高光譜遙感數據處理系列（六）

非監督分類是一種面對數據本身的分類方法，與之相對應的：監督分類，則是面向先驗知識的分類方法。監督分類是指給定已知類型的數據，通過建模的方式將這些數據與對應的類型建立映射關系，并將這種關系應用到未知類型的數據上的過程。如果每種類型用一個數字來表示，分類任務可以看做回歸分析的一種特例。

主界面分區

ROI工具

監督分類需要有已知類型的數據集作為先驗知識進行訓練，稱為訓練集。一般可以通過目視解譯，或者實地樣方調查的方式獲取訓練集。構建訓練集的方法如下：

在主菜單②工具欄中點擊打開Region of Interest（ROI) Tool，進行興趣區選取：

ROI工具

最基本的ROI選取過程如上圖所示，首先選擇①工具添加新的ROI范圍，在②中調整ROI的名稱和顏色，在③中選擇繪制ROI的圖形形狀，④在圖上繪制ROI，完成后右鍵Accept shape type。如果想要繪制帶有空洞的圖形，可以點擊復選框⑤所示的Multi Part復選框，然后在影像上繪制兩個疊加的圖形，完成后右鍵 Accept。

使用File可以進行ROI圖層的讀取與保存

如果選取好了ROI可以使用Options可以利用對ROI本身進行融合（Merge（Union/Intersection）ROI）,計算離散度（Compute ROI Separability），或者使用對ROI范圍內的圖像進行統計（Compute Statistics from ROIs）。另外也可以使用ROI對圖像進行裁剪。

除了使用不同形狀進行框選，還可以使用像元，自動區域生長，閾值選取等方式產生ROI。

在ENVI的幫助文件中詳細介紹了這些工具的使用方法。在主界面①菜單欄 Help 中打開-> 在左側Contents選項卡中的:book:ROIs, Vectors, Annotations，請讀者自行查閱。

監督分類

在訓練集選擇完畢后就可以進行監督分類，ENVI中提供了多種監督分類的工具，包括：

• 平行六面體（Parallelepiped）

• 最 小距離（Minimum Distance）

• 馬氏距離（Mahalanobis Distance）

• 最 大似然（Maximum Likelihood）

• 神經網絡（Neural Net）

• 支持向量機（Support Vector Machine）

• 波譜角（Spectral Angle Mapper）

這里我們介紹兩種監督分類方法，最 大似然法和波譜角方法。

01最 大似然法

在ENVI的幫助文件中詳細介紹了各種分類方法的原理。在主界面①菜單欄 Help 中打開-> 在左側Contents選項卡中Classification->Supervised Methods中，最 大似然法定義為:

最 大似然分類假設每個波段中每個類別的統計數據呈正態分布，并計算給定像素屬于特定類別的概率。每個像素被分配到具有最 高概率（即最 大似然）的類別。

根據該定義，最 大似然法將每個類別投影到特定的分布上，分類問題被轉化為分布相似性問題。

在主界面⑤中搜索Maximum Likelihood打開最 大似然分類工具。首先要選擇進行訓練的數據，需要強調的是，我們選擇在上篇文中生成的主成分分析的結果進行分類，而不是影像本身，具體原因在上篇文章中有詳細描述。

分類結果如下所示：

02波譜角方法

光譜角映射器 (SAM) 是一種基于物理的光譜分類，它使用 n 維角度將像素與參考光譜進行匹配。該算法通過計算光譜之間的角度并將它們視為維數等于波段數的空間中的向量來確定兩個光譜之間的光譜相似性。SAM 使用的端元光譜可以來自 ASCII 文件或光譜庫，或者您可以直接從圖像中提取它們（作為 ROI 平均光譜）。SAM 比較端元譜向量與 n 維空間中每個像素向量之間的角度。較小的角度代表與參考光譜更接近。

在主界面⑤中搜索Spectral Angle Mapper打開光譜角工具，在端元集合（Endmember Collection：SAM）中導入選取的ROI，將上一步選取的ROI所在范圍的光譜均值作為特定類別的標準光譜。SAM的本質是將分類問題轉化為對比未知類別數據與標準光譜的余弦距離的問題。需要強調的是，我們選擇主成分分析的結果進行分類，而不是影像本身，具體原因在上篇文章中有詳細描述。

