包絡(luò)線(xiàn)消除法是一種常用的光譜分析方法，它可以有效地突出光譜曲線(xiàn)的吸收和反射特征，并且將其歸一到一個(gè)一致的光譜背景上，有利于和其他光譜曲線(xiàn)進(jìn)行特征數(shù)值的比較，從而提取出特征波段以供分類(lèi)識(shí)別。但目前該方法僅僅局限于對(duì)單個(gè)像元的光譜分析、提取出特征波段這一階段，在后期的分類(lèi)識(shí)別中用到的數(shù)據(jù)仍然是原來(lái)的高光譜圖像數(shù)據(jù)。該文正是基于此對(duì)其進(jìn)行了改進(jìn)：先使用包絡(luò)線(xiàn)消除算法對(duì)整個(gè)高光譜圖像進(jìn)行處理生成新的圖像文件，以突出光譜維上的特征信息，再使用光譜分析的方法提取出不同典型地物類(lèi)型的特征波段，最后再使用光譜角度匹配法進(jìn)行圖像的分類(lèi)和識(shí)別，并對(duì)原來(lái)的高光譜圖像和處理后的高光譜圖像用最大似然法和光譜角度匹配法進(jìn)行了分類(lèi)試驗(yàn)比較。

包絡(luò)線(xiàn)消除算法及其實(shí)現(xiàn)

一般來(lái)說(shuō)，由于地物組成復(fù)雜，每個(gè)圖像像元點(diǎn)對(duì)應(yīng)的地物并不純粹，它的光譜通常是多種物質(zhì)光譜的合成，因此直接從光譜曲線(xiàn)上提取光譜特征不便于計(jì)算，還需對(duì)光譜曲線(xiàn)進(jìn)行進(jìn)一步的處理以突出光譜的吸收和反射特征。為此，引入了包絡(luò)線(xiàn)消除算法。

光譜曲線(xiàn)的包絡(luò)線(xiàn)從直觀上來(lái)看，相當(dāng)于光譜曲線(xiàn)的“外殼",如圖2所示。因?yàn)閷?shí)際的光譜曲線(xiàn)由離散的樣點(diǎn)組成，所以用連續(xù)的折線(xiàn)段來(lái)近似光譜曲線(xiàn)的包絡(luò)線(xiàn)。

求光譜曲線(xiàn)包絡(luò)線(xiàn)的算法描述如下：

設(shè)有反射率曲線(xiàn)樣點(diǎn)數(shù)組；r(i),i=0,1,…,k-1;波長(zhǎng)數(shù)組：w(i),i=0,1,…,k-1;

(1)i:=0,將r(i),w(i),加入到包絡(luò)線(xiàn)節(jié)點(diǎn)表中；

(2)求新的包絡(luò)節(jié)點(diǎn)。如i=k-1則結(jié)束，否則j:=i+1;

(3)連接ij;檢查(ij)直線(xiàn)與反射率曲線(xiàn)的交點(diǎn)，如果j=

k-1,則結(jié)束，將w(j),r(j)加入到包絡(luò)線(xiàn)節(jié)點(diǎn)表中，否則：

①m:=j+1;

②若m=k-1則完成檢查，j是包絡(luò)線(xiàn)上的點(diǎn)，將w(j),r(j)

加入到包絡(luò)線(xiàn)節(jié)點(diǎn)表中，閆，轉(zhuǎn)到(2);

③否則，求i與w(m)的交點(diǎn)r1(m),如圖5所示。

④如果r(m)<1(m),則j不是包絡(luò)線(xiàn)上的點(diǎn)j:=j+1,轉(zhuǎn)到

(3);如果r(m)≤r1(m),則ij與光譜曲線(xiàn)最多有一交點(diǎn)，m:=

m+1,轉(zhuǎn)到②。

(4)得到包絡(luò)線(xiàn)節(jié)點(diǎn)表后，將相鄰的節(jié)點(diǎn)用直線(xiàn)段依次相連，求出w(i),i=0,1,…,k-1所對(duì)應(yīng)的折線(xiàn)段上的點(diǎn)的函數(shù)值

h(i),i=0,1,…,k-1;從而得到該光譜曲線(xiàn)的包絡(luò)線(xiàn)。顯然有：

h(i)≥r(i)

(5)求出包絡(luò)線(xiàn)后對(duì)光譜曲線(xiàn)進(jìn)行包絡(luò)線(xiàn)消除：

r(i)r'(i)=,i=0,1,…,k-1;

h(i)

如圖3所示，左邊為原光譜曲線(xiàn)，右邊為包絡(luò)線(xiàn)消除后的光譜曲線(xiàn)。進(jìn)行包絡(luò)線(xiàn)消除后的反射率歸一化到0~~1,光譜的吸收和反射特征也歸一到一個(gè)一致的光譜背景上，并且得到了很大的增強(qiáng)，因此可以更加有效地和其他光譜曲線(xiàn)進(jìn)行光譜特征數(shù)值的比較，進(jìn)行光譜的匹配分析。

