（计算机科学与技术专业论文）星载高光谱图像分析系统核心算法研究.pdf

国防科学技术大学研究生院工学硕士学位论文 摘要 高光谱遥感由于其强大的地物探测能力受到了越来越多的关注。但随之产生 的海量数据，给卫星的传输和存储系统带来了沉重的负担，加上传输速率的提高 跟不上观测数据产生率的增长，这一矛盾还将加剧。同时，并不是所有观测数据 都具有应用价值，这些无用的数据浪费了卫星原本就紧张的资源。所以，有必要 发展星上处理技术，以便能够智能地提取图像中的有价值信息，缩小数据传输带 宽、存储量与数据生成量之问的差距，加快目标探测以及决策反应的速度，提高 资源利用率。 因此，本文以星载高光谱图像分析系统为背景，对系统的核心算法进行了研 究。主要研究内容包括： 1 分析了现有的星载高光谱图像处理系统，并结合高光谱图像的特点，给出 了星载高光谱图像分析系统的框架模型，介绍了系统中各模块的功能和接 口，在此基础上指出了系统的核心算法光谱分解算法和目标探测算 法。 2 提出了一种基于预估修正的线性光潜分解算法，解决了当纯像元不存在 时，从图像中提取的端元失效这一问题。算法基于线性混合模型，包括预 估和修正两个过程。预估过程利用投影方法生成一组“预估端元，修正 过程利用分布在“预估”端元所构成的单形体外的像元位置信息，快速膨 胀单形体，使其顶点进一步逼近真实的物理端元。 3 提出了一种面向压缩数据的亚像元级目标探测算法。算法源于自适应子空 间匹配算法，利用光谱分解得到的端元组和丰度图像进行目标探测，不但 保留了原算法的探测能力，还大大减少了计算复杂度。相比于其他面向压 缩数据的目标探测算法，本文算法还具有恒定虚警率和自适应选择门限这 两大特点。实验表明，本文算法在信噪比较低环境下有很好的鲁棒性。 主题词：高光谱图像，星载信息处理，光谱分解，目标探测 第i 页 国防科学技术大学研究牛院工学硕士学位论文 a b s t r a c t h y p e r s p e c t r a lh a sd r a w na l o to fa t t e n t i o nf o ri t sp o w e r f u la b i l i t yt od e t e c td i f f e r e n t m a t e r i a l s b u tt h em a s sd a t a ，p r o d u c e db yh y p e r s p e c t r a ls e n s o r ，h a sb r o u g h th e a v y b u r d e no nt h et r a n s m i s s i o na n ds t o r a g es y s t e mo ft h es a t e l l i t e a n dt h eg a pb e t w e e n d a t ag e n e r a t i n gr a t e sa n dt r a n s f e rr a t e sw i l lb e c o m el a r g e ri nf u t u r e a tt h es a m et i m e ， n o ta l ld a t aa r ev a l u a b l e t h e s eu s e l e s sd a t aw a s t et h ei n s u f f i c i e n to n b o a r dr e s o u r c e s o ， i t sn e c e s s a r yt od e v e l o po n b o a r dp r o c e s s i n gt e c h n o l o g yi no r d e rt os e l e c tv a l u a b l e i n f o r m a t i o nf r o mt h eh y p e r s p e c t r a li m a g ei n t e l l i g e n t l y t h i st h e s i sf o c u s e so nt h ec o r ea l g o r i t h m so fo n b o a r dh y p e r s p e c t r a li m a g ea n a l y s i s s y s t e m af r a m e w o r ko fo n b o a r dh y p e r s p e c t r a li m a g ea n a l y s i ss y s t e mh a sb e e n p r o p o s e da tf i r s t t h e nt h ec o r ea l g o r i t h m s ，s p e c t r a lu n m i x i n ga n dt a r g e td e t e c t i o n ，h a v e b e e nd e v e l o p e dt os u p p