楊月桃　王茂芝　郭科

摘 要：基于像元波譜曲線特征提取進(jìn)而利用所提取的特征進(jìn)行分類是高光譜圖像分類的重要研究內(nèi)容。提出了一種基于傅里葉變換幅度譜的高光譜遙感圖像分類新方法，也就是利用像元波譜曲線傅里葉變換幅度譜最值單一特征實(shí)現(xiàn)對地物的分類識別。

關(guān)鍵詞：高光譜圖像分類；特征提??；傅里葉變換

遙感圖像分類是利用計(jì)算機(jī)對圖像中各類地物的光譜信息和空間信息進(jìn)行分析和特征選擇，并通過一定的手段將特征空間區(qū)分為互不重疊的子空間，然后將圖像中的各個(gè)像元?jiǎng)澐值礁髯涌臻g中去。

1 基于傅立葉變換幅度譜的高光譜遙感影像分類

1.1 傅立葉變換簡介

傅里葉變換作為信號處理變換域分析中一種最常用的基本方法，能從頻率的角度對某些時(shí)空域中比較復(fù)雜或者無規(guī)律導(dǎo)致無法清晰認(rèn)識的信號進(jìn)行分析、設(shè)計(jì)和理解。頻域分析方法在通信、力學(xué)、量子物理等多種領(lǐng)域中得到廣泛的應(yīng)用，本文是將其中的一種變換方法應(yīng)用于高光譜圖像的特征提取以及圖像分類。

1.2 基于傅立葉變換幅度譜的分類算法設(shè)計(jì)

上文中已證實(shí)對于不同的礦物，對其波譜曲線作傅里葉變換后的幅度譜最值具有可分性，可在此基礎(chǔ)上進(jìn)行高光譜影像的分類。首先依次提取出分類目標(biāo)影像中每個(gè)像元點(diǎn)的特征值后組成特征值矩陣，再利用歐式距離與波譜庫的礦物曲線特征值相匹配將各像元點(diǎn)分配到各指標(biāo)特征中從而完成高光譜影像的分類。

基于DTFT的高光譜影像分類方法流程如下：（1）確定被分類影像的分類類別K；（2）提取波譜庫中標(biāo)準(zhǔn)礦物波譜曲線進(jìn)行DTFT變換（公式（2）），提取幅度譜中最大值作為特征值參照數(shù)列sample[K]；（3）對高光譜遙感影像image[M1，M2，N]的每個(gè)像元點(diǎn)依次作離散時(shí)域傅里葉變換，得到每個(gè)像元的反射率曲線對應(yīng)一個(gè)特征值；（4）統(tǒng)計(jì)變換后的特征值形成特征值矩陣S[M1，M2]；（5）比較特征參照數(shù)列與特征值矩陣之間的歐式距離min|S（m1，m2）-san，ple（k）|，進(jìn)行影像分類。

2 應(yīng)用分析

2.1 數(shù)據(jù)源

實(shí)驗(yàn)數(shù)據(jù)中的參照數(shù)據(jù)sample由表1中八種礦物特征值組成一維數(shù)列。待分類數(shù)據(jù)image是利用此八種波譜庫標(biāo)準(zhǔn)礦物樣本制作的一個(gè)56×32×N的模擬數(shù)據(jù)矩陣，N為波段數(shù)，每8×8個(gè)矩陣塊儲存一種礦物或者多種礦物的隨機(jī)比例線性混合，其中，①：含砷黃鐵礦、②：斜輝石、③：斧石、④：藍(lán)銅礦、⑤：重晶石、⑥：古銅輝石、⑦：基鐵礬、⑧：斜綠泥石；

2.2 實(shí)驗(yàn)方案

該實(shí)驗(yàn)主要是利用matlab編程實(shí)現(xiàn)對上述數(shù)據(jù)立方體的特征提取以及分類。為了驗(yàn)證算法的可行性，此處利用已知的礦物光譜建立了數(shù)據(jù)立方體示。進(jìn)行了基于先驗(yàn)知識的光譜影像處理，通過實(shí)驗(yàn)結(jié)果來對算法進(jìn)行驗(yàn)證分析。

2.3 結(jié)果分析

依據(jù)算法流程圖用matlab編程測試后理論上的輸出數(shù)據(jù)應(yīng)該是前16行數(shù)據(jù)為可分辨數(shù)據(jù)，并且能分出八種礦物類型，從第17行到56行為不可分辨數(shù)據(jù)顯示為黑色，實(shí)際實(shí)驗(yàn)中結(jié)果顯示如圖1所示：

從圖2中可以看出利用模擬數(shù)據(jù)做算法測試得出的效果很理想，在純凈像元區(qū)域，根據(jù)反射率曲線提取出的幅度特征值能明確地對八種礦物進(jìn)行分類，在混合像元區(qū)域，沒有將混合數(shù)據(jù)分類為已知類別說明該算法不會錯(cuò)誤分類。

3 結(jié)論

本文主要闡述并實(shí)驗(yàn)了一種新的基于特征提取的高光譜圖像分類方法研究，區(qū)別于原有影響分類的特征提取算法，該算法主要思路是將時(shí)空域中的反射率曲線變換到頻率域進(jìn)行分析以及特征提取，實(shí)驗(yàn)證明此算法能做到對高維數(shù)據(jù)進(jìn)行降維的基礎(chǔ)上保存了一定的數(shù)據(jù)特征以達(dá)到數(shù)據(jù)分類的目的。

[參考文獻(xiàn)]

[1]童慶禧，張兵，鄭蘭芬.高光譜遙感——原理、技術(shù)與應(yīng)用[M].北京：高等教育出版社，2006.6.

[2]肖平，王旭紅.基于特征提取的高光譜數(shù)據(jù)分類[J].測繪科學(xué)，2006.1：45-47.

[3]許衛(wèi)東，尹球，匡定波.小波變換在高光譜決策樹分類中的應(yīng)用研究[J].遙感學(xué)報(bào)，2006，10（2）：204-210.

[4]蘇紅軍，盛業(yè)華.高光譜影像的改進(jìn)K-均值監(jiān)督式聚類分析方法[J].武漢大學(xué)學(xué)報(bào)信息科學(xué)版，2012，37（6）：640-643.