波段

连续且细分的光谱波段对目标区域同时成像，形成了包含数十至数百个波段的高光谱图像（HSI Hyperspectral Image）（张良培和李家艺，2016）。由于包含丰富的光谱和空间信息，高光谱图像被广泛应用于各种任务，如复杂环境下的地物精细分类（Thenkabail和Lyon，2011；崔宾阁 等，2019）、目标检测（Nasrabadi，2014；Zhu 等，2019） 和植被面积估计（Lees，2020）等。高维度的光谱数据在为图像处理提供更多光谱信

C 281 的窄波段影像里，可见光波段可见的恒星已被移除。而影像中所见的恒星，则是后来再数字化叠加上去的。不过，所用的恒星数据并非来自可见光波段，而是X 射线波段钱德拉卫星（紫）和红外波段史匹哲太空望远镜（红）的数据。这幅多波段组合景观，展现此区域内嵌星团IC 1590 的恒星之多样性。在可见光波段的影像里，这些年轻恒星受到胎衣云气和不透光尘埃的遮掩通常隐不可见。跨幅约80 光年的NGC 281，在后院天文摄影者的圈子里，因它在可见光波段的外观而有小精灵星

、伽马、光学V 波段的流量和星等数据,用离散相关函数方法评估了多波段间的相关性,结果显示伽马波段和射电波段的相关系数为0.53,时间延迟约为90 天,伽马波段比射电波段超前约90 天;射电和光学V 波段的相关系数为0.84,时间延迟约为—300 天,光学V 波段比射电波段超前约300 天;伽马和光学V 波段没得出具体相关性.说明光学波段由同步辐射主导,射电波段与光学波段的时间延迟可以解释为光学波段的辐射区域在上游,射电波段在下游.而伽马波段与射电波段是同源

中统计相关信息，波段相关系数、标准差、最大值、最小值等.图2 矢量数据影像的不规则裁剪3 最佳波段组合3.1 最佳波段选择原则选择波段主要有以下原则：遥感影像的光谱数量越来越多，其中含有的信息也越加详细，但是也会增加数据冗杂过多，反而不利于地物的提取；彩色合成时，各个波段之间的相关性小；参与波段合成得到的彩色图像对所要研究区的地物类型之间的光谱差异要大.那些信息含量多、相关性小、地物光谱差异大、可分性好的波段组合就是最佳组合[3].3.2 基于光谱特征分析

像光谱信息、影像波段说明或借用前人经验及参考文献提到的波段组合进行研究区地物解译和特征提取工作[6-8]。然而随着光谱分辨率的不断提高，影像中相邻波段之间的相关性大大增加，致使波段间存在大量冗余信息，最终导致分类时出现数据处理复杂、计算时间较长的现象。选择最佳的波段组合对提高影像分类效率和精度是非常关键的，李秀梅等[9]利用标准假彩色432波段合成影像用于植被解译并根据相关性最小、信息量最大化的特点，选取742波段合成影像用于海岸线变化提取。Chavez[

连续紧密的光谱波波段上对目标同时成像。高光谱数据是一个图像立方体，它的前两个维度代表图像的空间位置，第三个维度代表图像的波段，所以它的每一个像元是一条连续的光谱曲线，通过分析光谱曲线的特点，可以得到像素点所代表的地物真值对象。也可以把像元看成一个模式，它的属性值等于对应波段上的辐射亮度值。高光谱图像因为含有很大的信息量，使其在多种应用(医学、农作生产、矿物勘探等)方面具有很大的价值，但因波段之间具有较高的冗余，所以存在存储空间消耗大、计算时间长、图像分类时

植被信息提取最佳波段组合研究——以浙江省龙泉市为例谭莹 徐军 毛华英（浙江省森林资源监测中心 浙江杭州 310020）以龙泉市为例，运用最佳指数OIF法，同时结合Landsat 8各个波段的统计信息和相关系数、地物光谱特征曲线及各波段主要用途进行综合分析，探讨了Landsat 8影像用于植被信息提取时的最佳波段组合的选择。结果显示：256波段组合信息量最为丰富，为植被信息提取的最佳波段组合。Landsat8影像；最佳波段组合；最佳指数（OIF）；地物光谱特