o r tt h ep e r f o r m a n c eo ft h es y s t e m an e w a l g o r i t h mf o rs p e c t r a lu n m i x i n gh a sb e e nd e v e l o p e d t h ea l g o r i t h m ，w h i c h i sb a s e do nl i n e a rm i x i n gm o d e l ，c o n t a i n st w op r o c e d u r e s ：p r e d i c t i o na n da d j u s t m e n t p r e d i c t i o ng e n e r a t e sas e to fe n d m e m b e r sb yu s i n gp r o j e c t i o n w i t ht h ei n f o r m a t i o n p r o v i d e db yt h ep i x e lo u t l i e dt h es i m p l e xf o r m e db yp r e d i c t e de n d m e m b e r s ，a d j u s t m e n t e x p a n d st h es i m p l e xt om a k et h ee s t i m a t e de n d m e m b e r sc l o s e rt ot h et r u ee n d m e m b e r s i nas e r i e so fe x p e r i m e n t su s i n gs i m u l a t e da n dr e a ld a t a ，t h ea l g o r i t h mc o m p e t e sw i t h v c a ，w i t hb e t t e rp e r f o r m a n c e as u b p i x e lt a r g e td e t e c t i o na l g o r i t h mb a s e do nc o m p r e s s e dd a t ah a sb e e n d e v e l o p e d t h ea l g o r i t h m ，d e r i v e df r o ma d a p t i v em a t c h e ds u b s p a c ed e t e c t o r ，d e t e c t s s u b p i x e lt a r g e tu s i n ge n d m e m b e r sa n da b u n d a n c em a p sp r o d u c e db ys p e c t r a lu n m i x i n g i tl a r g e l yd e c r e a s e st h ec o m p u t i n gc o m p l e x i t y ，w h i l ep r e s e r v e st h ep e r f o r m a n c eo ft h e o r i g i n a la l g o r i t h m c o m p a r et ot h eo t h e ra l g o r i t h mb a s e do nc o m p r e s s e dd a t a , t h e a l g o r i t h mi sm o r er o b u s to nl o ws i g n a l - t o - n o i s er a t e ( s n r ) k e yw o r d s ：h y p e r s p e e t r a li m a g e ，p r o c e s s i n gi n f o r m a t i o no n b o a r d ，s p e c t r a l u n m i x i n g ，t a r g e td e t e c t i o n 第i i 页 国防科学技术大学研究生院t 学硕士学位论文 表目录 表1 1 典型高光谱遥感器的参数【3 】1 表1 2 预测的数据产生速率与数据传输率1 4 j 1 表2 1 不同光谱分辨率遥感分类【2 8 表2 2 系统模块及其涉及的算法1 6 表3 1 理想条件下各地物的分布2 5 表3 2 非理想条件下各地物的分布2 8 表4 1 探测算法计算复杂度比较4 0 表4 2 理想条件下各地物的分布4 2 表4 3 非理想条件下各地物的分布4 4 第1 i i 页 国防科学技术大学研究生院工学硕士学位论文 图目录 图1 1n e m o 高级体系结构悼j 2 图1 2o r a s i s 数据流图1 1 1j 3 图1 3a s a 工作流程【坦】一4 图2 1 电磁波传输反射示意刚2 