遥感高光谱笔记-高光谱遥感图像处理与信息提取

高光谱图像特征分析与提取

• 高光谱去噪方法比较分析：利用仿真和真实数据定量评价了各经典方法，可知多元线性回归比空间信息更可靠
  
  推荐使用右边三种方法
• 基于低秩表示的图像降噪方法
  
  将图像使用低秩表示的方法降低到低维空间，在使用基于特征的相似结构进行降噪处理，将降噪后的图像变为原始图像

三 高光谱图像混合像元分解（无人机高光谱存在的这类问题较少）

普遍存在混合像元现象，亚像元级地物信息提取款那

• 由于空间分辨率的制约，高光谱图像中普遍存在混合像元，不同类型地物可能处在同一个像元中，光谱特征混杂严重，为确保地物信息提取的精度，需要建立精确的混合像元分解模型。
• **解决方法：**提高高光谱数据的空间分辨率
  

四、高光谱图像分类与目标探测

高光谱图像分裂

• 高光谱图像分类是对给定的一组高光谱图像中的像元向量，根据其光谱和空间特征信息，采用一定的判别函数，对每一个像元向量分配一个唯一的标记，从而使它可以被某一种类别唯一表示。
  
• 理论上，波段数越多越利于地物分类，但是波段数量越多，带来的是需要样本数量越大，才能保证分类的精确度。高光谱数据的高纬度与有限训练样本之间矛盾所导致的问题
• **空间信息利用不足的问题：**图像相同位置的分类一致性比较高，但是实际上在基于像素点分类的过程中，空间信息利用并不充分，把像素随机打乱也能实现分类。
  
• 解决方法：子空间支持向量机
  
  
  2020年论文参考方向，包含代码
  

参考连接：

【图图Seminar17】高连如：高光谱遥感图像处理与信息提取
https://www.bilibili.com/video/BV1Si4y1M7TX/?spm_id_from=333.337.search-card.all.click

reference：https://www.bilibili.com/video/BV1Ea411h7gK/?spm_id_from=333.337.search-card.all.click&vd_source=c3d13bcea8d51bc2c00ccb4035532b79