基于高光谱卫星遥感的海上船只提取

高光谱图像分类方法与传统的多光谱分类有本质的区别，从高光谱图像的每个像元均可以获取一条连续的波谱曲线，就可以考虑用已知的波谱曲线和图上每个像元获取的波谱曲线进行对比，理想情况下，如果两条波谱曲线近似，就能说明这个像元更接近哪种物质。

高光谱图像的特性，使它除了应用于一般的图像分类，还应用于物质识别、目标探测等。图像分类更多关注的是地物覆盖和物质成分，目标识别和探测是对特定对象的搜索，其结果是“有”或者“没有”。因此我们把高光谱图像分类、物质识别、探测等称为波谱识别。

在海上船只识别场景中，高光谱波谱识别提供了一种很有前途的方法来识别海上目标，并在复杂的海上环境中区分不同类型的船只。

具体流程

1. 大气校正

使用以下方法之一进行大气校正：

快速大气校正（QUAC）

辐射传输模型（6S、FLAASH）

基于统计学的大气校正方法（IAR Reflectance、Log Residuals、Flat Field、Empirical Line）

简化的黑暗像元法（Dark Subtraction）

2. 选择目标样本、计算目标和背景波谱

当需要应用Orthogonal Subspace Projection (OSP)，Target-Constrained Interference-Minimized Filter (TCIMF)，和Mixture Tuned Target-Constrained Interference-Minimized Filter (MTTCIMF)。三种波谱分析方法时，需要至少2个目标波谱，或额外选择易与目标波谱混淆的波谱作为背景波谱，有助于提高探测精度。

3. MNF变换

MNF变换可以分离噪声，对数据降维以减少计算量。Mixture Tuned Matched Filter （MTMF）和Mixture Tuned Target-Constrained Interference-Minimized Filter （MTTCIMF）识别方法基于MNF进行。

具体流程

4. 选择适当的分析方法

常用方法如下：

Matched Filtering (MF)

Constrained Energy Minimization (CEM)

Adaptive Coherence Estimator (ACE)

Spectral Angle Mapper (SAM)

Orthogonal Subspace Projection (OSP)

Target-Constrained Interference-Minimized Filter (TCIMF)

Mixture Tuned TCIMF (MTTCIMF)

Mixture Tuned Matched Filtering (MTMF)

5. 目标提取

使用规则阈值或根据MF scores和infeasibility values散点图，选择高MF scores和低infeasibility values的点云，确定探测到的目标。

6. 后处理

使用分类后处理的方法（卷积法和定性法等）去除结果中的小斑点。同时根据目标大小设置最小聚类像素个数移除孤立小斑点。按需进行矢量化等转换。

XIOPM SPACE

提取结果

▲原始高光谱影像真彩色合成

▲  目标1、2区域

▲  目标3、4区域

▲  目标5区域

▲  各目标以及背景光谱曲线

参考上图，相对来说目标2和目标4光谱曲线更加接近，初步判断为同种船只类型。虽然高光谱波谱识别很有潜力，但在海上船只识别方面仍然面临着一些挑战：

1. 数据量和处理：高光谱传感器生成的大量数据需要高效的处理算法和计算资源。
2. 光谱变异性：由于材料成分、海面粗糙度等因素的影响，谱特征可能存在变化，因此需要鲁棒的分类算法。
3. 数据可用性：对于海上应用，获取高质量的高光谱图像对于训练和验证分类模型至关重要。
4. 数据融合：需要将高光谱数据与其他信息来源（如高分辨光学和雷达数据）融合，以提高识别精度。