0 1 7 图2 2 不同地物的光谱差异性【2 0 1 一8 图2 3 高光谱数据表达【3 1 1o 图2 4 线性混合模型1 2 图2 5 星载处理板模块图1 2 图2 6 星载高光谱分析系统的框架1 4 图3 1 光谱分解流程图【2 4 】1 7 图3 2 修正过程流程图2 3 图3 3 四种地物的光谱信号2 5 图3 5 理想条件下算法性能演示2 7 图3 6 理想条件下均方误差随s n r 变化图2 8 图3 7 非理想条件下四种地物分布图2 8 图3 8 理想条件下算法性能演示3 0 图3 9 非理想条件下均方误差随s n r 变化图3 0 图3 1 0 波段为1 ，1 0 0 ，1 8 0 的图像3 l 图3 1 1 从赤铜矿提取的端元光谱信号3 1 图3 1 2 赤铜矿各端元的丰度图像3 2 图4 1 光谱信号不确定性和像元混合性【3 引3 3 图4 2r o c 曲线3 4 图4 3 理想条状分布下s n r = 1 0 0 时探测结果4 2 图4 4 理想条状分布下4 3 图4 5 理想条状分布下s n r = 6 0 时探测结果4 3 图4 6 理想条状分布下s n r = 4 0 时探测结果4 4 图4 7 非理想条状分布下s n r = 10 0 时探测结果4 5 图4 8 非理想条状分布下s n r = 8 0 时探测结果4 5 图4 9 非理想条状分布下s n r = 6 0 时探测结果4 6 图4 1 0 非理想条状分布下s n r = 4 0 时探测结果4 6 图4 1 1d i r i c h l e t 分布下s n r = 1 0 0 时探测结果4 7 图4 1 2d i r i c h l e t 分布下s n r = 8 0 时探测结果4 8 第1 v 页 固防科学技术大学研究生院工学硕士学位论文 图4 1 3d i r i c h l e t 分布下s n r = 6 0 时探测结果4 8 图4 1 4d i r i c h l e t 分布下s n r = 4 0 时探测结果4 9 第v 页 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得 的研究成果尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其它 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示谢意。 学位论文题目：星越直左遭图像佥堑歪红楚! 堂篡这盟窒 学位论文作者签名： 壑盔坠 日期：丑d 可年f 2 月二6 日 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定。本人授权 国防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子 文档，允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密学位论文在解密后适用本授权书。) 学位论文题目： 星錾直差道图篮金堑丕统蕉! 堂篡洼丑究 学位论文作者签名：直丛 作者指导教师签名： 日期：2 埤i z 月z 6 日 日期：护8 年j 月形日 国防科学技术大学研究生院上学硕十学位论文 第一章绪论弟一早瑁了匕 1 1 课题研究背景及意义 光学遥感器在卫星军事侦察、测绘、资源、气象以及制导等领域有着广泛的 应用。随着科学技术的不断发展，空间遥感活动中所使用的遥感器工作波段己经 充分扩展，遥感成像传感器的空问分辨率也在迅速提高。2 0 世纪9 0 年代初以来， 航天遥感已步入一个能快速提供多种高分辨率对地观测海量数据的新阶段，航天 遥感已逐步发展成为实用化、产业化的高新技术，在军事和民用领域都得到了广 泛的应用l 】 高光谱遥感是在原有的多光谱成像遥感基础上发展起来的新型探测识别技 术，它的出现是遥感界的一次革命【2 】。相比于多光谱遥感，高光谱遥感器可以获取 每个像元近乎连续的狭窄波段光谱信息，得到更为丰富的光谱信息，从而使得从 光谱上直接识别地球表面物质成为可能。 但是，高光谱遥感技术所获取的遥感图像数据量十分庞大，见表1 1 。如果直 接向地面传送未经处理的数据，将导致数据传输系统和存储系统成为系统性能的 瓶颈。而且随着科学技术的发展，数据产生率和数据传输率之间的矛盾依然无法 改善。从表1 2 可以看出，数据产生率和传输率将保持1 0 倍左右的差距。这意味 着，随着产生的数据增多，越来越多的数据不能及时传输到地面。 表1 1 典型高光谱遥感器的参数【3 l 遥感器 h y d i c ea v i r i s h y e r i o n 数据立方体尺寸 3 3 0 * 3 2 0 * 21051 2 6 1 4 2 2 46 6 0 枣2 5 6 + 2 2 0 ( c h a n n e l * l i n e * c o l u m n ) 单位数据获取时间( s ) 3 4 33 容量( m b i t s ) 2 5 38 0 54 2 5 表1 2 预测的数据产生速率与数据传输率 4 1 年份 2 0 1 02 0 2 0 高光谱数据产生率1 0 g b p s1 0 0 g b p s 下行速率 l g b p s 1 0 g b p s 为解决上述矛盾，必须最大化下传数据的信息量，也就是说从卫星向下传输 的数据必须是最有价值的部分。