。高光谱数据因其波段众多可以提供地物更精确详尽的信息，但与此同时也带来了信息冗余，因而在对数据分析时会产生较高的计算复杂度以及Hughes现象，所以在高光谱图像处理过程中，降维是其重要环节。遥感数据降维有两种方法：特征提取和波段选择。特征提取是用映射的方法将原始数据变换为较少的新特征，常用的方法有主成分分析、独立成分分析、局部线性嵌入等[1-3]。与特征提取不同，波段选择依据高光谱遥感数据的特点从原始数据集中选择合适的波段子集，在不改变原始数据的物理意义及

表示的高光谱影像波段选择算法董安国， 龚文娟， 韩 雪(长安大学理学院，西安 710064)为了去除高光谱影像的数据冗余，提高高光谱影像处理的精度和效率，提出了一种基于线性表示的高光谱影像波段选择算法。针对每一个波段，建立与其他波段的线性表示关系，依据复相关系数确定相关程度最高的波段，将其作为冗余波段去除； 对剩余波段重复上述过程，得到最小波段集； 并证明了利用该波段集和全波段所选的端元是一致的，在不影响端元提取的前提下，最大程度地去除了冗余波段。通过2组

91）高光谱数据波段多、波段之间相关性强，导致信息冗余严重，增加了数据处理的工作量，有效准确地在众多波段中选择具有代表性的波段尤为重要。首先用Wilks’Lambda（WL），随机森林（random forest，RF）与自适应波段选择（adaptive band selection，ABS）这3种方法对高光谱数据进行降维处理。然后提出了基于曲线误差指数的评价方法，用此指数的趋势来确定每种降维方法所要选择的合适波段数量，同时用指数的大小评价不同降维方法的优

50081）基于波段指数的快速高光谱图像波段选择方法孙康1陈金勇1（中国电子科技集团公司第五十四研究所，石家庄，050081）波段选择在高光谱图像降维处理领域具有十分重要的作用，可以提高高光谱图像的分类精度。波段选择本质上是最优波段的组合优化问题，因而往往具有较高的计算复杂度，限制了波段选择技术在高光谱图像中的应用。本文提出了一个基于协方差矩阵的快速波段选择方法，该方法波段选择的目标是具有最大协方差矩阵行列式的波段集合。利用本文提出的一个前向递推迭代技巧和

划分的高光谱图像波段选择方法*王 琪 杨 桄 向英杰(空军航空大学航空航天情报系 长春 130022)高光谱遥感图像数据具有数据量大、波段冗余度大、波段间相关性强的特点,不利于图像的判读解译。如何从上百个波段中选出最优的波段组合对目标识别和分类是需要解决的问题。论文利用自动子空间划分法,结合相关系数矩阵“分块”的特点将所有波段进行大致划分,运用自适应波段选择法和光谱角制图算法进行波段选择。首先对所有波段利用相关系数矩阵划分子空间,再在各个子空间提取指数最大

高效的高光谱图像波段选择方法孙康1耿修瑞2陈金勇1计璐艳3唐海蓉2赵永超2许妙忠41.中国电子科技集团公司第五十四研究所2.中国科学院电子学研究所3.清华大学地球系统科学研究中心4.武汉大学测绘遥感信息工程国家重点实验室在非监督波段选择领域，算法鲁棒性和高效性具有重要意义。本文基于图表示提出了非监督波段选择算法，称为GRBS（graph representation based band selection），该算法既对噪声波段有较高的鲁棒性，同时又具有较

利用分类中的最佳波段组合研究 ——以湖北省恩施市为例张金龙1，常 胜1，2*（1.湖北民族学院林学园艺学院，湖北恩施445000；2.湖北民族学院生物科学与技术学院，湖北恩施445000）为提取土地利用/覆被信息，选取恩施市2015年10月的landsat8卫星OLI影像作为实验数据，在统计和分析各波段的光谱特征的基础上，计算最佳指数因子（OIF），并结合典型地物光谱特征曲线，对最佳波段组合的选择进行研究.结果表明：将最佳指数法和典型地物光谱特征分析法相结

