基于高光谱遥感的城市道路属性探测方法研究

Size: px

Start display at page:

Download "基于高光谱遥感的城市道路属性探测方法研究"

完烽梁
5 years ago
Views:

1 高光谱遥感的本质及植被应用实践赵永超耿修瑞唐海蓉于凯姜亢空间信息处理与应用系统技术重点实验室中国科学院电子学研究所

2 提要关于我们高光谱及其本质应用实践关于定标及其他

3 关于我们研究兴趣 : 高光谱遥感典型地物目标 ( 植被岩矿水人工目标为主 ) 的光谱特性和信息提取模型研究 ; 基于目标光谱特征精细理解的定性定量高光谱图像信息提取 ; 高光谱定标预处理及优化方法与技术 ; 高光谱遥感图像处理及成像模拟系统软件开发 ; 高光谱遥感中的不确定性研究 ; 多域定标协同处理及科研用设备研制 ; 面向全球的遥感图像处理系统与自动处理流程 ; 与高光谱遥感相关的其他一些科学问题重点发展方向 : 光学遥感信息处理与应用 ( 高光谱高分辨率 ) -- 多域协同定标精处理优化及信息提取 -- 面向数据面向目标面向全球 ; 图像与图像序列

4 高光谱遥感及其本质高光谱成像光谱 Hyperspectral 多光谱 Multispectral

5 高光谱!!!

7 地表现实土路, 白色古路, 蓝色

8 数据表观特征高光谱??? 水稻 : 99-5 水稻 : 99-5

9 高光谱遥感及其本质数据基本表达与特征 t I=I(X, Y,λ) t I=I X,Y,t (λ) I=I mnl X λ

10 数据获取数据处理与信息提取高光谱遥感及其本质成像与信息反演传感器所代表的空间技术遥感数据 I=I(Ps,Es) I=I(X, Y,λ) t 遥感 ( 数据 ) 技术目标信息 : 定性定量的对象属性目标对象所代表的各行业应用及相应的物质运动规律

11 问题及对策数据表达与数据处理数据的表现形式 :2 (x,λ) 3 数据 =? 两大类型的关系 :-- 有关地面工作等价数据处理的分类及方向 :2 ( 数学知识 ) I=I(X,λ) t I=I X, (λ) t λ X

高光谱遥感及其本质要素及定位空间 / 时间传感器 / 平台目标环境 I=I(Ps,Es)

5 35 85 35 信息 Active DunStabilized SEphemeral 23.

12 高光谱遥感及其本质要素及定位空间 / 时间传感器 / 平台目标环境 I=I(Ps,Es) I=I(X, Y,λ) t 数据获取传感器所代表的空间技术遥感数据遥感 ( 数据 ) 技术目标对象所代表的各行业应用及相应的物质运动规律数据处理与信息提取目标信息 : 定性定量的对象属性数据 ( 图像 + 光谱库 ) 信息 Active DunStabilized SEphemeral 应用与应用对象人

13 高光谱遥感及其本质要素及定位 I=I(Ps,Es) I=I(X, Y,λ) t 数据获取传感器所代表的空间技术遥感数据遥感 ( 数据 ) 技术数据处理与信息提取传感器目标信息 : 定性定量的对象属性目标对象所代表的各行业应用及相应的物质运动规律环境目标对象 I I( ) 数据信息人应用部门 = 空间技术 / 信息技术 / 数据技术 / 计算技术 = 科学 I()--- 物质运动规律, 信息的加载调制与解调, 不确定性 = 一分为二, 仅是手段表观核心 : 数据及数据质量的保证核心技术 : 成像 ( 从信息到数据 ) 处理 ( 定标纠正优化信息提取 ) 反演 ( 从数据到信息 ) 当前技术发展状况当前面临的问题

目标对象所代表的各行业应用及相应的物质运动规律数据处理与信息提取目标信息 : 定性定量的对象属性数据及数据表达形式 :