因此，需要发展高效的星上高光谱图像分析算法， 以便能够智能的提取图像有价值信息，这样既可以大大减少数据传输量，又能在 速度和性能上有力地支持后续遥感图像的应用。 第1 页 国防科学技术大学研究生院工学硕士学位论文 早期的遥感卫星都没有星上信息处理的功能。星上处理主要是控制管理。由 于微电子技术的迅猛发展，硬件已经不再那么昂贵、笨重，处理速度和各项性能 也有大幅度提高，为遥感信息的星上处理提供了必要的条件。2 0 世纪9 0 年代中期 以后，随着对航天器空间飞行任务要求的不断提高，对星上数据处理的要求也在 不断增强，使得星载计算机的体系结构开始由以控制为核心向以数据流为核心转 变。 美国是在遥感卫星上旨先使用星上处理技术的国家，在卫星上装载可以处理 图像的星上图像处理设备，其用途是对图像数据进行初步筛选和压缩。美国的 n e m o 5 删7 1 卫星就是典型的代表，它能够进行高光谱图像的实时星上处理和压缩， 支持实刚的以战术下行线路将观澳结果从卫星直接传送到战场，见图l1 。 图l1 n e m o 高级体系结构 n e m o 星载数据处理系统是一个具有并行阵列数据处理能力的数据流和管控 流分开的高速太容量星载数据处理系统，代表了星载数据处理发展的牟新阶段。 其中，星上处理器( i o b p ) 和实时自适应光谱识别系统( o r a s l s ) 起到了至关重 要的作用。i o b p 是一台以d s p ( 数字信号处理器) 技术为基础的多处理器计算机 系统。该系统由3 2 个按象限组件方式排列的s h a r c 处理器组成，具有快速通信 线路窗口，运算峰值可达2 5 g 次浮点运算每秒。o r a s i s t g 【l ”是由美国海军研究实 验室( n r l ) 开发的用于特征提取和数据压缩的软件包，利用并行的自适应的方 第2 页 国防科学技术大学研究牛院工学硕士学位论文 法对高光谱图像数据进行实时的分析，见图1 2 。主要特点如下： 利用并行、自适应方法实时进行场景特征描述( 非文字) ，数据压缩，背 景抑制和目标识别。 不需要训练或先验知识，自动确定某个场景中的基础光谱信号( 端元) 。 利用最优光谱滤波器将场景中每个像元分解，得到每个端元对应的丰度系 数。 在保证光谱信息较少缺失的情况下，得到了很大的压缩比来减轻数据存储 和下传的需求。 实时的光谱和分解分类使得可以从卫星直接向地面传输产品。 图1 2o r a s i s 数据流图1 1 1 1 除了o r a s i s 外，还有一些用于科学研究的星载处理系统。 美国喷气推进实验室( j p l ) 的自动科学智能体i l2 。( a u t o n o m o u ss c i e n c ea g e n t ， a s a ) 安置在地球观测者l 号上( e o 1 ) 。这套软件使得航天器能够自动探测和 响应地球上的科学事件，见图1 3 。主要有以下特点： 星载的科学算法自动分析图像数据，探测感兴趣的科学事件，如云探测， 变化检测； 连续动态调度安排模块( c a s p e r ) 能够根据具体情况，自动的安排卫星 活动，包括向下传输数据； 鲁棒性执行管理模块能支持事件驱动处理和低级自动化。 a s a 系统利用智能的科学数据筛选能够降低下传数据量。另外，由于系统可 以根据实际情况自动安排卫星计划使得数据更具有科研价值。 第3 页 国防科学技术人学研究生院 ：学硕士学位论文 图1 3a s a 工作流程旧 华盛顿大学光谱遥感实验室的面向高光谱热红外图像的星载处理系统【l3 。主要 完成的功能为：大气辐射校正，温度发射率分离( t e m p e r a t u r e e m i s s i v i t ys e p a r a t i o n ) 和图像分析。该系统降低了数据传输率和在空间直接生成了热量图。系统主要面 向环境科学研究。 我国目前已发射的卫星星上数据处理较为简单，基本还是处于以控制为主的 阶段。如1 9 9 9 年发射的实践五号( s j 5 ) ，寿命为三个月，此卫星的星务管理系 统是实现了卫星运行管理、自主控制、信息传送以及星地大回路操作的综合自动 化系统【1 4 】。此后发射的中巴资源l 号卫星( c b e r s - - 1 ) 【”1 、“航天清华一号”卫 星【16 1 、和北京一号卫星等微小卫星的信息处理系统都不做复杂的星上图像处 理。可以说，我国的高性能星上信息处理技术还处在探索阶段。 1 3 本文的主要工作 本文对星载高光谱图像分析系统的整体结构进行了论述，对系统核心算法进行 了重点研究，提出了基于预估修正的光谱分解算法和面向压缩数据的亚像元级目 标探测算法。