• 中国出版政府奖提名奖

    中国百强科技报刊

    湖北出版政府奖

    中国高校百佳科技期刊

    中国最美期刊

    留言板

    尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

    姓名
    邮箱
    手机号码
    标题
    留言内容
    验证码

    基于Hymap模拟的星载高光谱数据质量评价

    周萍 李娜 霍红元

    周萍, 李娜, 霍红元, 2015. 基于Hymap模拟的星载高光谱数据质量评价. 地球科学, 40(8): 1310-1318. doi: 10.3799/dqkx.2015.111
    引用本文: 周萍, 李娜, 霍红元, 2015. 基于Hymap模拟的星载高光谱数据质量评价. 地球科学, 40(8): 1310-1318. doi: 10.3799/dqkx.2015.111
    Zhou Ping, Li Na, Huo Hongyuan, 2015. The Quality Assessment of Hymap Simulation Spaceborne Hyperspectral Data. Earth Science, 40(8): 1310-1318. doi: 10.3799/dqkx.2015.111
    Citation: Zhou Ping, Li Na, Huo Hongyuan, 2015. The Quality Assessment of Hymap Simulation Spaceborne Hyperspectral Data. Earth Science, 40(8): 1310-1318. doi: 10.3799/dqkx.2015.111

    基于Hymap模拟的星载高光谱数据质量评价

    doi: 10.3799/dqkx.2015.111
    基金项目: 

    中国地质调查局地质大调查项目 121201081633

    国家高技术研究发展计划(863计划)项目 2008AA121100

    国家高技术研究发展计划(863计划)项目 2012AA12A308

    国家自然科学基金项目 41402293

    详细信息
      作者简介:

      周萍(1964-), 女, 博士, 副教授, 主要从事高光谱遥感地学的教学及科研工作.E-mail: zhoupx@cugb.edu.cn

    • 中图分类号: P627

    The Quality Assessment of Hymap Simulation Spaceborne Hyperspectral Data

    • 摘要: 为了有效、合理、客观地评价高光谱卫星数据质量, 充分发挥其在矿产及能源普查方面的作用, 进行了一系列研究.围绕最具代表性的3种载荷指标(几何空间分辨率、波谱分辨率及信噪比)的不同尺度, 从均方差异常、直方图异常、数据相关性异常、反射率曲线异常、信噪比参量以及该模拟数据的实际应用(蚀变信息提取和矿物填图)等多角度入手, 系统而全面地分析了模拟星载Hymap高光谱数据针对不同指标与尺度的影像质量效果.研究结果表明, 这3种载荷指标之间相互制约, 并随着空间分辨率和波谱分辨率的提高将降低图像的信噪比.当几何空间分辨率为15 m、波谱分辨率为15~20 nm, 同时信噪比≥350时, 就可以满足常规的矿物填图要求.

       

    • 图  1  航空Hymap数据(a)和模拟星载Hymap数据(b)

      Fig.  1.  Aviation Hymap data (a) and simulated spaceborne Hymap data (b)

      图  2  不同空间分辨率(a)、光谱分辨率(b)和信噪比(c)模拟影像均方差曲线对比

      Fig.  2.  Mean square error curve comparing of different spatial resolution (a), spectrum resolution (b) and SNR (c) simulation images

      图  3  不同空间分辨率(a)、波谱分辨率(b)和信噪比(c)的模拟影像Band1对比

      Fig.  3.  Band1 histogram contrast of different spatial resolution (a), spectrum resolution (b), SNR (c) simulation image

      图  4  不同空间分辨率(a)、波谱分辨率(b)、信噪比(c)的模拟影像波段相关图

      Fig.  4.  Band correlation diagram of different spatial resolution (a), spectrum resolution (b), SNR (c) simulation image

      图  5  不同空间分辨率(a)、波谱分辨率(b)、信噪比(c)模拟影像在A点光谱曲线对比

      Fig.  5.  Different spatial resolution (a), spectrum resolution (b), SNR (c) simulation image spectral curve contrast of A point

      图  6  不同波谱分辨率(a)、空间分辨率的信噪比(b)曲线对比

      Fig.  6.  SNR curve contrast of different spectrum Resolution (a) and different spatial resolution (b)

      图  7  不同空间分辨率(a)、波谱分辨率(b)、信噪比(c)模拟数据的提取结果

      图中方框为软件自带定义窗口

      Fig.  7.  The extraction results of different spatial resolution (a), spectrum resolution (b) and SNR (c) simulation image

