高光譜成像技術是近二十年來發展起來的基于非常多窄波段的影像數據技術，其突出的應用是遙感探測領域，并在越來越多的民用領域有著更大的應用前景。它集中了光學、光電子學、電子學、信息處理、計算機科學等領域的先進技術，是傳統的二維成像技術和光譜技術有機的結合在一起的一門新興技術。
高光譜成像技術的定義是在多光譜成像的基礎上，在從紫外到近紅外（200-2500nm）的光譜范圍內，利用成像光譜儀，在光譜覆蓋范圍內的數十或數百條光譜波段對目標物體連續成像。在獲得物體空間特征成像的同時，也獲得了被測物體的光譜信息。目標物體-成像物鏡-入射狹縫-準直透鏡-PGP-聚焦透鏡-CCD棱鏡-光柵-棱鏡：PGP
圖1 成像原理圖
光譜儀的光譜分辨率由狹縫的寬度和光學光譜儀產生的線性色散確定。小光譜分辨率是由光學系統的成像性能確定的（點擴展大小）。
成像過程為：每次成一條線上的像后（X方向），在檢測系統輸送帶前進的過程中，排列的探測器掃出一條帶狀軌跡從而完成縱向掃描（Y方向）。綜合橫縱掃描信息就可以得到樣品的三維高光譜圖像數據。
圖2 像立方體
圖3 GaiaSky-min高光譜成像儀
圖4 基于無人機的GaiaSky-min高光譜成像系統
GaiaSky-mini高光譜成像系統是針對小型旋翼無人機開發的高性價比機載高光譜成像系統。采用**的內置掃描系統和增穩系統，成功克服了小型無人機系統搭載推掃式高光譜相機時，由于無人機系統的震動造成的成像質量差的問題。為高光譜成像技術在目標識別、偽裝與反偽裝等**領域，地面物體與水體遙測、現代精細農業等生態環境監測等領域的廣泛應用奠定了基礎。
l 可搭載于輕型旋翼無人機，極低的系統成本與測試成本
l 采用懸停拍攝方式，無需高精度慣導系統，圖像實時自動拼接
l 操作方便，無需專業無人機操控手，可實現單人操作
l 圖像實時回傳，監控拍攝效果
l 輔助取景攝像頭實現真正的所見即所得
l 數據預覽及矯正功能：輻射度校正、反射率校正、區域校正支持批處理
l 數據格式**兼容Evince、Envi等第三方數據分析軟件
l 支持Win7-32位或64位系統
相機規格參數表
|
型號（GaiaField-mini）
|
|
譜儀特性
|
|
光譜范圍
|
400-1000（nm）
|
|
光譜分辨率（30um）
|
4nm+-0.5nm
|
|
數值孔徑
|
F/2.8
|
|
有效狹縫長度
|
8.9(mm)
|
|
總效率
|
>50%
|
|
相機特性
|
|
傳感器
|
CCD Sony ICX285，逐行掃描
|
|
全幅像素
|
1392 （空間維）x 1040（光譜維）
|
|
像素間距
|
6.45（um）
|
|
相機輸出
|
16（bit）
|
|
連接方式
|
USB 2.0
|
|
耗電量
|
約2.5w
|
|
工作電壓
|
5V
|
|
系統特性
|
|
拍攝方式
|
懸停（內置掃描）
|
|
搭載平臺
|
旋翼無人機、無人飛艇、無人直升機等可懸停飛行器
推薦：大疆Ｓ１０００
|
|
飛行高度
|
<1000米（決定于無人機**飛行高度）
|
|
鏡頭
|
18.5,23mm（可選）
|
|
橫向視角
(FOVac，°)
|
|
|
橫向視場
|
|
|
掃描視場(°)
|
33.5@18.5mm,26@23mm
|
|
Bin方式
|
1X
|
2X(推薦)
|
4X
|
|
空間分辨率（@23mm,高度500米）
|
0.17m@18.5
0.14m@23mm
|
0.34m@18.5
0.27m@23mm
|
0.67m@18.5
0.53m@23mm
|
|
掃描速度
(line images/s)
|
30
|
60
|
84
|
|
單幅拍攝速度（秒）
|
60
|
15
|
7
|
|
重量
|
相機（含內置掃描）1.3Kg
增穩云臺：1.7kg
數采及控制器及電池：0.9kg
總重<4kg
|
|
電池
|
容量40Wh(工作時間>2小時)
|
產品詳細清單
|
名稱
|
型號
|
說明
|
|
高光譜成像儀
|
GaiaSky-mini
|
光譜范圍400~1000nm, 光譜分辨率4nm 0.5nm
|
|
成像鏡頭
|
OL及OLE系列鏡頭，標配：Hsia-OL23
|
23mm，C-mount,400~1000nm
