一种新的高光谱图像分类方法

摘 要：基于像元波谱曲线特征提取进而利用所提取的特征进行分类是高光谱图像分类的重要研究内容。提出了一种基于傅里叶变换幅度谱的高光谱遥感图像分类新方法，也就是利用像元波谱曲线傅里叶变换幅度谱最值单一特征实现对地物的分类识别。

关键词：高光谱图像分类；特征提取；傅里叶变换

遥感图像分类是利用计算机对图像中各类地物的光谱信息和空间信息进行分析和特征选择，并通过一定的手段将特征空间区分为互不重叠的子空间，然后将图像中的各个像元划分到各子空间中去。

1 基于傅立叶变换幅度谱的高光谱遥感影像分类

1.1 傅立叶变换简介

傅里叶变换作为信号处理变换域分析中一种最常用的基本方法，能从频率的角度对某些时空域中比较复杂或者无规律导致无法清晰认识的信号进行分析、设计和理解。频域分析方法在通信、力学、量子物理等多种领域中得到广泛的应用，本文是将其中的一种变换方法应用于高光谱图像的特征提取以及图像分类。

1.2 基于傅立叶变换幅度谱的分类算法设计

上文中已证实对于不同的矿物，对其波谱曲线作傅里叶变换后的幅度谱最值具有可分性，可在此基础上进行高光谱影像的分类。首先依次提取出分类目标影像中每个像元点的特征值后组成特征值矩阵，再利用欧式距离与波谱库的矿物曲线特征值相匹配将各像元点分配到各指标特征中从而完成高光谱影像的分类。

基于DTFT的高光谱影像分类方法流程如下：（1）确定被分类影像的分类类别K；（2）提取波谱库中标准矿物波谱曲线进行DTFT变换（公式（2）），提取幅度谱中最大值作为特征值参照数列sample[K]；（3）对高光谱遥感影像image[M1，M2，N]的每个像元点依次作离散时域傅里叶变换，得到每个像元的反射率曲线对应一个特征值；（4）统计变换后的特征值形成特征值矩阵S[M1，M2]；（5）比较特征参照数列与特征值矩阵之间的欧式距离min|S（m1，m2）-san，ple（k）|，进行影像分类。

2 应用分析

2.1 数据源

实验数据中的参照数据sample由表1中八种矿物特征值组成一维数列。待分类数据image是利用此八种波谱库标准矿物样本制作的一个56×32×N的模拟数据矩阵，N为波段数，每8×8个矩阵块储存一种矿物或者多种矿物的随机比例线性混合，其中，①：含砷黄铁矿、②：斜辉石、③：斧石、④：蓝铜矿、⑤：重晶石、⑥：古铜辉石、⑦：基铁矾、⑧：斜绿泥石；

2.2 实验方案

该实验主要是利用matlab编程实现对上述数据立方体的特征提取以及分类。为了验证算法的可行性，此处利用已知的矿物光谱建立了数据立方体示。进行了基于先验知识的光谱影像处理，通过实验结果来对算法进行验证分析。

2.3 结果分析

依据算法流程图用matlab编程测试后理论上的输出数据应该是前16行数据为可分辨数据，并且能分出八种矿物类型，从第17行到56行为不可分辨数据显示为黑色，实际实验中结果显示如图1所示：

从图2中可以看出利用模拟数据做算法测试得出的效果很理想，在纯净像元区域，根据反射率曲线提取出的幅度特征值能明确地对八种矿物进行分类，在混合像元区域，没有将混合数据分类为已知类别说明该算法不会错误分类。

3 结论

本文主要阐述并实验了一种新的基于特征提取的高光谱图像分类方法研究，区别于原有影响分类的特征提取算法，该算法主要思路是将时空域中的反射率曲线变换到频率域进行分析以及特征提取，实验证明此算法能做到对高维数据进行降维的基础上保存了一定的数据特征以达到数据分类的目的。

[参考文献]

[1]童庆禧，张兵，郑兰芬.高光谱遥感――原理、技术与应用[M].北京：高等教育出版社，2006.6.

[2]肖平，王旭红.基于特征提取的高光谱数据分类[J].测绘科学，2006.1：45-47.

[3]许卫东，尹球，匡定波.小波变换在高光谱决策树分类中的应用研究[J].遥感学报，2006，10（2）：204-210.

[4]苏红军，盛业华.高光谱影像的改进K-均值监督式聚类分析方法[J].武汉大学学报信息科学版，2012，37（6）：640-643.