這幾天我們一直在討論有關(guān)無人機(jī)高光譜方面的介紹，今天，我們將一起探討一下有關(guān)無人機(jī)高光譜數(shù)據(jù)處理與建模方法是怎樣的知識(shí)點(diǎn)，小編希望可以幫助到大家。

1 、無人機(jī)高光譜數(shù)據(jù)處理與建模方法

成像光譜與空間構(gòu)型數(shù)據(jù)在處理流程、建模方法和結(jié)果應(yīng)用上均不相同, 前者以提取特征信息建立參數(shù)反演模型為目的, 后者則能夠建立測區(qū)三維空間結(jié)構(gòu)模型。成像光譜數(shù)據(jù)中的高光譜獲取的是不限波段范圍的窄間隔連續(xù)光譜數(shù)據(jù), 因此數(shù)據(jù)量大, 波段提取和信息壓縮是高光譜數(shù)據(jù)處理的首要任務(wù)。熱紅外獲取的是2.5~14 μm波段的數(shù)據(jù), 包括連續(xù)和非連續(xù)的數(shù)據(jù)。由于該波段與溫度關(guān)系密切, 數(shù)據(jù)處理也以提取溫度信息為主要目標(biāo)。空間構(gòu)型數(shù)據(jù)中, SfM方法基于可見光攝影測量, 解算后的數(shù)據(jù)是帶有色彩信息的三維空間坐標(biāo), 基于激光直接測量獲取的則僅有空間位置信息。

1.1成像光譜數(shù)據(jù)處理與建模

成像光譜技術(shù)中使用可見光成像和多光譜數(shù)據(jù)的通常直接選取特征波段或計(jì)算植被指數(shù), 將主成分提取后的光譜特征信息與作物的各項(xiàng)生理生化指標(biāo)建立反演模型。

高光譜因?yàn)椴ǘ蚊芗? 數(shù)據(jù)量大, 需要先選擇與農(nóng)田信息密切相關(guān)的特征波段。信息量、投影、相似度計(jì)算及小波分解法均可作為特征波段選擇的依據(jù)。基于信息量的波段選擇, 可將高光譜影像灰度值(Digital Number, DN)的標(biāo)準(zhǔn)差, 可以看作最簡單的信息量度量, 信息熵,波段熵值高則信息量豐富; 基于投影的選擇包括主成分分析法、獨(dú)立成分分析法等, 以壓縮波段, 降低維數(shù)為目的; 相似度計(jì)算中波段的空間自相關(guān)程度高則包含的信息量大而相關(guān)程度高的波段間存在信息冗余; 小波分解法目前已有很多小波基可供選擇(雙正交樣條、Harar、Daubechies、高斯、Symlet、Meyer、Colilet小波等), 選擇某一小波基后, 即可對(duì)一維或二維信號(hào)進(jìn)行離散或連續(xù)的小波變換。

提取出特征波段后的高光譜數(shù)據(jù)處理過程與可見光成像和多光譜類似, 可直接計(jì)算波段反射率, 或計(jì)算各項(xiàng)植被指數(shù)后, 采用一元回歸和多元回歸等方法建立其與作物生長參量間的線性、對(duì)數(shù)、二次、冪函數(shù)等模型;也可根據(jù)如植被光學(xué)輻射傳輸?shù)饶Ｐ? 通過全局敏感性分析法(Sobol法、二叉樹遍歷法、GLUE法、FAST法)評(píng)價(jià)非線性模型中作物目標(biāo)生長參數(shù)對(duì)于光譜信息的影響及相應(yīng)的敏感波段, 通過查找表法、數(shù)值優(yōu)化法、人工神經(jīng)網(wǎng)絡(luò)法等方法反演作物生長信息; 或者基于機(jī)器學(xué)習(xí)(基于神經(jīng)網(wǎng)絡(luò)、高斯過程回歸、核嶺回歸、隨機(jī)森林等)對(duì)農(nóng)田信息反演建模。

熱紅外波段反演地溫的方法主要有單窗算法、劈窗算法、多通道和多角度算法。單窗算法利用一個(gè)熱紅外波段反演地表溫度, 劈窗算法利用相鄰兩個(gè)熱紅外波段, 是目前最為成熟的反演算法。研究者對(duì)熱溫?cái)?shù)據(jù)分析處理通常使用相對(duì)熱溫指數(shù), 包括目標(biāo)器官或組織之間的熱溫差或熱溫比值, 目標(biāo)區(qū)域監(jiān)測員手指之間的指溫差指數(shù)和指溫比指數(shù)增加不同熱像中熱溫?cái)?shù)據(jù)的可比性。如林業(yè)中常用的邊心溫比就是伐樁橫截面的邊材與心材熱溫比值。由于紅外輻射的衍射效應(yīng)較可見光強(qiáng), 所以圖像對(duì)比度較弱, 邊緣模糊, 目標(biāo)區(qū)域分割邊緣提取是一項(xiàng)難點(diǎn)。目前圖像邊緣檢測一般利用圖像邊緣的一階和二階導(dǎo)數(shù)信息, 例如:梯度法, 模板算子法等, 被廣泛使用的模板算子有Sobel算子、Prewitt算子和Laplacain算子等。

1.2空間構(gòu)型數(shù)據(jù)處理與建模

SfM方法首先要對(duì)原始圖像進(jìn)行無畸變處理, 校正由相機(jī)鏡頭引起的失真, 獲取無畸變圖像序列相對(duì)定向過程選擇匹配特征點(diǎn)多且居于飛行區(qū)域中央的兩張影像作為初始像對(duì), 通過特征匹配、前后方交會(huì)解算初始像對(duì)兩幅影像的相機(jī)參數(shù)及同名坐標(biāo)點(diǎn)初始值, 再利用光束法平差優(yōu)化結(jié)果; 添加新影像, 利用已求得的三維點(diǎn)坐標(biāo),及影像間的匹配特征點(diǎn), 空間后方交會(huì)估算新添加影像的相機(jī)參數(shù)、對(duì)應(yīng)特征點(diǎn)坐標(biāo), 再次平差優(yōu)化直到完成所有影像的添加; 最終完成由農(nóng)田航拍影像到三維點(diǎn)云的構(gòu)建。此過程生成的點(diǎn)云是離散的, 利用點(diǎn)云內(nèi)插方法得到數(shù)字高程模型(Digital Elevation Model,DEM)后能覆蓋整個(gè)測區(qū)。

好了，那么以上就是有關(guān)無人機(jī)高光譜數(shù)據(jù)處理與建模方法是怎樣的介紹，希望可以對(duì)大家有益哦。

萊森光學(xué)（深圳）有限公司是一家提供光機(jī)電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

　　審核編輯：湯梓紅