多光谱卫星遥感数据彩色合成最佳波段选取研究(2)
1.1 研究的目的和意义
现代计算机高速发展，伴随的是遥感数字图像处理技术，空间信息分析技术，模式识别技术的飞速发展。多光谱遥感得到广泛应用，利用遥感影像对地物信息提取和分类在社会生产生活中如大气探测、植被调查、农作物估产、土地利用调查等方面发挥重大作用，对自然灾害的预测，防治,国民经济的健康发展也起到了不可替代的作用。对图像信息的提取目前依然主要依赖于目视解译，而人眼对灰度信息的识别能力有限，一般只能分辨10多级灰阶，利用彩色合成的方法可以充分发掘图像信息（孙家抦，2003）。多光谱，高光谱乃至超光谱遥感技术的发展趋势迅猛，同一地区不同时相，不同空间分辨率，不同传感器类型的遥感数据越来越繁复，如何快速准确的提取选择影像数据来进行彩色合成从而加强研究区域的可解译性是当代遥感图像处理面临的一个重大问题。高光谱数据因其文度较高，在数据处理像时混合像元分解、自动分类等方面常面临巨大挑战，例如美国的机载可见-红外成像光谱仪获得的数据通常达到224个波段左右，当成像尺寸为512*614时，数据大小就可以达到137M，直接使用这样的数据计算量很大（周杨，2014）。同时因为高光谱波段宽度非常窄且相互有重叠，波段之间的相关性很高，信息冗余量大。在处理高光谱图像时使用波段选择方法就可以轻松取得降文的目的。陆地成像仪OLI（Operational Land Imager）作为较为先进的多光谱传感器，其噪声小，各方面性能较ETM+增强型专题制图仪有很大提升。关于如何选择最佳波段组合合成彩色图像从而提高地物信息的提取和分类效果的研究变得极为重要，这类研究可以为高光谱，甚至超光谱遥感服务。对于基于波段间信息量及相关性的波段选择方法：最佳指数法（Optimal Index Factor，OIF），其波段组合的选择是否合理，以及对于不同地物类型，是否具有普适性有待检验。自适应波段选择方法，作为对最佳指数法的优化方法，我们需要检验这种方法是否取得波段选择的目的，同时了解此方法选择的波段组合的分类效果。
1.2 国内外研究现状
1.3 研究环境和方法
本次研究采用ENVI 5.1进行图像处理，MATLAB和EXCEL进行参数运算，遥感数据来自于地理空间数据云2015年1月19日的Landsat-8 OLI传感器获得的图像。从中裁剪360*360的子图像作为研究对象，研究区域多水域和房屋，沿湖多植被。采用本研究得到最佳波段组合后对研究区域进行分类并进行精度评价同时针对不同类别分析比较波段选择对其解译的效果的影响。
1.4 本文的组织
本文由五部分组成。首先说明多光谱遥感数据彩色合成中最佳波段选择的研究目的和意义，阐述国内外研究现状和本实验研究路线（第一章），接着对研究数据做了说明并例举常见的波段组合方式（第二章），然后最为本文重点的波段选择方法研究和结果分析（第三，第四章），最后对本文结论做总结并分析存在的问题和未来研究方向。
2. 研究区域数据的获取
2.1 研究区概况
云龙湖位于徐州市区西南部圭河上游，位置约东经117°91′、北纬34°08′，典型低山丘陵地区，属于人工湖，水域面积7.5平方公里，气候湿润，降雨集中在夏季。地形呈由西北向东南倾斜的趋势，地面高程大致为31~36米之间。植被茂密，区域内山林以侧柏为主，绿化覆盖率达85%以上。城区，农田均有分布，满足本次研究需要。
2.2 OLI数据特点
Landsat8上携带了陆地成像仪OLI和热红外传感器TIRS两种传感器。其中，OLI包含9个可见光、近红外波段，TIRS包含2个热红外波段。OLI各波段的波长范围、地面分辨率及主要用途见表1。与ETM+的可见光、近红外波段相比较，OLI的波段做了以下调整：