一种光谱角度制图分类方法技术

本发明专利技术提出了一种光谱角度制图分类方法，包括以下步骤：⑴获取高光谱影像的相对反射率图像；⑵选择“最终成分光谱”；⑶计算类中心；⑷计算光谱向量的相似性；⑸对图像光谱进行匹配和分类。本发明专利技术提出的方法与现有技术相比，有效解决了地传统地物摇感分类方法容易产生漏分及混分现象，能实现分类精度高，错分现象少，更加精细，更符合地物实际状况，具有良好的应用前景。

A spectral angle mapping classification method

The invention provides a spectral angle mapping classification method, which comprises the following steps: (1) acquiring the relative reflectance image of hyperspectral image; (3) selecting the \final component spectrum\; (3) calculating the class center; (3) calculating the similarity of spectral vectors; and (3) matching and classifying the image spectrum. Compared with the prior art, the method proposed by the invention effectively solves the phenomena of leakage and mixing in the traditional ground object shaking induction classification method, achieves high classification accuracy, fewer misclassification phenomena, more fine, more in line with the actual situation of the ground object, and has a good application prospect.

【技术实现步骤摘要】
一种光谱角度制图分类方法
本专利技术涉及遥感
，具体涉及一种光谱角度制图分类方法。
技术介绍
光谱角度制图法通过计算一个测试光谱(像元光谱)与一个参考光谱之间的“角度”来确定它们两者之间的相似性。参考光谱可以是实验室光谱或野外测定光谱或是从图像上提取的像元光谱。这种方法假设图像数据已被缩减到“视反射率”,即所有暗辐射和路径辐射偏差已经去除。它被用于处理一个光谱维数等于波段数的光谱空间中的一个向量。传统的光谱角度制图分类方法通过从光谱数据库中选择感兴趣的“最终成分光谱”作重采样,并对原始光谱曲线作低通平滑处理,然后计算最终成分光谱与图像像元光谱两个光谱向量之间的角度(广义夹角余弦),以评价两个光谱像量的相似性,从而实现对图像光谱的匹配和分类。如果只是为了突出感兴趣的一类最终成分光谱(目标光谱),那么SAM的输出是一幅灰度图,其上低值代表相似性高,即和目标光谱有较高的吻合性。但传统的SAM方法直接以像元向量均值为中心不能反映向量的角度关系,而且简单地用夹角最小作为分类判据也不能反映所选择的样本区域的统计特性。因此，针对上述问题，本专利技术提出了一种新的技术方案。
技术实现思路
本专利技术的目的是提供一种具有分类精度高，错分想象少，更符合地物实际状况的光谱角度制图分类方法。本专利技术是通过以下技术方案来实现的：一种光谱角度制图分类方法，包括以下步骤：获取高光谱影像的相对反射率图像成像光谱仪获取的原始数据DN值不能直接反映地物的光谱特征，通过选择常用的内部平均法对原始数据进行预处理，即数据除以波段的平均值来消除大气影响；选择“最终成分光谱”通过在高光谱最佳波段融合图像中选择已知类型的明显区域，并成相对反射率图像上提取各样本区域的相对射光谱作为最终成分光谱；计算类中心将样本类中各光谱向量投影到单位半径的超球面上，即对各向量进行归一化，归一化后的向量为Ri＝（ri，r2，……rn），其几何中心也在单位超球面上，类中心为：R=计算光谱向量的相似性以R、为类中心，根据公式（1）求类中各向量Ri与类中心的广义夹角θi，假设θ是以均值为零、方差为δ的正态分布，其概率密度函数为P(θ)＝当光谱向量X与类I的中心R的广义夹角为θi时，X属于类i的条件概率为Pi，根据最大似然参数估计，类方差为：QUOTE2＝对图像光谱进行匹配和分类按照贝叶斯决策规则，当光谱向量X属于类i的条件概率Pi（θi）的自然对数，得：P、i＝lnPi（θi）=-QUOTE+lnQUOTE定义分类规则：当P、i＝max(P、i)，则将X划入类i，并赋以该类型对应的色彩，从而实现图像光谱的匹配和分类。本专利技术的有益效果是：本专利技术提出的方法与现有技术相比，有效解决了地传统地物摇感分类方法容易产生漏分及混分现象，能实现分类精度高，错分现象少，更加精细，更符合地物实际状况，具有良好好的应用前景。附图说明图1为实施例1的对比图；图2为实施例1中不同分类方法分类结果表。具体实施方式下面结合附图说明和实施例对本专利技术做进一步地说明。实验数据采用了224个波段的AVIRIS航空可见光/红外成像光谱仪获取的高光谱影像。图1a为所选择的研究区,图像大小614x512个像元。该区域主要由海水、冲淤、海上生物斑、道路、植被、农田、等组成。海水表面反射率的不同以及各种楼房及平房的屋顶具有不同的材质,如灰色棉瓦、水泥平顶等,表现出的光谱特征各不相同,为进行光谱匹配识别分类提供了相应的基础。图1b和图1c为传统SAM分类效果图和改进SAM分类效果图结果。从视觉效果上看,SAM分类结果更加精细,下表列出了两种方法的分类精度。C1、C2、C3、C4、C5、C6、C7、C8分别代表8种主要地物类型。从上述实验的分类结果可以看出,SAM传统分类方法完全从纯数学的角度进行波段选择和聚类,无形中浪费了高光谱数据的巨大内涵,出现了较多的漏分、错分的情况,如海面上的油污、绿藻、不同类型的房屋顶,而采用改进的SAM算法,分类精度有较大的提高,错分现象大大减少,更符合地物实际状况,体现了高光谱数据基于谱分析和运算的特点,明显优于常规的分类方法。如果知道图像中各类别的比例,加入先验概率会进一步提高分类精度。相对于海洋遥感所依靠的传统的数据源,高光谱成像仪的数据所具有的独特性能可以更准确地了解海洋光谱结构,识别海水中不同物质成份的光谱特征,为海洋遥感应用提供可靠的依据。实验结果表明相对传统的遥感影像分类技术,高光谱海岸带分类显得更为精细,也展示了高光谱技术在海洋遥感的有效性和巨大应用前景。本文档来自技高网...

【技术保护点】
1.一种光谱角度制图分类方法，其特征在于：包括以下步骤：

【技术特征摘要】
1.一种光谱角度制图分类方法，其特征在于：包括以下步骤：获取高光谱影像的相对反射率图像成像光谱仪获取的原始数据DN值不能直接反映地物的光谱特征，通过选择常用的内部平均法对原始数据进行预处理，即数据除以波段的平均值来消除大气影响；选择“最终成分光谱”通过在高光谱最佳波段融合图像中选择已知类型的明显区域，并成相对反射率图像上提取各样本区域的相对射光谱作为最终成分光谱；计算类中心将样本类中各光谱向量投影到单位半径的超球面上，即对各向量进行归一化，归一化后的向量为Ri＝（ri，r2，……rn），其几何中心也在单位超球面上，类中心为：R=计算...

【专利技术属性】
技术研发人员：姚国平，
申请(专利权)人：苏州纯青智能科技有限公司，
类型：发明
国别省市：江苏,32