具体内容安排如下： 第一章对课题研究背景和国内外研究现状进行了介绍，重点介绍了国外的几个 第4 页 国防科学技术大学研究生院工学硕士学位论文 星载高光谱图像处理系统， 第二章对课题研究对象高光谱图像的基本概念和特点进行了介绍，在此基 础上给出了星载高光谱图像分析系统的基本设计方案，指出了支持系统的核心算 法。 第三章提出了一种基于预估修正思想的光谱分解算法，解决了“当纯像元不存 在时，当前算法不能很好提取端元”的问题，并且为遥感图像的后续处理提供了 坚实的基础。 第四章提出了一种面向压缩数据的亚像元级目标探测算法。在保证算法探测性 能的基础上，大大减少了目标探测的计算复杂度，对于星载坏境计算资源和存储 资源的短缺，具有明显的效果和重要的意义。 第五章对全文进行了总结，并指出了下一步工作的方向。 第5 页 国防科学技术大学研究生院下学硕十学位论文 第二章课题相关基础 随着空间技术的不断发展，遥感器的空间分辨率和光谱分辨率迅速提高，使 得获取的信息不断丰富。遥感技术经历了全色( 黑白) 、彩色摄影，多光谱扫描 成像等阶段之后，进入了一个崭新的阶段高光谱遥感( h y p e r s p e e t r a lr e m o t e s e n s i n g ) 阶段。 高光谱遥感具有很高的光谱分辨率，可以对在常规遥感中无法辨别的地物进 行识别。因此，出现后就受到国际遥感界的重视。目前已经在地质勘探、大气遥 感、军事侦察、军事测绘等许多领域取得了一定的应用，具有诱人的发展前景， 被人们认为是当前遥感领域发展的前沿之一i l 引。 2 1 1 遥感技术主要特点 2 1 遥感技术简介 遥感( r e m o t es e n s i n g ) 是2 0 世纪6 0 年代发展起来的对地观测的综合性技术， 是指通过某种装置，不直接接触被研究的目标，区域或现象来获取相关数据，并 对所获取的数据进行分析而得到所需信息的一种科学和技术。其主要特点表现在 1 9 1 ： 1 获取数据资料的范围大：搭载遥感器的平台海拔通常很高，如航拍飞机的 飞行高度为1 0 k m 左右、卫星轨道高度达9 1 0 k m 左右，从而可以及时获取 大范围的信息。例如，一张陆地卫星图像，其覆盖面积可达3 万多平方公 里。 2 获取信息的速度快，周期短：卫星围绕地球运转，能够及时获取所经地区 的各种地物的最新资料，便于更新原有资料，或根据新旧资料变化进行动 态监测，这是人工实地测量和航空摄影测量无法比拟的。例如l a n d s a t 4 、 l a n d s a t 5 ，每1 6 天可覆盖地球一遍，n o a a 气象卫星每天能收到同一地 区的两次图像，m e t e o s a t 每3 0 分钟就获得同一地区的图像。 3 获取信息受到的客观条件限制少：在地球上有很多地方，自然条件极为恶 劣，人类难以到达，如沙漠、沼泽、火山等。遥感技术不受地面或自然条 件限制，可方便及时地获取各种宝贵资料。 4 获取信息的手段多，信息量大：根据不同的任务，遥感技术可选用不同波 段和遥感仪器来获取信息。例如可采用可见光探测物体，也可采用紫外线， 红外线和微波探测物体。利用不同波段对物体不同的穿透性，还可获取地 物内部信息。例如，地面深层、水的下层，冰层下的水体，沙漠下面的地 第6 页 国防科学技术 学研究生院上学硕士学位论文 用各个波段的优点，如高光谱。 2 1 2 遥感电磁波理论 电磁振荡( 即令电场磁场交替变化) 会产生不同波长、频率和能量的电磁波。 按电磁波波长或频率顺序排列起来，并划分为若干波段，构成电磁波谱。太阳作 为电磁辐射源，它所发出的光也是一种电磁波。地面上的任何物体( 即日标物) ， 如矿石、土壤、水体、植被和人工建筑物等，在温度高于绝对零度( 即00 | k = - 2 7 3 1 6 ) 的条件下，都具有反射、吸收、透射及辐射电磁波的特性。当太阳光从宇宙 窄间经大气层照射到地球表面时，地面上的物体就会对由太阳光所构成的电磁波 产生反射和吸收。但是由于太阳光在传输过程中需要穿过地球的大气层，会受 到大气层对太阳光的吸收和散射影响，因而使透过大气层的太阳光能量受到衰减。 由于目标地物周围环境同样也能反射电磁波，遥感器所接收到的辐射信号通常是 目标、环境以及各种干扰信号的综合，见图21 。在提取遥感图像的信息时，必须 考虑这些干扰因素。 一尝燃：s o r 气兰尹 r a d i a n c e a r r i v i n ga t t h es s n s o r 图21 电磁波传输反射示意图【枷 由于每一种物体的物理和化学特性以及入射光的波长不同，因此它们对入射 光的反射率电不同，见图2 2 。各种物体对入射光反射的规律叫做物体的反射光谱。 遥感进行目标的分类和探测正是利用不同地物具有不同的反射光谱这一特性。高 光谱遥感就是将这一特性放大加以利用。