分類結果如下所示：

小結

本文中我們介紹了兩種監督分類的方法，相對于非監督分類，監督分類通過融入先驗知識，提供了有明確類別的結果，這大大減少了進行后續處理的成本。但是對于遙感應用來說，獲取地面真值的成本較高，通過目視解譯的方式會不可避免地引入人為誤差，給結果帶來不確定性。正如上一篇文章提到，數據和特征決定了分類的上限，而分類的方法只能逼近這個上限。如何構建質量高、數量多的訓練集，權衡成本是監督分類需要考慮的問題。

顯微共聚焦拉曼光譜技術

顯微拉曼光譜技術是將拉曼光譜分析技術與顯微分析技術結合起來的一種應用技術。其原理是使光源、樣品、探測器三點共軛聚焦，消除雜散光，信號增強104-105倍。原理：從點光源發光通過透鏡聚焦到被測物體上，若物體恰在焦點上，那么發射光通過透鏡應當匯聚回到光源，這就是所謂的共聚焦。

便攜式拉曼光譜技術

便攜式拉曼光譜儀滿足現場測試的需求，具有質量輕，體積小，且容易攜帶等特點，已成為當今拉曼光譜儀的發展新方向。一般我們釆用光強大、方向性強和單色性好的窄帶半導體激光器作光源，由光柵、系統光路和CCD電路系統完成釆集，PC端或嵌入式系統完成界面交互和上層操作，便于在現場使用。

手持式拉曼光譜技術

手持式拉曼光譜系統基于市場快速檢測的需求，具有較好分辨率、靈敏度，滿足日常應用。手持式拉曼光譜儀由激光器、光譜儀、探測器、微處理系統和待測樣品區組成。一般要求小型化，質量<1kg，具有數據比對功能，可實現物質的快速鑒別。 

表面增強拉曼光譜技術

當分子被吸附到某些粗糙的金屬表面上時，拉曼散射強度會極大的增強，科學界把這一現象命名為表面增強拉曼散射效應，簡稱SERS。 表面增強拉曼可以觀測化學反應過程，實現單分子檢測

共振拉曼光譜技術

當激發頻率接近或重合于分子的一個電子吸收峰時，某特定的拉曼帶強度會急劇增加，達到正常拉曼帶強度的百萬倍，并出現強度可與基頻相比擬的泛音及組合振動，這就是共振拉曼效應(簡稱RRE)。共振拉曼可選擇性的激發某些組分信息，得到特定組分的共振拉曼光譜

高光譜遙感數據處理系列（一）

地表反射的太陽輻射包含著豐富的信息，從太陽外層大氣的吸收到地球大氣的吸收，經過與地物的相互作用反射回大氣，最 終被傳感器捕獲。高光譜遙感可以在每個像元獲取高分辨率的光譜數據，這些光譜信息提供了一種理解事物的新的維度。下圖展示了幾種典型地物的光譜。可以看出不同地物展現出顯著不同的光譜特征。除此之外，同種地物在不同狀態下，也可能在特定波段展現出顯著不同的光譜特征。通過比對光譜數據，可以實現對地物區分，狀態區分，異常監測等難以通過傳統遙感手段實現的應用。高光譜遙感被廣泛應用于農林業、礦業、環境、保險、等領域。

太陽輻射與典型地物反射率

通常彩色影像有紅綠藍三個波段，多光譜影像有幾到十幾個波段，而高光譜影像有著幾十到上百個波段。波段的增加除了提高了信息量，還使得數據量成比例增加。這種數據量對計算機的性能提出了較高的要求，更多的是要求對處理者新的思路和方法。在接下來的文章中，我們將詳細介紹高光譜數據的處理流程與方法，希望能在此過程中給讀者以新的思考。

Hyperspectral light sheet microscopy | Nature Communications

ENVI (The Environment for Visualizing Images) 是美國Exelis Visual Information Solutions 公司的旗艦產品。它是由遙感領域的科學家采用交互式數據語言IDL (Interactive Data Language) 開發的遙感圖像處理軟件。ENVI已經廣泛應用于科研、環境保護、氣象、石油礦產勘探、農業、林業、醫學、國防&安全、地球科學、公用設施管理、遙感工程、水利、海洋、測繪勘察和城市與區域規劃等領域。

雙擊ENVI圖標打開ENVI軟件，可以看到ENVI軟件的主界面由以下六個部分組成：①菜單欄、②工具欄、③圖層管理窗格、④圖像顯示部分、⑤工具箱、⑥狀態欄。

ENVI軟件的布局如圖所示，首先點擊 依次點擊①菜單欄->File->Open，在彈出的對話框中選取所需要的文件，

 一般的ENVI文件由兩部分組成，文件本體和頭文件（.hdr）。文件本體記錄了文件的數據信息，而頭文件中記錄了關于這些數據信息的描述。使用記事本文件可以直接打開hdr文件，可以看到其中包括了：

