陽昌霞

摘要：高光譜遙感技術是近年來遙感技術研究熱點。文章從高光譜在巖性提取、農業(yè)遙感、水環(huán)境監(jiān)測等方面進行應用進展的綜述;并從針對高光譜影像的改進分類方法進行綜述，并列舉了一些改進分類方法。從而系統(tǒng)的對高光譜分類方法現狀以及應用現狀進行闡述。

關鍵詞：高光譜;分類方法;遙感

高光譜遙感技術是近年來迅速發(fā)展起來的一種對地觀測的技術，是國內外研究的技術熱點，與微波遙感一起被認為是未來遙感的發(fā)展方向。高光譜影像具有“圖譜合一”的顯著優(yōu)勢和特征，正是這一特征得到了許多廣泛人士的關注和重視。近年來隨著高光譜的發(fā)展，成像光譜儀方面的研究也成為了高光譜發(fā)展的重中之重;如何提高影像的光譜以及空間分辨率成為當今世界的研究熱點。成像光譜儀獲得的高光譜影像的出現使得之前在多光譜影像上不可探測的地物特征能清晰準確地在高光譜影像上識別以及探測，具有豐富的隱含特征信息[1]。但高光譜的出現也隨之而來帶了很多問題，如Hughes現象、影像的數據量大，冗余度高等[2];傳統(tǒng)的多光譜分類方法并不能滿足高光譜分類需求，但近年來相繼出現了許多針對于高光譜影像的分類方法，都取得了較好的進展。

目前高光譜發(fā)展勢頭強勁，就目前而言國內外許多學者對高光譜的應用以及分類方法進行了許多研究，本文旨在閱讀前人研究的基礎上對高光譜的應用研究現狀以及高光譜分類方法研究現狀進行分析總結。

1.高光譜分類方法及應用進展

1.1高光譜應用進展

高光譜的發(fā)展為人們進一步認識地球提供了有利的工具，大量機載高光譜出現使得高光譜的應用更加普及。高光譜在國內外不同領域中有著廣泛的應用，如劉漢湖等人用高光譜數據對巖石信息進行提取[3]。

高光譜數據蘊含的豐富信息使得高光譜數據可以用來對地物進行精細分類;近年來高光譜被用來監(jiān)測水稻、玉米等農作物的長勢、產量，甚至是對農作物病蟲害進行監(jiān)測;例如吳見等人運用高光譜數據結合空間信息對植被進行分類研究[4]。蘭玉彬等人利用機載高光譜影像對柑橘黃龍病植株進行監(jiān)測取得了較好的監(jiān)測結果[5]。高光譜在水環(huán)境以及大氣監(jiān)測方面也具有重要的應用，如通過對海洋的光譜信息進行研究可以了解不同海洋的光譜信息，同時還可以獲取海水中不同物質的光譜反應曲線，可以實現對魚群、海水污染，海水溫度等進行監(jiān)測，沈照慶等人就利用高光譜遙感數據對海洋中的赤潮以及溢油現象進行了監(jiān)測[6]。高光譜影像在各個方面都有應用，從最開始的普通星載或機載高光譜影像到如今無人機高光譜影像在各個方面都具有強大的潛用價值。

1.2高光譜分類方法研究進展

高光譜影像分類方法的研究也一直是是遙感技術研究前緣及熱點，高光譜的發(fā)展，使得如何提高高光譜分類精度成為亟待解決的問題;影像分類是識別地物類型、實現對地觀測的關鍵步驟，同時也是高光譜影像數據處理的重要內容。

國內外研究人員還對原有的方法進行改進，研究了許多更適合用于高光譜分類的方法。在國外Burai，Péter，Deák等人使用了支持向量機（SVM）、隨機森林（RF）等方法對經過MNF變換后的高光譜影像以及原始影像對植被類型進行了提取和分類，發(fā)現SVM以及RF方法獲得了比較好的結果[7]。

近年來在上述分類方法的基礎上，也有許多研究提出新研究方向，在國內張修遠、劉修國等人提出了基于隨機森林算法的高維模糊分類方法，實現了隨機森林算法與模糊分類兩種分類器的融合，經實驗證明達到了很好的效果[8]。高光譜的分類方法得到了巨大的改進，使得分類精度巨大提高，為高光譜的應用打下了堅實的基礎。

2.結論

文章從高光譜的應用現狀以及高光譜的分類方法現狀等總結了目前高光譜的發(fā)展現狀，高光譜數據在巖性提取、農業(yè)遙感、水環(huán)境以及大氣監(jiān)測等多個領域都占有重要位置。除此之外高光譜數據在分類方法研究進展中，針對高光譜數據維數高等特點許多學者提出了適用于高光譜的分類方法如SVM、RF等，許多新興的分類方法對高光譜分類精度提高取得了巨大進展。

參考文獻：

[1]Tarabalka Y， Chanussot J， Benediktsson J A. Segmentation and classification of hyperspectral images using watershed transformation[J]. Pattern Recognition， 2010， 43（7）：2367-2379.

[2]杜培軍，譚琨，夏俊士.高光譜遙感影像分類與支持向量機應用研究[M].科學出版社，2012.

[3]劉漢湖，楊武年，楊容浩.高光譜遙感巖礦端元提取與分析方法研究[J].巖石礦物學雜志，2013，32（2）：213-220.

[4]吳見，彭道黎.基于空間信息的高光譜遙感植被分類技術[J].農業(yè)工程學報，2012，28（5）：150-153

[5]蘭玉彬，朱梓豪，鄧小玲.基于無人機高光譜遙感的柑橘黃龍病植株的監(jiān)測與分類[J].農業(yè)工程學報，2019，35（3）：92-100.

[6]沈照慶，王建賓，陳性義，賴祖龍.高光譜海洋遙感影像處理系統(tǒng)集成與應用研究[J].海洋測繪，2009，29（02）：49-52

[7]Burai，Péter，Deák，Balázs，Valkó，Orsolya，et al. Classification of Herbaceous Vegetation Using Airborne Hyperspectral Imagery[J]. Remote Sensing， 2015， 7（2）：2046-2066.

[8]張修遠，劉修國.基于隨機森林算法的高維模糊分類研究[J].國土資源遙感，2014，26（02）：87-92.