10.1 分数域高光谱信号处理在线视频

同学们好

前面的课程讲了分数傅里叶变换的基本理论

今天要讲的内容是

分数傅里叶变换在高光谱图像中的应用

主要内容分为四个部分

第一部分讲

为什么要在高光谱图像处理中

运用分数傅里叶变换

第二部分讲

如何利用分数傅里叶变换

进行高光谱图像的一维光谱分析

第三部分是运用分数傅里叶变换

进行二维空间分析

最后是对这节课的内容做一个总结

近年来我国发射了

许多不同类型的对地观测卫星

包括常见的光学成像卫星

雷达成像卫星等等

那么如何利用这些传感器资源对军事

经济社会发展做贡献

一直以来都是一个很重要的课题

那么自然的有一个问题

这么多种多样的数据

都有什么用处

具体来源于哪些平台

如图可以看到

上至太空中的观测卫星

下至地面上的光谱扫描仪

空中飞行的机载多摄像平台

都提供了丰富的数据资源

可以用于农业 林业 城市规划等等各种领域

多源遥感数据包括可见光 高光谱

激光雷达 红外和合成孔径雷达数据

从图中可以看出

每种数据源都可以独特的表征

被观测物的特定特征

比如高光谱图像可以表征地物的光谱特征

激光雷达图像可以表征地物的高度特征

那么如何利用信号处理工具来分析这些数据

首先从视觉上分析

我们之前讲过的分数傅里叶变换

如何从不同的维度表示遥感数据

高光谱图像对于地面物体的光谱特征

具有精细化的表示能力

那么信号处理工具作用于这种光谱特征时

会有什么样的变化

看左边这个图

会发现经过不同阶次的分数傅里叶变换

物体的光谱曲线会产生明显的变化

同样的 如果用不同阶次的分数傅里叶变换

来观察二维的雷达数据

和三维的高光谱数据时会有怎样的效果

可以看到

随着阶次的变化

图像的空间信息和光谱信息同步的发生了变化

观察到以上的一些现象以后

大家是不是会有一些疑问

这样的变化具体有什么作用

如何利用这些特征

为什么分数傅里叶变换

可以助力多源遥感图像解译

我们可以通过两个方面来介绍

第一是如何利用分数傅里叶变换

分析图像光谱信息

第二是如何利用分数傅里叶变换

分析图像的空间信息

第一个方面是如何利用分数傅里叶变换

分析图像光谱信息

我们主要利用光谱信息进行高光谱

图像的异常目标检测

在前面的课程中已介绍过

分数域特征是介于

原信号与其傅里叶变换域之间的特征

因此 对高光谱图像中

每一个像素的光谱曲线做多域分数傅里叶变换

会呈现出不同的分布特征

这样就可以运用这些特征

来对背景和目标进行分离

进而达到异常目标检测的目的

那么为什么分数傅里叶变换

可以有助于高光谱图像的光谱特征提取

和异常检测

可以看到

在分数傅里叶变换前

两个正常的类别与一个异常的目标

其幅值和分布都呈现出相似的结果

而经过分数傅里叶变换后的三个像素

幅值得到了对应的扩大区分

通过改变信号与背景噪声的分布

有利于信号与背景噪声的区分

接下来介绍一下怎样具体的利用这种特性

以及怎样选取合适的分数傅里叶变换阶次

首先对每个像素点的光谱曲线进行

多域分数傅里叶变换分析

通过计算不同阶次的分数傅里叶变换

熵值来选取最优的变换阶次

在这个最优的变换阶次可以得到

更好的目标与背景噪声分离效果

进而完成高光谱异常检测的任务

所提方法在实际的各个场景中

都可以实现异常检测的目标

对比一些先进的异常检测方法

具有明显的优势

第二个方面是如何利用分数傅里叶变换

分析图像的空间信息

我们主要利用

二维和三维空间变换域信息进行地面物体分类

同样 图像的分数域特征是介于

原信号与其傅里叶变换域之间的特征

随着阶次的变化

图像的空间信息和光谱信息同步的发生了变化

这样每个场景的全局和局部特征有着对应的变化

每一种类别的物体都具有

其特有的空间 光谱 变换域特征

这对于分类任务来说提供了更多的信息

那么为什么需要这种变换域信息

这是因为在高光谱图像中

有时同样的地面物体会有着不同的光谱信息

这可能受到光照和角度等因素的影响

此时仅仅使用光谱信息是不够的

而空间上存在复杂的纹理变化信息

此时光谱和空间信息

就不足以区分不同的地面物体了

那么如何提取光谱和空间的变化信息

还有不同物体的分布趋势

这时分数变换就体现出了优越性

在所提方法中

首先融合高光谱图像和雷达图像的信息

然后通过不同阶次的分数变换来提取

多个变换阶次下的三维变换域信息

每个卷积层都提取了不同的分数域特征

随后运用这些特征对地面物体进行分类

在深度学习的过程中

不同的分数变换层提取了多种尺度

多种方向的变换域特征

可以更加全面的获取

地面物体的纹理和变化特征

所提的方法可以提取更加全面的信息

更加细致的特征

所以可以获得更高的地面物体分类准确率

对比现有的协同分类方法

所提方法分类准确率更高

最后对这节课介绍的内容进行一下归纳总结

这堂课主要介绍了利用分数傅里叶变换

进行高光谱图像的智能解译意义

也具体的分析了

如何从一维的光谱信息 二维的空间信息

来进行多个维度的

原信号与变换域特征的联合分析

这样综合的利用多种遥感数据源

完成异常目标检测和地面物体分类的任务

进一步的

在以后的研究中

这种变换域特征提取的方法

可以广泛的应用于频域 变换域特征提取

多维度图像智能解译

增强神经网络的可解释性

在现实生活中

也可以助力智慧农业林业

智慧城市 军事检测和环境保护等领域

这就是本节课所介绍的分数傅里叶变换

在高光谱遥感图像解译中的应用

谢谢大家