表2 1 给出了不同光谱分辨率遥感的区 第7 页 l i _ ilii 一一缓孝 一n o s p h m i lii i l | _ lii ii 图2 2 不同地物的光谱差异性2 0 i 表21 不同光谱分辨率遥感分类 分类光谱分辨率a a光谱通道数 应用 多光皤 1 02 0气象、陆地分类、土地利用等 高光谱00 l1 0 0 2 0 0收林地矿调查、军事侦查等 超光谱大气微量气体研究、气 体化学成分分析等 2 2 1 基本概念 2 2 高光谱遥感技术简介 高光谱遥感实现了遥感图像光谱分辨率的突破性提高。在微电子技术和探测 技术等发展的基础上，光谱学和成像技术交叉融合所形成的成像光谱学和成像光 谱技术。成像光谱技术能同时获得目标的空间信息和光谱信息。为方便后续的研 讨，这里对三个基本概念进行说明： l光谱分辨率：光谱分辨率是指探测器在波长方向上的记录宽度，又称波段 宽度( b a n d w i d t h ) 。从表2i 可知，光谱分辨率的大小决定了从光谱特 征探钡4 地物的能力。 2空间分辨率：对于成像光谱仪，其空间分辨率是由仪器的角分辨率( a n g u l a r r e s o l v i n g p o w e r ) ，由仪器的瞬时视角决定。遥感器的瞬时视场角是指某一 第8 页 国防科学技术大学研究生院t 学硕十学位论文 个瞬间遥感系统的探测单兀对应的瞬时视场。i f o v 以毫弧度( m r a d ) 计 量，其对应的地面大小成为地面分辨单元( g r o u n dr e s o l u t i o nc e l l ) ，它们 的关系是： g r = 2 h t a n ( i f o v 2 1 遥感平台高度。 空间分辨率的大小决定了从空间形态特征探测地物的能力。 3 信噪比( s i g n a l - t o n o i s er a t i o ，s n r ) ：遥感器采集到的信号和噪声之比。 这是遥感器的一个极其重要的性能参数，信噪比的高低直接影响了图像分 类和目标探测等处理的效果。 信噪比和图像的空间分辨率，光谱分辨率是相互制约的，空间分辨率和光谱 分辨率的提高都会降低信噪比【2 1 。所以在实际应用中，通常会在一定的目标要求下， 进行综合考虑三个指标，并进行取舍。 2 2 2 高光谱遥感成像特点 与传统的多光谱扫描仪相比，成像光谱仪能够获得上百波段的连续图像，且 每个图像像元都可以提取一条光谱曲线【2 2 1 。成像光谱技术把传统的二维成像遥感 技术和光谱技术有机的结合了起来，使得用成像系统获得被测物空间信息的同时， 通过光谱仪系统把被测物的辐射分解成不同波长的谱辐射，能在一个光谱区间内 获得每个像元几十甚至几百个连续的狭窄波段信息。与地面光谱辐射计相比，成 像光谱仪不是在“点”上的光谱测量，而是在连续空间上进行光谱测量。成像光 谱仪的出现解决了传统科学领域“成像无光谱”和“光谱不成像 的问题【l 9 。 高光谱的突出特点在于例： 1 高光谱分辨率：通常的多光谱遥感器( 如l a n d s a t 的t m 和s p o t 的 h r v ) 只有几个波段，其光谱分辨率一般大于1 0 0 n m 。而高光谱遥感器能 获得整个可见光，近红外，短波红外，热红外波段的多而窄的连续光谱， 波段数多达几十个甚至数百个，光谱分辨率可以达到纳米级，一般为1 0 - - 一 2 0 n m ，个别的可以达到2 5 n m 。由于光谱分辨率高，数十个、上百个波段 的高光谱图像可以获得影像中每个像元的精细光谱。地物波谱研究表明， 地表物质在0 4 - - 一2 5 n m 光谱区间均可作为识别标志的光谱吸收带，其带 宽约2 0 - - 一4 0 n m ，成像光谱仪的高分辨率可以捕捉到这一个信息。 2 图谱合一：高光谱遥感包含获取的地表图像包含了地物丰富的空间，辐射 和光谱三重信息，这些信息表现了地物空间分布的影像特征，同时也可能 以其中某一个像元或者像元组为目标获得它们的辐射强度以及光谱特征。 影像，辐射和光谱这三个遥感中最重要的特征的结合就成为高光谱成像， 特别是成像光谱进而作为成像光谱辐射遥感信息最重要的特点。 第9 页 国防科学技术大学研究生院工学硕士学位论文 3 光谱波段多在某一个光谱段范围内连续成像；传统的全色和多光谱遥感 器在光谱波段数上是非常有限的，在可见光和反射红外区，其光谱分辨率 一般在l o o n m 级。而成像光谱仪的光谱波段多，一般是几十个或者几百 个，有的甚至高达上千个，而且这些光谱波段一般在成像范围内都是连续 成像，因此，成像光谱仪能够获得地物在一定范围内连续的，精细的光谱 曲线。对于不同的遥感波段设置，遥感数据对地物光谱特征的反应程度也 明显不同。不同物质间的这种千差万别的光谱特征和形态也正是利用高光 谱遥感技术实现地物精细探测的应用基础。 2 2 3 高光谱遥感数据表达与线性混合模型 2 2 3 1 图像立方体成像光谱信息集 成像光谱图像相对十其他遥感图像的主要优势是它除了拥有二维的平面图像 外，更包含了光谱维从而蕴涵了丰富的图像及光谱信息。通常在二维图像的基 础k 添j j l l 光谱维，就可| 三l 成为三维的坐标空问见图2 3 t 3 1 ：空间方向维x ，空日j 方向维y ，光潜波段维z 。 