第30卷，第10期 2010年10月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
基于空间特征的光谱分类算法研究
高晓惠1.3，相里斌2*，卫俊霞1.3，魏儒义1.3，于涛1
Vol., 30, No. 10, pp2772-2775
October，2010
1.中国科学院光诺成像技术重点实验室，西安光学精密机械研究所光诺成像技术实验室，陕西西安
710119
2.中国科学院光电技术研究院，北京100190 3.中国科学院研究生院，北京100049
摘要随差成像光谱仪器的广泛应用，利用数据立方体进行物质分类与识别成为一项重要的研究内容，分类算法对最终的目标识别准确度与精度具有很大的决定作用。目前常见的分类算法主要利用了光谱维信息，从光谱匹配的角度进行物质分类。由于仪器探测的物质反射光谱不仪反映了物质种类，还与物质表面的几何结构，表面相糙度等有关，因此仅仅利用物质的反射光谱进行物质分类识别具有一定的误差。该文在利用可见光反射光谱进行分类的基础上，结合图像空间特征，对分类过程进行控制，达到提高分类准确度的目的。利用该分类算法进行真假叶片识别，结果表明其具有较好的空间连续性，很大程度上克服了"麻点”效应，验证了算法的有效性。
目标识别；光谱探测；光谱匹配；光谱分类
关键词
中图分类号：TP751.1
引言
文献标识码：A
DOI:10.3964/j.issn.1000-0593(2010)10-2772-04
的散射能力不仅由物质种类决定，还与物质表面的粗糙度以及目标的几何结构有关，在大多数表面对光的反射中，总是镜面反射和浸反射同时存在，在某些情况下，还会出现畸
光谱成像技术提出于20世纪80年代初，由于其卓越的信息获取能力，20多年来得到了飞速的发展，被广泛应用于地质勘探，土地利用情况调查，环境火害监测，医疗检测，刑事侦查等各个领域，成为光学探测技术的义一个强有力的手段。
光讲成像仪能够探测目标的两维空间与一维光谱信息，形成数据立方体（datacube)，根据谱段数不同分为多光谱（multispectral，儿个或几十个谱段）、高光谱（hyperspectral，上百至几百个谐段）、超光谱（ultraspectral，上千个或几千个谱段)3类；与儿何成像仪相比，光谱成像仪不仅可以获得目标的形影图像，同时还能够得到空间可分辨单元的光谱特征，内此，光谱成像仪获得的信息更大。随着光谱成像仪的广泛应用，利用光谱成像仪得到的高光谱数据或多光谱数据进行物质分类和识别成为国内外研究机构的一项重要研究内容[14]。
月前数据立方体在物质分类与识别方面主要使用的是光谐分类算法[57]，在光谱匹配的基础上对每一个空间像元进行分类，从而达到目标识别的目的。但是目标衣面对入射光
收稿日期：2009-12-15，修订日期：2010-03-20
变。因此，Nicodemus提出厂采用双向反射分布函数来描述表面反射性能，我国研究人员也开展了相关研究("1]。双向反射比分布函数的测量主要应用在实验室，在现实的目标操测中并不可行。因此单独使用光谱信息进行物质分类识别具有一定的不确定性。
传统的光谱分类算法没有使用数据立.方体空间维特征。从空间的角度讲，待分类像元与其相邻像元的类别最有可能一致，在相邻像元分别属于多个类别的情况下，待分类像元归属于含其相邻像元数目墩多的类别的可能性最大。在传统光谱分类算法的基础上，利用空间特征对其进行修正，从而提高分类精度和准确度，这种方法在空间连续性方面可以取得较好的分类结果。
1光谱分类算法
从是否有训练样本让分类识别系统进行学习上划分，高光谱数据的分类算法可以分为监肾分类算法和非监督分类算法。常用的监督分类算法有最小鹿距离法，相关系数法、马氏
基金项目：国家自然科学基金项目（40805013)和国家重点基确研究发展计划项月(2009CB724005)资助作者简介：高晓惠，女，1976年生，中国科学院西安光学精密机械研究所助理研究员
e-mail; gaoxhui@163. com
e-mail: xiangli@opt cn
*讯联系人
万方数据