      图  8  15 m空间分辨率的模拟Hymap数据

      Fig.  8.  15 m spatial resolution simulation Hymap image

      图  9  主要蚀变矿物的不同光谱曲线对比

      a.高岭石;b.绿泥石;c.绿帘石;d.绢云母;e.金红石;f.蛇纹石

      Fig.  9.  Different spectral curve contrast of main alteration minerals

      表  1  载荷模拟数据的参数设置

      Table  1.   The parameters set of the load simulation data

      参数设置 指标参数
      成像时间(GMT) 2010-06-01,06∶30∶00 A.M.
      成像区域中心坐标 42°11′20.37″N,265°51′59.87″W
      地面平均海拔 0.8 km
      地表温度 300 K
      大气类型 中纬度夏季
      气溶胶类型 乡村,能见度为23 km
      传感器高度 650 km
      传感器观测角度 180°
      空间分辨率 15、45、60和75 m
      光谱范围 400~1 000 nm(VNIR)900~2 500 nm(SWIR)
      光谱分辨率 30、25、20、15和5 nm
      波段数 120(VNIR)160(SWIR)
      MTF(奈奎斯特频率) 0.2
      信噪比(地面反照率0.3,太阳天顶角30°) 200(VNIR)150(SWIR)
      量化位数 12 bit
      动态范围 20 μw/(cm2×sr×nm)(VNIR)
      11 μw/(cm2×sr×nm)(SWIR)
      注:据赵慧洁,2009. 矿物光谱分解算法开发和弱信息识别技术研究.矿物光谱分解算法开发和弱信息识别技术研究设计方案报告
      下载: 导出CSV
    • Chen, Q.L., Xue, Y.Q., 2000. Calculate the SNR of OMIS Imaging Spectrometer Data. Journal of Remote Sensing, 4(4): 284-289(in Chinese with English abstract). http://www.oalib.com/paper/1470304
      Cheng, P.Q., 2002. The Tutorial of Digital Signal Processing(Second Edition). Tsinghua University Press, Beijing(in Chinese).
      Clark, R.N., King, T.V.V., Klejwa, M., et al., 1990. High Spectral Resolution Reflectance Spectroscopy of Minerals. Journal of Geophysical Research, 95(B8): 12653-12680. doi: 10.1029/jb095ib08p12653
      Gao, B.C., 1993. An Operational Method for Estimating Signal to Noise Ratios from Data Acquired with Imaging Spectrometers. Remote Sensing of Environment, 43(1): 23-33. doi: 10.1016/0034-4257(93)90061-2
      Han, M.X., 2010. Remote Sensing Data Quality Evaluation Method. Association for Science and Technology, (3): 86-86(in Chinese).
      Jensen, J.R., 2007. Introduction to Digital Image Processing. Chen, X.L., Translated. Machinery Industry Press, Chengdu (in Chinese).
      Keshk, H.M., Abdel-Aziem, M.M., Ali, A.S., et al., 2014. Performance Evaluation of Quality Measurement for Super-Resolution Satellite Images. Digital Image Processing, 6(2): 364-371. doi: 10.1109/SAI.2014.6918212
      Kruse, F.A., 2000. The Effects of Spatial Resolution, Spectral Resolution, and SNR on Geologic Mapping Using Hyperspectral Data, Northern Grapevine Mountains, Nevada. In: Proceedings of the 9th JPL Airborne Earth Science Workshop, ed. . Jet Propulsion Laboratory Publication, California, 1-9.
      Ma, D.M., 2004. Hyperspectral Image Quality Assessment. Infraded, (7): 18-23(in Chinese with English abstract).
      Ma, S.B., An, Y.L., Zhang, Y.H., 2014. HJ-A Remote Sensing Satellite CCD Data Quality Evaluation. Journal of Liupanshui Teachers College, 26(2): 38-42(in Chinese with English abstract).
      Paul, J.C., Jenniefr, L.D., 1989. Estimation of Signal to Noise: A New Porceduer Applied to AVIRIS Data. IEEE Geoscience and Remote Sensing, 27(5): 620-628. doi: 10.1109/TGRS.1989.35945
      Wang, K.Q., 2000. Quality Assessment of Digital Image. Measurement &Control Technology, 19(5): 14-16(in Chinese with English abstract).
      Xiong, X.H., 2004. Digital Image Quality Evaluation Method Review. Science of Surveying and Mapping, 29(1): 68-71(in Chinese with English abstract).
      Yuan, T., Zheng, X.Q., Hu, X., et al., 2014. A Method for the Evaluation of Image Quality According to the Recognition Effectiveness of Objects in the Optical Remote Sensing Image Using Machine Learning Algorithm. PLoS ONE, 9(1): e86528. doi: 10.1371/journal.pone.0086528
      陈秋林, 薛永棋, 2000. OMIS成像光谱数据信噪比的计算. 遥感学报, 4(4): 284-289.
      程佩青, 2002. 数字信号处理教程(第二版). 北京: 清华大学出版社.
      韩孟啸, 2010. 遥感数据质量评价方法. 科协论坛, (3), 86-86. doi: 10.3969/j.issn.1007-3973.2010.03.045
      John R. Jensen著, 陈晓玲译, 2007. 数字影像处理导论. 成都: 机械工业出版社.
      马德敏, 2004. 高光谱图像质量评价. 红外, (7): 18-23. doi: 10.3969/j.issn.1672-8785.2004.07.004
      马士彬, 安裕伦, 张跃红, 2014. HJ-A遥感卫星CCD数据质量评价. 六盘水师范学院学报, 26(2): 38-42. doi: 10.3969/j.issn.1671-055X.2014.02.011
      汪孔桥, 2000. 数字影像的质量评价. 测控技术, 19(5): 14-16. doi: 10.3969/j.issn.1000-8829.2000.05.003
      熊兴华, 2004. 数字影像质量评价方法评述. 测绘科学, 29(1): 68-71. doi: 10.3771/j.issn.1009-2307.2004.01.022
    • 加载中
    图(9) / 表(1)
    计量
    • 文章访问数:  3268
    • HTML全文浏览量:  517
    • PDF下载量:  450
    • 被引次数: 0
    出版历程
    • 收稿日期:  2015-04-12
    • 刊出日期:  2015-08-01

    目录

      /

      返回文章
      返回