至硒融n 一、嶙添黼黼瀛滋懑隧。 t 甍喾渊 “”“ ，。? 一_ 。m = = 。一 图2 3 高光谱数据表达 第1 0 页 国防科学技术大学矽f 究生院工学硕士学位论文 2 3 3 2 二维光谱信息表达光谱曲线 对于某一点的光谱特征最直观的表达方式就是二维的光谱曲线。如果已知某 一点的反射率数据为薯，f _ 1 ，f 为光谱的波段序号。用直角坐标系表示光谱 数据，横轴表示波长，纵轴表示反射率，则光谱的吸收特性可以从曲线的极小值 获得，在显示曲线时须将波段序号转换到光谱波长值，映射到水平轴上，如图2 3 ( d ) 【3 】。由于高光谱极高的光谱分辨率，使得曲线满足一种连续的特性，而不是多光谱 那样的分段线段。 2 3 3 3 线性混合模型 遥感器所获取的地面反射或发射光谱信号是以像元为单位的。它是像元所对 应的地表物质光谱信号的综合。由于遥感器空间分辨率的影响，所以图像中每个 像元所对应的地表往往包含不同的覆盖类型，它们有着不同的光谱响应特征。对 这一现象，线性混合模型给出了简单且较精确的描述。线性混合模型中，高光谱 图像主要通过一组确定的特征光谱向量和相应的混合比例来描述图像中光谱的混 合情况，这一组特定的光谱向量我们称为“端元”( e n d m e m b e r ) ，它通常指的是某 种“纯 的地物类型，如土壤、水体、植被等。 线性混合模型认为每个像元可近似的表示为图像中各个端元的线性混合，如 图2 4 。在高光谱图像中，每个像素点的光谱值用向量表示，假设光谱波段的数目 为，则第f 个像元可表示为： t = ( t l ，薯l ) ( 2 1 ) 设e ，为维端元向量，k 是端元的数目，且，= 1 ，k 。则每个像元可以如下 衣不 足 一= a l ，e j + w = l 其中a 盯表示第f 个像元关于第个端元勺的丰度系数， 代表了e ，对给定像元的“贡献度”。出于物理上的考虑， 足 倪扩= 1 i = l ( 2 2 ) 以表示噪声。显然，a l ， 需要给a l ，加上些限制 ( 2 3 ) a ，0 ，= 1 ，k ( 2 4 ) 大量研究证明，w 的存在是由于线性光谱混合理论不能很好的说明实际的光 谱混合机理，w 代表着光线在不同的单位成分物质间的相互作用效果，它具有一 种非线性混合的效果。 线性混合模型适用于本质上就是属于线性混合的地物，或者在大尺度上可以 认为是线性混合的地物。但对于一些微观尺度上地物的精细光谱分析来说，就显 第1 1 页 国防科学技术大学研究生院工学硕士学位论文 得自些不足了。但足由于没有普适的非线性混合模型，而且线性混合模型也能满 足实际应用的要求，加上处理的便利性，因此本文选择线性混合模型来表达高光 谱图像。 图2 4 线性混合模型 2 3 星载高光谱图像分析系统简介 2 3 1 星载系统硬件体系结构 星载处理板如图2 5 ，其中f p g a 内部实现了存储器接口，与外部设备通信的 i o 接口，以及各种缓存电路。而具体的图像处理算法在若干个d s p 核内实现， d s p 之间可以通过链路口进行数据交换。主d s p 负责任务的划分以及处理信息的 综合，并承担一部分图像处理任务，从d s p 则主要负责图像处理。r a m 用以存储 处理前后的图像数据。 图2 5 星载处理板模块图 第1 2 页 国防科学技术大学研究生院- t 学硕十学位论文 首先，f p g a 接收从图像传感器发送米的图像数据，并将其存入主存r a m 中。 一旦图像数据接收完毕，f p g a 通过总线向主d s p 发中断，主d s p 开始通过f p g a 来读取r a m 中需要处理的图像数据，以负载平衡为准则，将图像数据分别放入各 个d s p 的局部存储器中。主从d s p 开始执行图像处理任务，各个d s p 之间通过 数据链交换消息。当处理结束后，主d s p 通过f p g a 把处理结果写回r a m 中暂 存。f p g a 把r a m 中的数据写回外部存储器，完成图像处理流程。 2 3 2 软件整体结构设计 构建星载高光谱图像分析系统，面对的主要问题是： 星上的处理器资源和内存资源相对贫乏，而高光谱数据量及其庞大。从表 1 2 可知，到2 0 1 0 年，遥感数据以1 0 g p s 的速度产生。因此，可能内存都 不能保存一景完整的高光谱图像。采用虚存机制又会大大减低系统运行速 度，这与实时性要求无疑是个矛盾。采用分割图像的方法，每次处理图像 一部分可以解决这个问题，但从数据分析的角度看，只有数据越全面，分 析的结果才能更准确，从而保证下传数据价值的最大化。 如何分析图像数据? 这里分析是一个宏观概念，即在图像中提取有价值的 信息，这与通常所说的分析图像是不同的。卫星面对的用户众多，不同的 用户有着完全不同的需求。这种需求包括数据内容，数据辅助信息，数据 最迟获取时间等。这种需求的多样性使得在一个框架内满足所有需求很困 难。 