14 高光谱遥感及其本质本质 I=I(i) I i =I i (x,y) Hyperspectral = Multispectral???????? 仅仅是量变? I=I(Ps,Es) I=I mnl 数据获取传感器所代表的空间技术遥感数据遥感 ( 数据 ) 技术目标对象所代表的各行业应用及相应的物质运动规律数据处理与信息提取目标信息 : 定性定量的对象属性数据及数据表达形式 : 传感器与成像原理 : 算法与工具 : 预处理及流程 : 投影与变换 : 信息提取 : 辐射传输原理 : I=I mnl I=I(x,y, ) I=I( ) 仅仅是一种测量方法

15 高光谱遥感及其本质本质 Hyperspectral Multispectral!!!!!!!! I=I(X,Y,λ) t I=I λs (X,Y)t λ X

16 问题及对策本质 I=I( ) =f(i) I 和 I 的变化 : 非本征和组合 : 本征在空间, 一定环境下, 利用高光谱传感器获取地物目标的一定光谱范围内的光谱数据, 形成高光谱遥感图像, 并用之来反演目标和环境的属性信息并加以应用的过程包括其中的技术内容和科学内容高光谱要求遥感波段设置能使得特定目标的光谱位置特征被反映

17 高光谱遥感及其本质用途 I=I(Ps,Es) I=I(X, Y,λ) t I=I X,Y,t (λ). 定性识别 λ s 2 y = -.233x x R 2 = 定量 3. 隐伏迹象 I λ (X,Y,t) I,λ X Cc H 234

18 问题及对策不确定性问题及其对策

19 问题及对策问题分析及对策怎样来理解高光谱遥感数据与数据处理? 当前的缺失及一分为二数据的表现形式 :2 (x,λ) 3 数据 =? 两大类型的关系 :-- 有关地面工作等价数据处理的分类及方向 :2 ( 数学知识 ) I=I(X,λ) t I=I X, (λ) t λ X

20 问题及对策问题分析及对策怎样来理解目标? 当前的关键问题形而上的问题 --- 可能是当前应用基础研究的最大问题目标与环境目标 =? 关于目标属性及与数据的关系不确定性

21 问题及对策问题分析及对策信息 ( 目标属性 ) 与信息提取应用 : 当前的问题内在核心 I() 的解决途径 :2 2 手硬的需求 : 知识的引入 ( 数物 ) 应用 : 可遥感与不可遥感! 不确定性的对策

22 问题及对策问题分析及对策不确定性在哪里? I=I(Ps,Es)

23 问题及对策问题分析及对策不确定性及其对策 Reflectance.8.6 WS272 HS48.3B Reflectance HS79.3B SMR-3.a 4-5um SMR-3.b 6-4um SMR-3.c 45-6um SMR-3.d 3-45um SMR-3.e <3um CO Wavelength(um) Wavelength(um)

24 问题及对策问题分析及对策不确定性及其对策 Reflectance Lettuce Cabbage Wavelength(nm)