|
|
懸疑無人機（大疆）
|
S1000
|
含有：DJI S1000八軸航拍機，DJI A2飛控，DJI iosd視頻疊加，DJI5.8G圖傳, 10寸標清 顯示器+HDMI轉接線, pl8充電器, 充電保姆，FUTABA 8J遙控器，FUTABA 14SG遙控器，模擬器，2.4G地面站
|
|
高空下落緩速系統
|
DJI DROPSAFE
|
含降落傘一套，及備用CO2氣瓶一組
|
|
采集控制系統
|
GaiaSky-mini-CP
|
250G SSD，4G內存
|
|
電池
|
6S
|
16000mAh, 22.2V,355.2Wh
|
|
增穩云臺
|
GaiaSky- gimbal
|
無刷云臺重量,
BGM5208電機
|
|
數據采集軟件
|
specview
|
光譜相機控制，數據采集，自動曝光，自動掃描速度，輔助攝像頭功能，支持遠程遙控，支持巡航+慣導（BGC IG-500N）采集模式，數據支持ENVI等第三方分析軟件。數據預處理功能：反射率校正、區域校正、輻射度校正、光譜及圖像數據預覽功能等（兩年內免費更新）
|
|
選配模塊
|
|
高精度組合航姿系統
|
Ellipse-N INS/Gps
|
功能：通過記錄姿態及位置信息，實現巡航拍攝模式，
參數詳見：http://www.sbg-systems.com
|
|
無線數據鏈路
|
GaiaSky-datalink
|
功能：遠程控制相機采集與停止
900MHz，功率1W（大），傳輸距離大達可22kg(戶外/無線可視距離)
|
二、數據預處理分析：
本文利用四川雙利合譜科技有限公司的GaiaSky-mini高光譜成像系統（光譜范圍400 nm - 1000 nm）采集野外作物的的高光譜數據，以分析作物的覆蓋度分布情況。圖5為采集現場。
圖5 數據采集現場
對Gaiask-mini拍攝的原始影像數據進行數據的預處理，預處理過程主要包括兩部分。部分是輻射定標；**部分為噪聲去除。
首先進行輻射定標。輻射定標的計算公式如1所示。
其中，Reftarget為目標物的反射率，Refpanel為標準參考板的反射率，DNtarget為原始影像中目標物的的數值，DNpanel為原始影像中標準參考板的數值，DNdark為成像光譜儀系統誤差。
其次是噪聲去除，本文運用國外較為常用的小噪聲分離方法(Minimum Noise Fraction Rotation， MNF)進行噪聲去除。小噪聲分離工具用于判定圖像數據內在的維數（即波段數），分離數據中的噪聲，減少隨后處理中的計算需求量。MNF本質上是兩次層疊的主成分變換。次變換（基于估計的噪聲協方差矩陣）用于分離和重新調節數據中的噪聲，這步操作使變換后的噪聲數據只有小的方差且沒有波段間的相關。**步是對噪聲白化數據（Noise-whitened）的標準主成分變換。為了進一步進行波譜處理，通過檢查終特征值和相關圖像來判定數據的內在維數。數據空間可被分為兩部分：一部分與較大特征值和相對應的特征圖像相關，其余部分與近似相同的特征值以及噪聲占主導地位的圖像相關。由于此次采集的高光譜影像沒有白板校正，因此數據預處理的步輻射定標沒有進行分析處理，直接作MNF降噪分析。圖6為MNF降噪前后的成像高光譜數據中DN值的變化。
圖6 MNF變換前(左)后(右)高光譜影像DN值的變化
下圖分別為不同作物及土壤的光譜反射率值。從圖7可知，不同作物在綠光區域均有明顯的反射峰，在紅光區域有明顯的吸收谷，在可見光波段與近紅外波段之間，即大約0.73um附近，反射率急劇上升，形成“紅邊”現象，“綠峰”、“紅谷”、“紅邊”均是綠色植物曲線的為明顯的三個特征；但不同作物“綠峰”、“紅谷”高低不一樣，紅邊位置也不相同。土壤的光譜反射率值在可見光和近紅外區域緩慢上升，其反射率光譜曲線與作物的光譜反射率曲線差別較大。
圖7 不同作物、土壤的光譜反射率值
三、基于無人機影像數據的作物覆蓋度提取
植被覆蓋度是指植被（包括葉、莖、枝）在地面的垂直投影面積占統計區總面積的百分比。容易與植被覆蓋度混淆的概念是植被蓋度，植被蓋度是指植被冠層或葉面在地面的垂直投影面積占植被區總面積的比例。兩個概念主要區別就是分母不一樣。植被覆蓋度常用于植被變化、生態環境研究、水土保持、氣候等方面。