因为遥感器自身和成像条件等因素的影响，卫星采集的遥感图像会有很大 的几何变形。必须通过精确的几何校正，才能使得保证图像和地面一致。 由于这种校正需要人为的设置地面控制点来辅助校正，所以在星上完成几 乎是不可能的。因此，通过几何现状探测目标也是不可行的。而由于获取 图像需要在大气中传输信号，大气对地物的反射和发射信号具有吸收作 用，因此还需要消除大气对图像光谱信息的影响。 图2 4 给出了星载高光谱分析系统的框架，首先高光谱图像数据送入示范选择 模块，模块将高光谱图像转化成一个范例集合和数据电码本，分别记录了图像的 光谱信息和空间位置信息。然后利用辐射校正模块消除高光谱信号中包括大气干 扰的一些影响。校正后的数据送入光谱分解模块，对图像进行光谱分解。之后得 到了一组端元和端元各自的丰度图像，丰度图像和数据电码本送入数据压缩i 模块 进行第一步压缩。而端元组送入目标探测i 模块进行第一部目标探测，这里主要进 行的是大概率或全像元级目标探测。探测结果和第一步压缩数据送入目标探测模 块i i ，进行小概率目标亚像元级目标探测。然后将压缩数据和探测结果送入数据压 第1 3 页 国防科学技术大学研究牛院：l 学硕士学f 市论文 缩i i 模块，进行进一步的数据压缩。 2 3 3 模块简介 图2 6 星载高光谱分析系统的框架 示范选择模块：高光谱图像具有很高的空间冗余，比如海洋图像，在极端情 况下，整个图像只需要一个像元的光谱就可以代表。通过示范选择，提取图像中 具有代表性的光谱，可以快速去除图像中的空间冗余，大大减少数据量。从一定 程度上解决了内存不足的困境。电码本记录了每个空间位置所对应的示范光谱。 如果需要查找某一位置的光谱，只需要从电码本的相应位置得到对应的示范光谱 即可。具体细节参照第五章的o r a s i s 压缩算法的去除空间冗余部分。 辐射校正模块：辐射失真是指利用遥感器观测目标的反射和辐射能量时，传 感器得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量的差异。辐射失 真与传感器的灵敏度、光照条件、大气的散射和吸收等因素有关。而高光谱图像 第1 4 页 国防科学技术大学研究生院工学硕士学位论文 最主要优点在于其包含的丰富的光谱数据，这些数据能够反映地物的构成、形状 等信息。为了正确评价目标的特征，必须清除这些失真，还原真实的数据。辐射 校正是处理遥感图像的必要步骤，几乎任何关于对于遥感图像的应用都是针对校 正后的图像。这也是目前“非智能”的星上处理所共同完成的功能。 表2 2 系统模块及其涉及的算法 模块相关算法 示范选择模示范选择算法 块 辐射校正模大气校正、遥感器校正等 块 光谱分解模光谱分解算法 块 目标探测模目标探测算法、光谱分解算法 块 数据压缩模示范选择算法、光谱分解算法、目标探测算法、压缩算法 块 光谱分解模块：混合像元的存在，是传统像元级遥感分类和面积测量精度难以 达到使用要求的主要原因。高光谱遥感的出现，为更精细的分类提供了物质保障。 利用线性光谱分解是对高光谱图像进行分析已经被广泛接受。线性光谱分解利用 线性混合模型，提取图像基础特征( 端元) ，估算出各个混合像元的丰度系数， 从而达到对图像内容某种意义上的认知，也有力的支持了目标探测、数据压缩等 后续处理。因此，光谱分解模块是整个星载系统的核心。 目标探测模块：如果说光谱分解为星上数据分析处理提供了坚实的基础，目 标探测则是完成了最终的目标，因此也是星上分析处理的核心。虽然相对于遥感 图像应用来说，这还远远不够。但是卫星的主要功能是提供数据，而不是越俎代 庖的帮用户干所有的事。通过目标探测，可以检查出图像是否是用户所需要的。 如果一景高光谱图像中没有任何感兴趣的目标，完全就可以丢弃，不用继续储存 和下传而导致资源的浪费。按目标的分布不同，可分为大概率目标( 如矿物、植 被等) 和小概率目标( 如车辆) 。按是否是混合像元，可分为全像元目标和亚像 元目标。虽然光谱分解能够在一定程度上解决混合像元问题，但是对于小概率亚 像元级目标( 如伪装的坦克) ，还是需要进一步探测解决，而这样的目标往往有 重要的意义，而且由于具有小概率特性，往往容易被数据压缩丢弃。因此，需要 重点研究以保证系统的性能。 数据压缩模块：数据压缩是任何下传数据的卫星所必需考虑的。和普通图像 压缩不一样，遥感图像并不是要保证视觉上的无失真，而是要保证信息的最大价 第1 5 页 国防科学技术大学研究生院工学硕+ 学位论文 值化。囚此，数据j 玉缩必须和数据分析结合在一起考虑。在这个系统中，对数据 压缩分为两个部分。数据压缩i 的实质就是的数据降维，并保证重要的信息不被丢 弃，以支持下一步的目标探测的顺利进行。数据压缩i i 利用目标探测和压缩i 的 结果，对数据进行重新筛选( 留下需要的，丢弃无用的) ，分类组织后进行压缩。 目标为无损压缩，非目标为有损压缩。 表2 2 给出了列出了各模块及其涉及的算法。在所有模块中，光谱分解和目标 探测模块是保证了系统能够“智能化”的筛选高光谱图像数据，支持下传数据价 值最大化的根本所