39、高光谱图像：基础与进展

高光谱图像：基础与进展

高光谱图像（HSI）包含了用于识别地表材料的关键信息。然而，由于高光谱数据的高维度特性，大多数传统的多光谱图像分类技术无法直接应用于高光谱图像，但可以进行修改以处理高维度数据。高光谱数据处理面临的主要挑战包括噪声、巨大的数据维度和光谱混合等。目前，处理高光谱数据的一个特殊挑战是如何处理高光谱成像系统产生的大量数据。一些技术旨在通过选择携带特定任务最多信息的波长子集或其线性组合来减少数据量，但能处理高光谱图像中所有可用信息的方法仍然很少，这意味着高光谱图像的全部潜力尚未得到充分挖掘。现代用于高光谱图像分析的工具包括MATLAB版本的高光谱图像分析工具包（HIAT）、HYPER - tools、ENVI等。

1. 高光谱图像增强

图像增强是一个将原始图像进行转换的过程，当图像对比度不足或噪声水平较高时，将其转换为可用于进一步分析的图像。不同的成像方式所使用的增强方法也不同。例如，用于增强MRI图像的方法可能并不适用于改善在电磁光谱的可见近红外波段拍摄的高光谱图像。高光谱图像通常具有高光谱分辨率，但由于传感器设计中的辐射灵敏度，空间分辨率和光谱分辨率之间存在权衡。

高光谱分辨率增强可以看作是对这些数据的联合处理，以获得（或重建）一个高光谱图像产品，该产品理想情况下应在更高分辨率图像的空间分辨率和采样下展现出所观察高光谱图像的光谱特征。以下是一些常见的高光谱分辨率增强方法：
- 最大后验估计方法 ：采用随机混合模型，利用高分辨率辅助图像提高高光谱图像的空间分辨率。
- 基于光谱解混和贝叶斯稀疏表示的方法 ：将高光谱图像的高光谱分辨率与同一场景的多光谱图像（MSI）以及无