植被覆蓋度的測量可分為地面測量和遙感估算兩種方法。地面測量常用于田間尺度，遙感估算常用于區域尺度。
1. 估算模型
目前已經發展了很多利用遙感測量植被覆蓋度的方法，較為實用的方法是利用植被指數近似估算植被覆蓋度，常用的植被指數為NDVI。下面是李苗苗等在像元二分模型的基礎上研究的模型（以下數據處理分析借助第三方軟件ENVI進行）：
VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （2）
其中，NDVIsoil為完全是裸土或無植被覆蓋區域的NDVI值，NDVIveg則代表完全被植被所覆蓋的像元的NDVI值，即純植被像元的NDVI值。兩個值的計算公式為：
NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （3）
NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （4）
利用這個模型計算植被覆蓋度的關鍵是計算NDVIsoil和NDVIveg。這里有兩種假設：
1） 當區域內可以近似取VFCmax=100%，VFCmin=0%。
公式（1）可變為：
VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （5）
NDVImax 和NDVImin分別為區域內大和小的NDVI值。由于不可避免存在噪聲，NDVImax 和NDVImin一般取一定置信度范圍內的大值與小值，置信度的取值主要根據圖像實際情況來定。
2） 當區域內不能近似取VFCmax=100%，VFCmin=0%
當有實測數據的情況下，取實測數據中的植被覆蓋度的大值和小值作為VFCmax和 VFCmin，這兩個實測數據對應圖像的NDVI作為NDVImax和NDVImin。
當沒有實測數據的情況下，取一定置信度范圍內的NDVImax和NDVImin。VFCmax和VFCmin根據經驗估算。
2. 實現流程
我們下面我們以“當區域內可以近似取VFCmax=100%，VFCmin=0%”情況下
整個影像中NDVIsoil 和NDVIveg 取固定值，介紹在ENVI中實現植被覆蓋度的計算方法。
使用的數據是經過輻射校準、噪聲去除的高光譜影像。
(1) 選擇Basic Tools-> Band Math，利用高光譜影像計算NDVI，輸入的公式為(float(b1)-float(b2)/ float(b1)-float(b2))，圖8為NDVI的密度分割圖。
圖8 無人機高光譜影像的NDVI密度分割圖
(2) 選擇Basic Tools->Statistics ->Compute Statistics，在文件選擇對話框中，選擇統計文件并計算統計參數，如圖9所示。
圖9選擇統計文件及統計參數
(3) 得到研究區的統計結果。在統計結果中，后一列表示對應NDVI值的累積概率分布。我們分別取累積概率為5%和95%的NDVI值作為NDVImin和NDVImax，如圖10所示。這里得到：
NDVImax=0.875057，NDVImin=0.077420
圖10統計結果
(4) 根據公式（4），我們可以將整個地區分為三個部分：當NDVI小于0.077420，VFC取值為0；NDVI大于0.875057，VFC取值為1；介于兩者之間的像元使用公式（4）計算。利用ENVI主菜單->Basic Tools->Band Math，在公式輸入欄中輸入：
(b1 lt 0.077420)*0+(b1 gt 0.875057)*1+(b1 ge 0.077420 and b1 le 0.875057)* ((b1-0.077420)/ (0.875057-0.077420))
b1：選擇NDVI圖像
(5) 得到一個單波段的植被覆蓋度圖像文件，像元值表示這個像元內的平均植被覆蓋度。在Display顯示。
(6) 選擇Tools->Color Mapping->Density Slice，單擊Clear Range按鈕**默認區間。
(7) 選擇Options->Add New Ranges，根據上面的對照表依次添加8個區間，分別為每個區間設置一定的顏色，單擊Apply得到如下的植被覆蓋圖（圖11）。
圖11 植被覆蓋度遙感估算結果
