内会出现不同成分(end member)的地物,即混合像元。不同的地物具有不同光谱特征,因此需要通过混合光谱分解技术来提高识别精度。混合像元问题是遥感技术的研究难点和热点。由于成像光谱技术的光谱分辨率已从微米(μm)提高到纳米级(nm),因此,其混合像元分析、分解及其模型研究就显得更为重要。

目前,开展高光谱遥感混合像元研究的方法技术,首先从实验着手,进行地物混合光谱的测试、分析、数字模拟、分解模型开发研究,然后将其外推到遥感图像上,进行典型地物混合像元分析,主要包括空-地同步观测获取典型地物(或可通过人工布标)数据,经模型分析后,对混合像元的地物进行分解,或混合光谱模拟合成。在实验室里,通过对不同矿物光谱混合含量测试发现,不透明矿物或暗色矿物,其光谱按比例混合到其他矿物中,混合的反射率急剧下降,而不是逐渐下降,说明其混合光谱与其混合的端员矿物光谱是非线性关系(磁铁矿和橄榄石)。当两种矿物的色调相近时,实验测试的混合光谱与线性模型合成的混合光谱都呈线性逐渐变化,说明混合光谱可以按线性模型分解端员矿物光谱,如橄榄石和紫苏辉石,且吸收谱带的波长位置也是逐渐从一个波长位置逐渐过渡到另一波长位置。不仅如此,还发现在可见光、近红外这一波长上,低成分端员混合时呈线性趋势,当成分增加时,线性关系剧烈变成非线性关系。在这三种情况中,第一种非线性关系是由于组合混合光谱的端员成分之间互相作用、互相影响后光谱被光谱仪检测到;第二种线性关系是由于各端员成分之间无互相影响作用,各自独立地反射电磁波能量贡献于混合光谱;第三种情况是两种关系都存在,二者之间存在临界条件(边界条件)。目前,有关此方面的研究极少。根据这些分析,混合像元分解模型大体分为线性模型和非线性模型。在遥感混合像元中,绝大多数反射率相似的地物,可以用线性模型来分解端员成分,如:土壤与植被、不同含水量的耕地、岩石露头与草地、荒地等等。在一幅图像中,事先知道有N种端员(地物种类),并且也知道各种端员的光谱反射率,那么就可以用线性模型:

成像光谱岩矿识别方法技术研究和影响因素分析

这里DNc是波段C上混合像元的DN值或反射率;Fi是第i种端员在混合像元中所占比例(或权系数);DNi,c是C波段上第i种端员的DN值(或反射率);Ec是C波段上拟合误差。对每个像元都按照最小二乘法解方程,进行分解。在图像中,端员的DN值(或反射率值)要么可以从训练区取值,要么在地面实测。端员成分的确定过程实质上是一个迭代过程,迭代结果使M个波段上总误差ε最小(且N≤M)。

成像光谱岩矿识别方法技术研究和影响因素分析

求得版中各种端员成分之后,就可以定量或半定量地对端员丰度制作丰度等专题图件。

用非线性模型开展混合像元分解不多见,但已有这方面的研究,如模糊分割模型(Jin Ⅱkim,1996),概率鹏模型,几何光学模型(Charles Ichoku,1996)及基于神经网络模型的混合像元分解(王喜鹏,张养贞等,1998)等等。

目前开发的模型有:

——光谱吸收指数模型SAI(王晋年,童庆禧等,1996):

SAI=∑fiSAIi,∑fi=1,fi>0 (2-3-4)

——高斯模型法MGM:该模型是基于矿物和岩石的反射、吸收光谱性质模拟反射光谱的各种模拟方法。它是一种确定性的而不是统计性的方法。高斯改进模型MGM 是近几年在分析反射光谱的基础上发展起来的分析技术(Cloutis,1989,Veverka,J.et al.,2000)。

m(x)=S*exp(-(xn-μn)2/2σ2), (2-3-5)

通常取n=-1。

光谱识别与分类技术(Spectral Classification):主要是利用地物高光谱特征的量化参数,结合其在图像空间上分布进行提取有利的信息,达到分类的目的。主要的分类方法有:

——最大似然法MLC:

g(x)=-ln|∑i|+(x-mi)t∑i-1(x-mi),(2-3-6)