• 操作記錄

• Samples：柵格列數

• Lines：柵格行數

• Bands：波段數

• Header offset：文件開頭到實際數據起始位置的偏移量

• File type：文件類型

• Data type：數據存儲類型，用數字表示bit位數

• Interleave：存儲順序

• Map Info：圖像采用的投影系統參數，坐標系統及單位

• Coordinate System String：詳細的坐標系統信息

• Wavelength：每個波段所對應的波長

兩個文件應該放在同一目錄下面，ENVI在讀取時會自動進行關聯。

    任選其中一個文件都可以打開該文件，但是ENVI對兩個文件的處理方式有所不同。如果選擇.hdr文件，ENVI會直接載入顯示文件的第 一個波段，如下圖所示。使用鼠標滾輪可以對圖像進行縮放操作，使用②工具欄中的工具可以對圖像進行拖動縮放等一系列操作。加載成功的圖像會顯示在③圖層管理區，通過點擊圖像前面的勾選框來控制圖像在④圖像顯示區的顯示與否。

使用如果打開文件本體，ENVI會彈出Data Manager窗口

 該窗口包含三個部分，分別是①波段信息、②文件信息、③RGB波段選取。①中展示了所有波段的名稱，②中是經過處理后的頭文件信息，③是進行RGB合成的波段選取，點擊三種顏色的方框后，在①中單擊選擇波段，選擇完成后點擊Load Data。如果只想要顯示一個波段的灰度影響可以在①中選中目標波段后直接點擊Load Greyscale。

RGB 合成象素值的彩色圖，就是將三個波段的數據分別通過紅、綠、藍三個通道加載，然后進行渲染。

將多波段影像數據添加到地圖中之后，可使用多波段柵格數據集中的任意三個可用波段的組合來創建 RGB 合成圖。與僅處理一個波段相比，通過將多個波段共同顯示為RGB 合成圖通常可從數據集收集到更多信息。

來源：簡書

    通常我們選取650nm、550nm和450nm分別賦給RGB通道進行合成以獲得最 佳的顯示效果。顯示效果如下圖：

在②工具欄中選擇按鈕，ENVI會在圖上顯示框標，并彈出光譜特征（Spectral Profile)窗口。光譜特征窗口中顯示了框標中心白點所在像元的光譜曲線。如下圖所示：

點擊光譜特征窗口中的    ，可以對光譜曲線進行一些操作，如平滑，計算NDVI，顯示RGB波段所在位置等：

小結

    本文介紹了高光譜影像的基本原理以及簡單的讀取及可視化操作。使用ENVI軟件可以實現大部分簡單的高光譜數據處理。在接下來的教程中，我們將從植被指數提取、高光譜濾波、非監督分類與監督分類等方面介紹ENVI軟件的使用。除此以外，我們還將介紹基于Python的高光譜處理，從編程角度介紹高光譜相關知識，以及高光譜數據與大數據處理的結合。

參考：

【1】百度百科

【2】 www.jianshu.com/p/d0765ee89b86

高光譜影像 → 地礦巖心鉆取探勘應用

                                                    揭示人眼無法在傳統測井中看到的變化

Specim's 『SisuROCK』全自動巖心光譜成像儀器非常先進的高光譜相機，100%可重復提供相同完整的結果。在地質研究應用領域，快速收集高光譜數據，以靈活分析各種地質樣本。

Faster drill core scanning with Specim's SisuROCK hyperspectral core logger

『SisuROCK』 只需不到2分鐘時間即可快速對整個巖心進行全面掃描，甚至對最困難類型的沉積物、樣品和紋理也都能完整擷取高光譜影像數據并做記錄及分析。 高速掃描：≧ 1200 公尺長巖心樣本/天

一秒鐘內制作一張圖片，每個像素包含全頻譜 (搭配不同波段高光譜相機，可比對辨識上百種不同巖心成份)

                                                              搭配合適傳感器展現多才多藝

低熱照明

『單核掃描儀sisuSCS』

一個核心掃描計算機控制擷取數據

容易方便運輸/安裝

                               不同高光譜巖心成分分析圖像

                                              湖泊沉積物高光譜影像分析   

上海五鈴光電科技有限公司

地址：上海市共和新路495號寶山萬達3號樓2113室

聯系電話：021-56079729