[發明專利]一種海洋高光譜遙感影像特征分析方法

在審

• 申請號: 201711365732.0
• 申請日: 2017-12-18
• 公開（公告）號: CN108009517A
• 公開（公告）日: 2018-05-08
• 發明（設計）人: 高紅民;楊耀;李臣明;藺碩;樊悅;張振;洪建;王家偉;沈楊;楊琪;楊佳林
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京業騰知識產權代理事務所(特殊普通合伙) 32321
• 代理人: 鄭婷

本發明公開了一種海洋高光譜遙感影像特征分析方法，S1、對海洋高光譜遙感影像特征分類：海面、風場、浪場、流場、潮汐和鋒面等等，S2、對步驟S1中的分類后的各遙感影像進行高光譜遙感數據波段中的空間圖像維信息、光譜維信息和特征空間維信息進行分析計算。該海洋高光譜遙感影像特征分析方法，高光譜數據最主要的特點就是將圖像維信息和光譜維信息融為一體，在獲取地表空間圖像信息的同時，得到每個地物的連續光譜信息，通過設置光譜匹配技術，這種光譜的n階導數實質上表達了目標物吸收波形的變化，是這些吸收物的豐度與狀態的光譜指標，從而有效的解決了現有技術中的高光譜遙感影像特征分析方法往往地物識別分類精度較低的問題。

技術領域

本發明涉及高光譜遙感影像特征分析技術領域，具體為一種海洋高光譜遙感影像特征分析方法。

背景技術

近年來，遙感技術取得了巨大的進步。高光譜遙感圖像在描述地面真實信息方面的優勢使其成為目標檢測和分類等重要工具。高光譜圖像分類是挖掘高光譜數據信息的常用技術。由于高光譜圖像中信息量巨大，在分類前需要進行降維處理。

目前，現有技術中的高光譜遙感影像特征分析方法往往地物識別分類精度較低，所以需要一種海洋高光譜遙感影像特征分析方法。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種海洋高光譜遙感影像特征分析方法，解決了現有技術中的高光譜遙感影像特征分析方法往往地物識別分類精度較低的問題。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：一種海洋高光譜遙感影像特征分析方法，包括以下步驟：

S1、對海洋高光譜遙感影像特征分類：海面、風場、浪場、流場、潮汐和鋒面等等。

S2、對步驟S1中的分類后的各遙感影像進行高光譜遙感數據波段中的空間圖像維信息、光譜維信息和特征空間維信息進行分析計算。

S3、建立計算機圖像網絡模型。

S4、收集數據進行圖像網絡模型驗證。

優選的，所述步驟S2中高光譜遙感數據波段中的空間圖像維信息、光譜維信息和特征空間維信息分析計算中特定光譜信息被各物質所影響，且所影響的結果被統稱為觀測矢量，且觀測矢量r(x，y)可用線性模式描述:

r(x，y)＝mα(x，y)+n(x，y)

其中(x，y)是像元的空間位置，

m＝(u1，u2，u3，，，ui，up-1，d)是具有線性獨立組分的矩陣，

其中d是我們感興趣的信息，α(x，y)是一個矢量，它的第i個元素代表了像元中第i個信息分量，n(x，y)是一個代表隨機噪聲的矢量。

優選的，所述S2中光譜信息中任一光譜吸收特征可由光譜吸收谷點與光譜吸收兩個肩部組成，光譜吸收指數可表達為:

SAI＝[dωs1+(1-d)ωs2)]/ωm

ω為平均單次散射反射率，

s1，s2為光譜吸收曲線的兩個肩部，

m為光譜吸收曲線的谷點，

d為吸收的對稱性參數，得到一系列典型吸收特征的SAI圖像后，可用最小二乘法反演各種目標物的光譜混合成分的含量。

優選的，所述步驟S2中光譜維信息分析包括光譜微分技術，且光譜微分技術主要是對反射光譜進行數學模擬和計算不同階數的微分來確定光譜彎曲點及最大、最小反射率的波長位置。一階、二階微分光譜的近似計算方法如下：