——人工神经网络技术ANN:一般采用前馈网络模型,即第一隐层的节点输入等于输入层诸节点输出的加权和。迭代的次数以系统的平均误差为最小时为准。

成像光谱岩矿识别方法技术研究和影响因素分析

——光谱角制图法SAM(Spectral Angle Mapper):该方法是通过计算测试样本光谱矢量(像元光谱)与参考光谱矢量(训练的端员样品光谱,或标准光谱库的光谱),在n维空间(n波段)上的角度来确定它们两者的相似度。一般两矢量之间的角度越小,两光谱向量越相似,进而可识别两种地物为同类,否则视为异类。数学模型是:

成像光谱岩矿识别方法技术研究和影响因素分析

这里i=1,2,3,……,n,n为波段数。

——光谱维特征提取法(Spectral Dimension Feature Extraction):在高光谱遥感分类中,使用该方法对多波段、高相关、数据冗余度高的数据进行降维处理。相关的有统计方法,如主成分、典型变量及改进的PCA法等。

——光学模型(Optical Modeling):除了前述的数据分析及模型外,植被因其特有反射性质,还有独特分析模型(光学模型)。该模型主要利用高光谱遥感数据预测或估计植被的多种生物物理、化学参量,如叶面指数LAI、总生物量、覆盖度等;叶绿素、水分、N、P、K含量等。该模型也属于经验性的统计模型方法。一般性通用模型为:

S=f(λ;θs,Φs;θv,Φv;С), (2-3-9)

这里S为预测的生物物理、化学参数;λ是波长;θs,Φs,θv,Φv是入射光和传感器探测几何位置参数,C是描述植被冠层为特性参数。依靠法的模型有叶子光学性质光谱模型PROSPECT,叶子的任意斜散射模型SAIL,即生化参量反演的LIBERTY模型等。

高光谱在植被应用中除了生物、化学参量的反演分析外,还注重利用植被光谱特性谱线的蓝边、反射峰、黄边、红光吸收谷、红边、近红外反射高原区等变化及数据的归一化、对数、微分等变换,来监测植被的长势及病虫害,进行森林识别、分类、制图(Clark,R.N.,Roush.T.L.,1984)。

2.3.2.4 光谱数据应用处理分析软件

通过开展岩矿高光谱特性测试分析和成像光谱方法技术及应用分析研究,已发展并开发了如下数据处与分析软件:

2.3.2.4.1 光谱数据库及分析软件(400~2500φ)

国外:美国地质调查所USGS和JPL的标准矿物光谱库(含机载光谱)及光谱分析管理软件SPAM,IRIS,日本地调所的岩石矿物光谱库等(;;Kruse F A et al.1993)。

国内:中国科学院安徽光学研究所、中国科学院遥感应用研究所、原地质矿产部航空物探遥感中心等科研单位都已建自己的光谱库(王润生等,2000)。

2.3.2.4.2 图像处理分析软件

目前国内外常用的光谱图像处理分析软件有:Erdas、PCI、ENVI等。其中PCI和ENVI都有高光谱分析处理功能(ENVI User’s Guide.,2000)。此外,还有像Tetricorder(Clark,R.N.,G.A.Swayze,K.E.Livo,2003)。国内通过高光谱遥感方法技术及示范应用研究,中国科学院遥感应用研究所、国土资源部航空物探遥感中心相继建立了成像光谱数据分析处理系统,如:HIPAS,ISDPS等。

  • 评论列表:
  •  瑰颈月棠
     发布于 2022-10-01 19:20:58  回复该评论
  • 们选用的AT89C52是在标准型AT89C51基础上改进的(在存储器容量、定时器和中断能力上加以改进)。AT89C52的内部含有8KB可改写的Flash内部程序存储器,可擦/写1000次,3级程序存储器加密,256字节内部RAM,32根可编程I/O线,3个16位定时/计数器,可编程串行口,中断
  •  弦久辜屿
     发布于 2022-10-01 23:12:51  回复该评论
  • ARR模型因受像福强吸收特征的影响而出现的假反射峰的弱点,而且计算量较小。2.3.2.1.3 经验线性回归模型利用该方法重建地物光谱技术实质就是通过开展典型地物的同步反射率观测,根据成像光谱数据DN值与地面实测地物反射率值,经最小二乘法求出回归方程Ri

发表评论:

Powered By

Copyright Your WebSite.Some Rights Reserved.