高光谱数据量大，波段多且窄，波段之间相关性强，信息冗余度较高。一方面数据量的剧增给数据的处理和解译带来很多问题；同时波段之间的相关性和冗余信息对传统的图像分类算法提出了巨大挑战。因此，有必要对高光谱海冰数据进行降维处理。现有的降维方法有基于特征提取和基于波段选择两种方法，而波段选择方法可以保持图像的原有特性，更有利于对图像进行分析，成为高光谱降维的重要研究方向。目前已经提出的波段选择算法很多，具体分为监督波段选择和非监督波段选择两类，非监督波段选择方法不需

是利用连续的窄小波段获取目标有关信息的技术，高光谱数据将传统的图像维和光谱维信息融为一体，在获取目标空间图像的同时，得到每个图像单元对应的光谱信息，这样，在基于空间维度进行目标分类识别的同时，能够从光谱维度依光谱特征实现目标信息的反演和识别。高光谱数据中波段数量多，波段之间相关性强，信息冗余多，使数据处理难度加大。为了有效地利用高光谱数据的丰富信息，同时较快地完成数据处理，就需要对原始数据进行降维［1］。波段选择便是降维的重要方法之一，依据一定的判据从全部

连续且细分的光谱波段对目标区域同时成像，在获得地表图像信息的同时，也获得其光谱信息，将地物的光谱特征与图像相结合，提供了大量丰富的信息。高光谱图像的数据量巨大且极其宝贵，所以在高光谱图像压缩领域中，无损压缩[1-2]成为研究热点，其中预测算法以其简单且优良的性能被广泛应用。虽然高光谱图像波段间的相关性较强，但是由于大气、水吸收等原因，使得高光谱图像中一些波段与相邻波段的相关性下降，若直接采用波段的自然顺序进行预测编码，则很难获得理想的压缩效果。波段的分组排

湿地信息提取最佳波段组合颜凤芹1,2，于灵雪1,2，杨朝斌1,2，卜 坤1，杨久春1，常丽萍1，张树文1（1.中国科学院东北地理与农业生态研究所， 长春 130102； 2.中国科学院大学，北京 100049）湿地在维持生态平衡等方面发挥着重要的作用，因此，湿地的监测与保护是研究者们关注的话题。遥感技术的出现为湿地研究提供了强有力的技术支撑。在湿地遥感中，目视解译仍然是湿地信息提取的重要方法。影像的最佳波段的选取与合成作为色彩合成的重要部分，直接对目视解译

）1 引 言最佳波段组合选取是图像解译和专题信息提取的重要前提［1］。它决定了彩色影像能否显示较丰富的地物信息或突出某一方面的信息。实际应用时，应根据不同的应用目的，经实验、分析寻找最佳合成方案，以达到最好的目视效果［2］。遥感影像数据提供大量的地物光谱特征，最佳波段选取关键是从中有效地识别各种地物信息，以便于图像的目视解译和特征提取。如何从遥感数据中选取最佳波段赋予合理的色彩组合，是图像增强处理中的关键问题之一。目前，很多学者对特征提取中最佳波段组合选取

遥感的数据量大，波段间的冗余度高，在处理高光谱数据时会出现Hughes现象——维数祸根［3］，因此对高光谱数据应进行降维处理，目前降维的法有基于特征提取和基于特征选择两种方法，而基于特征选择方法能较好地保持图像原有特性［4］。波段选择应以波段间的相关性小且所包含的信息量大为原则，并且波段组合对地物的光谱差异要大。荆耀栋等［5］通过波段间相关性以及最佳指数分析，获取沙地信息的最佳波段组合;刘建平等［6］提出了基于遥感图像上不同地物可分性大小的最佳波段组合的选

多光谱数据，最佳波段选取是遥感图像增强处理的关键部分，直接影响到目视解译和研究对象的信息提取.目前，目视判读在遥感图像解译中仍具有重要作用，人眼对彩色比较敏感且分辨能力强，而TM单波段图像为灰度图，不利于目视判读.根据彩色图像合成原理，如果在3个通道上安置3个波段图像，然后分别赋以红、绿、蓝色，叠合在一起即可得到彩色图像[4].因此，选择合适的波段数据合成彩色图像，可充分利用信息丰富的彩色合成图像进行目标判读.如何从TM影像的多光谱数据中选取最佳波段合成彩