25 问题及对策问题分析及对策不确定性及其对策

26 问题及对策问题分析及对策求同存异 Reflectance 不确定性及其对策变不确定性为确定性变同物异谱为异物异谱或同物同谱变同谱异物为异谱异物高光谱遥感的生命力之源 WS272 HS48.3B CO Wavelength(um) 目标 = 目标环境, 时, 空抽象 -> 物质矿物名主要光谱特征 VNIR 主要吸收 (um) SWIR 主要吸收其他特征吸收石英无选择性吸收无 - - 钠长石无选择性吸收无 - - 方解石 2.34um 强吸收无 2223(.5,3,49.2) 2342(2.8,7,59.) 26(4.9) 234(7.69,4,773.5) 白云石 2.32um 强吸收无 223(.9,3,6.9) 2324(5.4,8,695.) 2278(4.64,29.5,82.8) 245(.2) 223(6.4,26,393.9) 伊利石 2.2um 强吸收 ;.7,., 2346(3.52,26,229.7).um 宽带强吸收.4 23(.74,,8.5) 2256(.86,2,56.) 高岭石绿泥石石膏 VNIR 强反射, 强.4.9um 水吸收,2.2um 吸收 um 强吸收 ;.um 宽带强吸收强.4,.95um 水吸收 ;SWIR 强吸收.4.7,.,.4.,.2,.4 228(6.98,5,638.4) 236(2.8,6,2.3) 264(2.38,8,558.8) 2243(.8,5,444.) 234(5.6,33,29.5) 2292(5.22,34,297.3) 225(.3,24,679.8) 265(9.2,2,48.) 2268(5.55,6,222.8) 28(7.74,22,426.6) 石盐无选择性吸收无 - - 赤铁矿强蓝绿吸收.5, (3.66, 2, 83.8) VNIR 非选择性强 234(.4, 2, 2.3) 白云母反射,2.2um 吸.4-224(.47, 4, 6.5) 收带 25(.3, 9, 2.9) 2385(.85), 244(2.48), 23(.24) 236(.9), 2385(.9),22(,28) 22(.75), 28(.94),34(3.35) 2422(9.7)

27 问题及对策问题分析及对策不确定性及其对策变不确定性为确定性变同物异谱为异物异谱或同物同谱变同谱异物为异谱异物高光谱遥感的生命力之源 5 Reflectance(%) Natural surface(average if 23times) Sample surface(average of 4times) Wavelength(nm) Reflectance(%, average65) linear trendline y =.8779x R 2 = Reflectance(%, average65)

28 问题及对策问题分析及对策不确定性及其对策变不确定性为确定性变同物异谱为异物异谱或同物同谱变同谱异物为异谱异物高光谱遥感的生命力之源

29 问题及对策问题分析及对策不确定性及其对策变不确定性为确定性变同物异谱为异物异谱或同物同谱变同谱异物为异谱异物高光谱遥感的生命力之源 7 三合板和马口铁在涂上厚不透明油漆后和光谱比较 6 5 反射率马口铁涂覆三合板涂覆马口铁无涂覆三合板无涂覆波长

问题及对策问题分析及对策什么是高光谱遥感和高光谱? 重新认识和定位 λg.5.5 2 λr.5.5 2 λm.5.5 2 λi.5.5 2 λi.5.5 2 λb.5.5 2 λy.5.5 2 λv.5.5 2 RG 2 3 4 5 RR 2 4 6 8 RI.5.5 2 2.5 3 SV.5.5 2 2.5 3 HR.5.5 2 2.5 3 AR.5.5 2 2.5 λwg.

30 问题及对策问题分析及对策什么是高光谱遥感和高光谱? 重新认识和定位 λg λr λm λi λi λb λy λv RG RR RI SV HR AR λwg.5.5 λwr λr λg λm λi λi λb λy λv RG RR RI SV HR 2 3 AR λwr 5 5 λwg 5

31 问题及对策问题分析及对策 8 4 什么是高光谱遥感和高光谱? 重新认识和定位方解石 dolomite 矿物名主要光谱特征 VNIR 主要吸收 (um) SWIR 主要吸收其他特征吸收石英无选择性吸收无 - - 钠长石无选择性吸收无 - - 方解石 2.34um 强吸收无 2223(.5,3,49.2) 2342(2.8,7,59.) 234(7.69,4,773.5) 26(4.9) 9 8 白云石 um 强吸收伊利石 3 2 高岭石绿泥石石膏 um 强吸收 ;.um 宽带强吸收 VNIR 强反射, 强.4.9um 水吸收,2.2um 吸收白云石 um 强吸收 ;.um 宽带强吸收强.4,.95um 水吸收 ;SWIR 强吸收无 calcite.7,.,.4.4.7,.,.4.,.2,.4 223(.9,3,6.9) 2324(5.4,8,695.) 2278(4.64,29.5,82.8) 223(6.4,26,393.9) 2346(3.52,26,229.7) 23(.74,,8.5) 2256(.86,2,56.) 228(6.98,5,638.4) 236(2.8,6,2.3) 264(2.38,8,558.8) 2243(.8,5,444.) 234(5.6,33,29.5) 2292(5.22,34,297.3) 225(.3,24,679.8) 265(9.2,2,48.) 2268(5.55,6,222.8) 28(7.74,22,426.6) 石盐无选择性吸收无赤铁矿强蓝绿吸收.5, (3.66, 2, 83.8) VNIR 非选择性强 234(.4, 2, 2.3) 白云母反射,2.2um 吸.4-224(.47, 4, 6.5) 收带 25(.3, 9, 2.9) 245(.2) 2385(.85), 244(2.48), 23(.24) 236(.9), 2385(.9),22(,28) 22(.75), 28(.94),34(3.35) 2422(9.7)

