高光譜分類方法及應(yīng)用研究進展

陽昌霞

摘要：高光譜遙感技術(shù)是近年來遙感技術(shù)研究熱點。文章從高光譜在巖性提取、農(nóng)業(yè)遙感、水環(huán)境監(jiān)測等方面進行應(yīng)用進展的綜述;并從針對高光譜影像的改進分類方法進行綜述，并列舉了一些改進分類方法。從而系統(tǒng)的對高光譜分類方法現(xiàn)狀以及應(yīng)用現(xiàn)狀進行闡述。

關(guān)鍵詞：高光譜;分類方法;遙感

高光譜遙感技術(shù)是近年來迅速發(fā)展起來的一種對地觀測的技術(shù)，是國內(nèi)外研究的技術(shù)熱點，與微波遙感一起被認為是未來遙感的發(fā)展方向。高光譜影像具有“圖譜合一”的顯著優(yōu)勢和特征，正是這一特征得到了許多廣泛人士的關(guān)注和重視。近年來隨著高光譜的發(fā)展，成像光譜儀方面的研究也成為了高光譜發(fā)展的重中之重;如何提高影像的光譜以及空間分辨率成為當(dāng)今世界的研究熱點。成像光譜儀獲得的高光譜影像的出現(xiàn)使得之前在多光譜影像上不可探測的地物特征能清晰準確地在高光譜影像上識別以及探測，具有豐富的隱含特征信息[1]。但高光譜的出現(xiàn)也隨之而來帶了很多問題，如Hughes現(xiàn)象、影像的數(shù)據(jù)量大，冗余度高等[2];傳統(tǒng)的多光譜分類方法并不能滿足高光譜分類需求，但近年來相繼出現(xiàn)了許多針對于高光譜影像的分類方法，都取得了較好的進展。

目前高光譜發(fā)展勢頭強勁，就目前而言國內(nèi)外許多學(xué)者對高光譜的應(yīng)用以及分類方法進行了許多研究，本文旨在閱讀前人研究的基礎(chǔ)上對高光譜的應(yīng)用研究現(xiàn)狀以及高光譜分類方法研究現(xiàn)狀進行分析總結(jié)。

1.高光譜分類方法及應(yīng)用進展

1.1高光譜應(yīng)用進展

高光譜的發(fā)展為人們進一步認識地球提供了有利的工具，大量機載高光譜出現(xiàn)使得高光譜的應(yīng)用更加普及。高光譜在國內(nèi)外不同領(lǐng)域中有著廣泛的應(yīng)用，如劉漢湖等人用高光譜數(shù)據(jù)對巖石信息進行提取[3]。

高光譜數(shù)據(jù)蘊含的豐富信息使得高光譜數(shù)據(jù)可以用來對地物進行精細分類;近年來高光譜被用來監(jiān)測水稻、玉米等農(nóng)作物的長勢、產(chǎn)量，甚至是對農(nóng)作物病蟲害進行監(jiān)測;例如吳見等人運用高光譜數(shù)據(jù)結(jié)合空間信息對植被進行分類研究[4]。蘭玉彬等人利用機載高光譜影像對柑橘黃龍病植株進行監(jiān)測取得了較好的監(jiān)測結(jié)果[5]。高光譜在水環(huán)境以及大氣監(jiān)測方面也具有重要的應(yīng)用，如通過對海洋的光譜信息進行研究可以了解不同海洋的光譜信息，同時還可以獲取海水中不同物質(zhì)的光譜反應(yīng)曲線，可以實現(xiàn)對魚群、海水污染，海水溫度等進行監(jiān)測，沈照慶等人就利用高光譜遙感數(shù)據(jù)對海洋中的赤潮以及溢油現(xiàn)象進行了監(jiān)測[6]。高光譜影像在各個方面都有應(yīng)用，從最開始的普通星載或機載高光譜影像到如今無人機高光譜影像在各個方面都具有強大的潛用價值。

1.2高光譜分類方法研究進展

高光譜影像分類方法的研究也一直是是遙感技術(shù)研究前緣及熱點，高光譜的發(fā)展，使得如何提高高光譜分類精度成為亟待解決的問題;影像分類是識別地物類型、實現(xiàn)對地觀測的關(guān)鍵步驟，同時也是高光譜影像數(shù)據(jù)處理的重要內(nèi)容。

國內(nèi)外研究人員還對原有的方法進行改進，研究了許多更適合用于高光譜分類的方法。在國外Burai，Péter，Deák等人使用了支持向量機（SVM）、隨機森林（RF）等方法對經(jīng)過MNF變換后的高光譜影像以及原始影像對植被類型進行了提取和分類，發(fā)現(xiàn)SVM以及RF方法獲得了比較好的結(jié)果[7]。

近年來在上述分類方法的基礎(chǔ)上，也有許多研究提出新研究方向，在國內(nèi)張修遠、劉修國等人提出了基于隨機森林算法的高維模糊分類方法，實現(xiàn)了隨機森林算法與模糊分類兩種分類器的融合，經(jīng)實驗證明達到了很好的效果[8]。高光譜的分類方法得到了巨大的改進，使得分類精度巨大提高，為高光譜的應(yīng)用打下了堅實的基礎(chǔ)。

2.結(jié)論

文章從高光譜的應(yīng)用現(xiàn)狀以及高光譜的分類方法現(xiàn)狀等總結(jié)了目前高光譜的發(fā)展現(xiàn)狀，高光譜數(shù)據(jù)在巖性提取、農(nóng)業(yè)遙感、水環(huán)境以及大氣監(jiān)測等多個領(lǐng)域都占有重要位置。除此之外高光譜數(shù)據(jù)在分類方法研究進展中，針對高光譜數(shù)據(jù)維數(shù)高等特點許多學(xué)者提出了適用于高光譜的分類方法如SVM、RF等，許多新興的分類方法對高光譜分類精度提高取得了巨大進展。

參考文獻：

[1]Tarabalka Y， Chanussot J， Benediktsson J A. Segmentation and classification of hyperspectral images using watershed transformation[J]. Pattern Recognition， 2010， 43（7）：2367-2379.

[2]杜培軍，譚琨，夏俊士.高光譜遙感影像分類與支持向量機應(yīng)用研究[M].科學(xué)出版社，2012.

[3]劉漢湖，楊武年，楊容浩.高光譜遙感巖礦端元提取與分析方法研究[J].巖石礦物學(xué)雜志，2013，32（2）：213-220.

[4]吳見，彭道黎.基于空間信息的高光譜遙感植被分類技術(shù)[J].農(nóng)業(yè)工程學(xué)報，2012，28（5）：150-153

[5]蘭玉彬，朱梓豪，鄧小玲.基于無人機高光譜遙感的柑橘黃龍病植株的監(jiān)測與分類[J].農(nóng)業(yè)工程學(xué)報，2019，35（3）：92-100.

[6]沈照慶，王建賓，陳性義，賴祖龍.高光譜海洋遙感影像處理系統(tǒng)集成與應(yīng)用研究[J].海洋測繪，2009，29（02）：49-52

[7]Burai，Péter，Deák，Balázs，Valkó，Orsolya，et al. Classification of Herbaceous Vegetation Using Airborne Hyperspectral Imagery[J]. Remote Sensing， 2015， 7（2）：2046-2066.

[8]張修遠，劉修國.基于隨機森林算法的高維模糊分類研究[J].國土資源遙感，2014，26（02）：87-92.