[发明专利]一种海洋高光谱遥感影像特征分析方法

说明书

本发明公开了一种海洋高光谱遥感影像特征分析方法，S1、对海洋高光谱遥感影像特征分类：海面、风场、浪场、流场、潮汐和锋面等等，S2、对步骤S1中的分类后的各遥感影像进行高光谱遥感数据波段中的空间图像维信息、光谱维信息和特征空间维信息进行分析计算。该海洋高光谱遥感影像特征分析方法，高光谱数据最主要的特点就是将图像维信息和光谱维信息融为一体，在获取地表空间图像信息的同时，得到每个地物的连续光谱信息，通过设置光谱匹配技术，这种光谱的n阶导数实质上表达了目标物吸收波形的变化，是这些吸收物的丰度与状态的光谱指标，从而有效的解决了现有技术中的高光谱遥感影像特征分析方法往往地物识别分类精度较低的问题。

技术领域

本发明涉及高光谱遥感影像特征分析技术领域，具体为一种海洋高光谱遥感影像特征分析方法。

背景技术

近年来，遥感技术取得了巨大的进步。高光谱遥感图像在描述地面真实信息方面的优势使其成为目标检测和分类等重要工具。高光谱图像分类是挖掘高光谱数据信息的常用技术。由于高光谱图像中信息量巨大，在分类前需要进行降维处理。

目前，现有技术中的高光谱遥感影像特征分析方法往往地物识别分类精度较低，所以需要一种海洋高光谱遥感影像特征分析方法。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种海洋高光谱遥感影像特征分析方法，解决了现有技术中的高光谱遥感影像特征分析方法往往地物识别分类精度较低的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种海洋高光谱遥感影像特征分析方法，包括以下步骤：

S1、对海洋高光谱遥感影像特征分类：海面、风场、浪场、流场、潮汐和锋面等等。

S2、对步骤S1中的分类后的各遥感影像进行高光谱遥感数据波段中的空间图像维信息、光谱维信息和特征空间维信息进行分析计算。

S3、建立计算机图像网络模型。

S4、收集数据进行图像网络模型验证。

优选的，所述步骤S2中高光谱遥感数据波段中的空间图像维信息、光谱维信息和特征空间维信息分析计算中特定光谱信息被各物质所影响，且所影响的结果被统称为观测矢量，且观测矢量r(x，y)可用线性模式描述:

r(x，y)＝mα(x，y)+n(x，y)

其中(x，y)是像元的空间位置，

m＝(u1，u2，u3，，，ui，up-1，d)是具有线性独立组分的矩阵，

其中d是我们感兴趣的信息，α(x，y)是一个矢量，它的第i个元素代表了像元中第i个信息分量，n(x，y)是一个代表随机噪声的矢量。

优选的，所述S2中光谱信息中任一光谱吸收特征可由光谱吸收谷点与光谱吸收两个肩部组成，光谱吸收指数可表达为:

SAI＝[dωs1+(1-d)ωs2)]/ωm

ω为平均单次散射反射率，

s1，s2为光谱吸收曲线的两个肩部，

m为光谱吸收曲线的谷点，

d为吸收的对称性参数，得到一系列典型吸收特征的SAI图像后，可用最小二乘法反演各种目标物的光谱混合成分的含量。

优选的，所述步骤S2中光谱维信息分析包括光谱微分技术，且光谱微分技术主要是对反射光谱进行数学模拟和计算不同阶数的微分来确定光谱弯曲点及最大、最小反射率的波长位置。一阶、二阶微分光谱的近似计算方法如下：