32 问题及对策问题分析及对策不确定性及其对策变不确定性为确定性变同物异谱为异物异谱或同物同谱变同谱异物为异谱异物高光谱遥感的生命力之源

33 应用实践 ( 实例 ) 2+ 种对象 : 目标 / 环境图像 / 光谱 / 数据传感器 / 测量装置 = 科学 I()--- 物质运动规律, 信息的加载调制与解调, 不确定性 = 一分为二, 仅是手段核心技术 : 成像 ( 从信息到数据光谱测量方法与装置 ) 处理 ( 定标纠正优化信息提取 ) 反演 ( 从数据到信息 ) 光谱特性研究与建模信息提取图像处理方法与软件光谱测量方法与装置

34 目标 / 环境对象方面植被农田水稻水地质土壤人工目标

35 植被与农田土壤 CSAM+IARS R i =f i (R ) R=f(m,b,θ,A,T,φ,R )=f m,b,,θ,a,t,φ (R )+ΔR R(λ)=R r (λ) ω r +k S R S (ω S ) 2 + R(λ)

36 Refelctance(%) Oryza Ave. Oryza Glycine Ipomoea Colocasia Trapa Alternanthera Broussonetia Quercus Metasequoia Pinaceae Nelumbo Wavelength(nm) A28 A3 S9 S O6 O7 O

37 R(%) rice soybean ipomoea colocasia alternanthera lotus trapa tree Correlation Curve(CC) I=I( ) I- I i ( )=f[i ( )] I-I Rrice(%) Base Spectrum(BS) R i =f i (R ) R=f(m,b,θ,A,T,φ,R )=f m,b,,θ,a,t,φ (R )+ΔR

38 I=I(Ps,Es) I( ) R( )=R r ( ) r +k S R S ( S ) 2 + k S ( ) [R S + R S ( )] ( S ) 2 =R r ( ) r +k S R S ( S ) 2 + R( ) R r ( ) r +k S R S ( S ) 2 R i =f i (R ) R=mR +b+ R m= r / r b=k S [R S ( S ) 2 -m ( S ) 2 R S ] R= r R r = r m R r

39 Image field 95% 98.5%

42 ( 左 ) 长野市 PHI 图像中农作物地块的提取结果, 蓝色为水稻黄色为苹果树 ( 中 ) 长野市水稻地块的相对覆盖度图 ( 右上 ) 中图的局部放大的结果示与图 2-33 类似的效果

44 2 对策实例 : a b c d ΔR i Differentlandsof

45 xj86 wy xiangxn 952 wx833

2 对策实例 : 2 4 - s 晚 - s2 早 -9 s4 早 -3 s5 晚

46 2 对策实例 : s 晚 - s2 早 -9 s4 早 -3 s5 晚 -2 s6 早 -3 s7 早早晚稻区分 3 5 6

49 Hyperspectral!!! 谢谢!

07-3.indd

07-3.indd 1 2 3 4 5 6 7 08 11 19 26 31 35 38 47 52 59 64 67 73 10 18 29 76 77 78 79 81 84 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48