[发明专利]一种光谱匹配方法

说明书

技术领域

本发明涉及光谱分析技术领域，尤其涉及一种用于判别物质种类的光谱匹配方法，适用于各种光谱分析领域，包括红外/近红外光谱分析、高光谱遥感、显微成像光谱分析等。

背景技术

光谱匹配是用来判别物质种类和归属的一种方法，适用于各种光谱分析领域，如红外/近红外光谱分析、高光谱遥感、显微成像光谱分析等。通过将被测物质光谱与材料光谱库中的已知物质光谱进行光谱曲线相似度的比较，实现物质种类的识别。

光谱匹配在高光谱遥感中得到广泛应用。高光谱遥感光谱通道数多，通常有数十甚至数百个，这种特性被成功地应用在地质勘探、农林业调查和环境监测等方面的研究，取得了引人瞩目的成果。高光谱影具有图谱合一的特点，能够得到各个像元的光谱曲线。随着高光谱遥感技术的迅速发展，与之相辅的光谱匹配技术也得到了人们越来越多的重视。例如在高光谱地质填图处理中，除了传统的图像处理方法外，光谱匹配技术是该应用方面的关键技术之一。

光谱匹配基于地物辐射或反射光谱曲线进行分类识别，利用光谱库中已知的光谱数据，通过计算相似性的算法来识别图像中地物覆盖类型。这种匹配既可以是全谱段范围内的比较，即基于整体波形特征的光谱曲线匹配，也可以利用感兴趣波段的光谱，利用部分波长范围的光谱或光谱组合参量进行匹配，即基于光谱特征的光谱匹配。

大量的理论和实验也表明，虽然目前人们对地物目标的识别技术已经取得了巨大的进步，各种地物识别的算法得到了不断的改进，但是由于某些地物光谱的同质多象、类质同象等现象，使得光谱匹配存在很多不确定性。因此有必要改进高光谱匹配关键技术方法，提高识别的准确率。光谱匹配是计算待测像元与参考像元光谱曲线之间的相似程度，来判定影像上地物类别的方法。光谱匹配是高光谱遥感影像智能化识别分析的核心问题，是高光谱遥感影像应用于各个领域的基础。

目前光谱匹配的思路有两种。一种是寻找光谱的特征吸收峰，并根据特征吸收峰进行匹配，另一种是直接通过光谱相似度进行光谱匹配。目前常用的通过光谱相似度进行光谱匹配的方法，如：光谱角测量、欧式距离测量、光谱相关性测量和光谱信息散度测量，存在一定的缺陷，它们均认为光谱的各个波段的特征对于光谱的相似度的贡献是相同的。这本身就容易产生误差。再者，当某些波段受到噪声影响，而又无法通过去噪方法抑制时，它们无法会达到令人满意的效果。

发明内容

有鉴于此，本发明的主要目的在于提供一种特征增强的光谱相似性测量方法来进行光谱匹配，从而实现物质种类识别。该方法先求取特征增强因子矩阵，从而求得光谱特征增强空间，然后将光谱数据投影到特征增强空间中，进行特征增强的光谱匹配。特征增强空间利用主成份分析和空间投影得到，能够突出光谱的本质特征，抑制噪声，提高了光谱匹配的准确性和适应性，从而实现物质种类的高精度识别。为达到上述目的，本发明的技术方案是这样实现的：

一种光谱匹配方法，包括如下步骤，如图1所示：

步骤A、光谱数据获取。

所述的光谱数据获取包括以下步骤：

步骤A1、获取目标光谱和已知的光谱库，组成新的光谱数据集合S_L×n，其中L是光谱波段数目，n是光谱数据集合中的光谱数目。该光谱数据集合是已知光谱库和待比较的目标光谱的并集；

步骤A2、将原始光谱数据集合S_L×n零均值化，即从原始光谱数据集合中减去其平均光谱，得到零均值化的光谱数据集合X。

步骤B、光谱特征增强空间求取；

光谱每个波段的反射率并不是独立的，它与其它波段由很强的相关性。不同的波段对计算光谱相似性的贡献是不同的。将原始光谱数据投影到光谱特征增强空间，在这个空间中，变化剧烈，区分两条光谱的主要特征即对于光谱相似性测量重要的特征将被增强，不重要的特征其影响将被减弱。本发明方法在某种程度上能消除和抑制部分噪声的影响。

所述的求取光谱特征增强空间包括以下步骤：

步骤B1、求取光谱数据集合X与其转置的乘积XX^T的特征值λ₁ λ₂ … λ_L，其中λ₁≥λ₂≥…≥λ_L，和相应的特征向量e₁ e₂ … e_L，并对所有特征值进行求和，得到所有特征值和为Sum＝λ₁+λ₂+...+λ_L；