該文用VC++語(yǔ)言實(shí)現(xiàn)了以上算法，對(duì)高光譜圖像逐像元地進(jìn)行包絡(luò)線(xiàn)消除，從而得到新的圖像文件，并在此基礎(chǔ)上對(duì)圖像中的典型地物直接進(jìn)行光譜分析，提取出特征波段，如在某一閾值以上的波峰、波谷波段等，并據(jù)此進(jìn)行圖像的分類(lèi)和識(shí)別。

包絡(luò)線(xiàn)消除前后圖像的對(duì)比分類(lèi)試驗(yàn)

為了對(duì)比包絡(luò)線(xiàn)消除處理前后的高光譜圖像的分類(lèi)效果，本文選取了一塊日本長(zhǎng)野的PHI成像高光譜圖像進(jìn)行監(jiān)督分類(lèi)試驗(yàn)。PHI圖像像元有244個(gè)波段，包括可見(jiàn)光和近紅外，波長(zhǎng)范圍為400——850nm,光譜分辨率小于5nm;其地面分辨率

為1.5m。該文選取2000年8月下旬獲取的一幅圖像，選擇其中信噪比較高的76個(gè)波段，共400 X 372個(gè)像元的數(shù)據(jù)。該圖像已經(jīng)過(guò)幾何校正，輻射校正以及相對(duì)反射率的反演。試驗(yàn)區(qū)的假彩色合成圖像如圖4所示。

試驗(yàn)區(qū)的地物類(lèi)型比較簡(jiǎn)單，并且已經(jīng)過(guò)詳細(xì)的地面調(diào)查，便于進(jìn)行分類(lèi)試驗(yàn)的比較。根據(jù)試驗(yàn)區(qū)地面狀況，共選擇出七類(lèi)典型地物進(jìn)行分析，包括柏油地，水泥地，裸地，白菜地，水稻地，葡萄園及樹(shù)林。首先，應(yīng)用自編程序?qū)υ摳吖庾V圖像逐像

元地進(jìn)行包絡(luò)線(xiàn)消除，從而得到新的圖像文件；然后，根據(jù)試驗(yàn)區(qū)地面調(diào)查的資料在圖像上選擇已知類(lèi)的訓(xùn)練區(qū)，并且用統(tǒng)計(jì)的方法求出各類(lèi)別的平均光譜作為最終光譜單元；最后，分別用最大似然法和光譜角度匹配法對(duì)包絡(luò)線(xiàn)消除前后的圖像進(jìn)行分類(lèi)，分類(lèi)結(jié)果如圖5所示。

為了比較兩種方法對(duì)包絡(luò)線(xiàn)消除前后圖像的分類(lèi)結(jié)果，從圖像上任意選取210個(gè)像元點(diǎn)，結(jié)合地面調(diào)查的實(shí)際情況進(jìn)行驗(yàn)證，前者對(duì)藍(lán)色的樹(shù)林，青色的葡萄園，洋紅色的白菜地以及黃色的水稻地(以左圖中的色階為例)等植被識(shí)別的精度較高，達(dá)到90%以上，而后者則只略高于80%;比較光譜角度匹配法對(duì)包絡(luò)線(xiàn)消除前后圖像的分類(lèi)結(jié)果，用以上方法驗(yàn)證，對(duì)消除后的圖像分類(lèi)的結(jié)果中，識(shí)別不同植被的精度要高于原圖像，精度達(dá)到了93%,更符合試驗(yàn)區(qū)的地面狀況。但在對(duì)包絡(luò)線(xiàn)消除后圖像的兩種方法的分類(lèi)結(jié)果中，對(duì)裸地(左圖中綠色的)和水泥地(紅色的)等分類(lèi)精度略有下降。

討論

(1)經(jīng)過(guò)包絡(luò)線(xiàn)消除后的高光譜圖像，有效地抑制了噪聲，突出了地物光譜的特征信息，便于圖像光譜的比較匹配，提高了圖像的分類(lèi)運(yùn)算效率和精度，尤其是對(duì)不同植被的識(shí)別更加有用。

(2)對(duì)于光譜曲線(xiàn)相似，平緩的地物，比如圖像中的水泥地和裸地，由于去包絡(luò)線(xiàn)后的光譜曲線(xiàn)相似，同時(shí)在分類(lèi)時(shí)又忽略了原圖像的灰度值，因此導(dǎo)致分類(lèi)精度降低。如果對(duì)包絡(luò)線(xiàn)消除后的圖像分類(lèi)時(shí)，再綜合考慮包絡(luò)線(xiàn)節(jié)點(diǎn)處波段對(duì)應(yīng)的原圖像的灰度值，應(yīng)該會(huì)在一定程度上解決這個(gè)問(wèn)題。

(3)光譜角度匹配法充分利用了高光譜圖像光譜維的信息，對(duì)高光譜圖像的分類(lèi)識(shí)別明顯好于基于傳統(tǒng)圖像的最大似(modu)。

(3)參與簽名的成員將其部分簽名(x,s)(i=1,2,…t)發(fā)送給簽名生成者DC。

(4)

(5)

 簽名的驗(yàn)證

驗(yàn)證者根據(jù)下式來(lái)驗(yàn)證群簽名(m,S)是否有效：

3  完備性證明