8.4 高光谱数据处理¶
高光谱数据处理将原始 DN 或辐射亮度数据转化为可用于分类、识别和定量反演的信息产品。典型流程包括辐射定标、大气校正、几何校正、降维、分类与解混等环节，各环节的选择取决于应用目标和数据质量。
一、预处理流程概览¶
二、辐射定标（Radiometric Calibration）¶
2.1 目的¶
将探测器输出 DN 转换为物理量（辐射亮度 $L$，单位 W·m⁻²·sr⁻¹·μm⁻¹）。
2.2 定标关系¶
$$L = \frac{DN - DN_{dark}}{G}$$
其中 $DN_{dark}$ 为暗电流偏移，$G$ 为增益（通过标准辐射源标定得到）。定标系数可随波段和像元变化（非均匀性校正）。
2.3 反射率转换¶
若已知入射辐照度 $E$ 和大气透过率 $\tau$，表观反射率：
$$\rho_{app} = \frac{\pi L}{E \cdot \tau}$$
三、大气校正（Atmospheric Correction）¶
3.1 目的¶
去除大气吸收、散射和路径辐射的影响，获得地表真实反射率 $\rho_{surf}$。
3.2 常用方法¶
| 方法 | 原理 | 适用场景 |
|---|---|---|
| 经验线法（ELM） | 利用已知反射率地物（灰板、深水）建立线性关系 | 有地面实测时 |
| FLAASH / 6S / MODTRAN | 大气辐射传输模型 + 气溶胶/水汽反演 | 通用，需大气参数 |
| 暗像元法（DOS） | 假设暗像元路径辐射主导，简单减除 | 快速近似 |
| 基于地形 | 考虑地形遮挡和反射 | 山区 |
3.3 关键大气参数¶
水汽含量、气溶胶光学厚度、臭氧柱浓度等。可从辅助数据（如 MODIS）获取或从高光谱数据自身反演。
四、几何校正（Geometric Correction）¶
4.1 目的¶
将像元坐标映射到地理/投影坐标，消除平台姿态、地形和光学畸变的影响。
4.2 方法¶
- 有理函数模型（RFM）：利用卫星提供的 RPC 参数，无需精确轨道
- 严格几何模型：基于平台 POS 和 DEM 的严密成像模型
- 配准：以参考影像为基准，通过同名点进行多项式或仿射变换
五、降维与特征提取¶
5.1 主成分分析（PCA）¶
将光谱投影到方差最大的正交方向，前几个主成分通常包含绝大部分信息，后几个主成分多为噪声。
5.2 最小噪声分离（MNF）¶
先对噪声白化，再对信号协方差矩阵做 PCA，使变换后的分量按信噪比排序，便于分离信号与噪声。
5.3 波段选择¶
根据类别可分性（如 Jeffries-Matusita 距离、光谱角）选取最具判别力的波段子集，减少维度和计算量。
六、分类与识别¶
6.1 监督分类¶
利用已标注样本训练分类器（如 SVM、随机森林、深度学习），对全图预测类别。
6.2 光谱角填图（SAM）¶
$$\text{SAM}(x, y) = \arccos\left(\frac{x \cdot y}{|x| |y|}\right)$$
计算像元光谱与参考光谱的夹角，夹角越小越相似。对幅值不敏感，适合反射率尺度变化较大的场景。
6.3 光谱特征拟合（SFF）¶
将像元光谱与参考光谱（或光谱库）进行最小二乘拟合，用拟合残差或吸收深度作为相似度度量。
七、光谱解混（Spectral Unmixing）¶
7.1 线性混合模型¶
$$r = \sum_{i=1}^{p} f_i \cdot e_i + \varepsilon$$
其中 $r$ 为像元光谱，$e_i$ 为端元光谱，$f_i$ 为丰度（满足 $\sum f_i = 1$，$f_i \geq 0$），$\varepsilon$ 为残差。
7.2 端元提取¶
- 纯像元法：PPI（Pixel Purity Index）、NFINDR、VCA
- 几何法：寻找数据云顶点作为端元
- 统计法：N-FINDR、迭代误差分析
7.3 丰度反演¶
已知端元后，用最小二乘、FCLS（全约束最小二乘）等求解丰度，满足非负和和为 1 的约束。
八、定量反演¶
针对特定参量（如叶绿素浓度、含水量、矿物含量）建立物理模型或统计模型，从反射率反演目标量。常用方法包括：
- 植被指数（NDVI、EVI、红边指数等）
- 半经验模型（如叶绿素 a 的波段比值模型）
- 物理辐射传输模型（如 PROSAIL 植被模型）
- 机器学习回归（从光谱直接预测目标量）
参考资料¶
- Chang, Hyperspectral Data Processing, Wiley
- Kruse, "Boardman & Kruse, Automated Spectral Analysis", Remote Sensing of Environment, 1995
- ENVI / Python (spectral, scikit-learn) 高光谱处理工具
更新时间¶
2026-03-03