高光谱图像分类投稿期刊

是。高光谱图像处理是计算机的课程之一，是计算机视觉，主要研究领域为模式识别、高光谱图像处理、计算机视觉及其在遥感、环境、农业和医疗中的应用。

自己在hsi_svm3d.py中实现过scikit-learn svm库用于高光谱图像分类任务

参数小结1 C：C-SVC的惩罚参数C?默认值是1.0 C越大，相当于惩罚松弛变量，希望松弛变量接近0，即对误分类的惩罚增大，趋向于对训练集全分对的情况，这样对训练集测试时准确率很高，但泛化能力弱。C值小，对误分类的惩罚减小，允许容错，将他们当成噪声点，泛化能力较强。

kernel ：核函数，默认是rbf，可以是‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’

0 – 线性：u'v

1 – 多项式：(gamma u' v + coef0)^degree

2 – RBF函数：exp(-gamma|u-v|^2)

3 –sigmoid：tanh(gamma u' v + coef0)

degree ：多项式poly函数的维度，默认是3，选择其他核函数时会被忽略。

gamma ： ‘rbf’,‘poly’ 和‘sigmoid’的核函数参数。默认是’auto’，则会选择1/n_features

coef0 ：核函数的常数项。对于‘poly’和 ‘sigmoid’有用。

probability ：是否采用概率估计？.默认为False

shrinking ：是否采用shrinking heuristic方法，默认为true

tol ：停止训练的误差值大小，默认为1e-3

cache_size ：核函数cache缓存大小，默认为200

class_weight ：类别的权重，字典形式传递。设置第几类的参数C为weight*C(C-SVC中的C)

verbose ：允许冗余输出？

max_iter ：最大迭代次数。-1为无限制。

decision_function_shape ：‘ovo’, ‘ovr’ or None, default=None3

random_state ：数据洗牌时的种子值，int值

主要调节的参数有：C、kernel、degree、gamma、coef0。

参数小结2

参数选择：

1、使用sklearn 中的gridsearchcv方法，通过列出参数空间，让程序自己去遍历每一种超参数组合，找到最优的一组。

在svm中使用过，确实不错，但其对于无法满足的超参数（比如Nusvm中的nu）没有解决方案，会直接崩。

参见笔记 网格追踪寻找最优超参数组合Parameter estimation using grid search with cross-validation

2、注意类别不平衡的情况下使用 class_weight='balanced'

使用技巧：

1、数据预处理和一些函数的详细说明在 API 参考手册

2、在样本维数m>=2*样本个数n时，分类效果就不好了，

3、sklearn.preprocessing.LabelBinarizer

方法：fit_transform(y)

功能：Fit label binarizer and transform multi-class labels to binary labels.

它有一个逆向方法：inverse_transform(Y, threshold=None)

Transform binary labels back to multi-class labels

其实很多函数都有逆向方法。

参考：

1、 sklearn.svm.SVC 参数说明

2、 scikit-learn 支持向量机算法库使用小结

博客园-刘建平Pinard 3、 API 参考手册

所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常＜10 nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感（通常＞100nm）且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。

近20年来，高光谱遥感技术迅速发展，它集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体，已成为当前遥感领域的前沿技术之一。

1.2.1 高光谱遥感的起源和发展

随着基础理论和材料科学的不断进步，近20年来，高光谱遥感技术迅速发展，已成为除雷达遥感、激光遥感、超高分辨率遥感等技术以外，当前遥感领域的又一重要研究方向。

1.2.1.1 国外的高光谱成像仪研制情况

由于高光谱遥感在地物属性探测方面的巨大潜力，成像光谱技术得到了普遍重视。

（1）机载高光谱成像仪

1983年，第一幅高光谱影像由美国研制的航空成像光谱仪（AIS-1）获取，标志着第一代高光谱成像仪的面世。1987年，美国宇航局（NASA）喷气推进实验室（JPL）研制成功航空可见光/红外成像光谱仪（AVIRIS），这标志着第二代高光谱成像仪的问世。

（2）星载高光谱成像仪

在航天领域，由美国喷气推进实验室研制的对地观测计划中的中分辨率成像光谱仪（MODIS），随TER2RA卫星发射，成为第一颗在轨运行的星载成像光谱仪，从2000年开始向地面传送图像。

2000年，NASA发射的EO21卫星上搭载的高光谱成像仪（Hyperion），地面分辨率为30m，已在矿物定量填图方面取得了很好的应用效果。2002年美国的海军测绘观测（NEMO）卫星携带的海岸海洋成像光谱仪（COIS）具有自适应性信号识别能力，满足军用和民用的不同需求。另外，2007年6月交付美Kirtland空军基地的高光谱成像传感器将通过Tac2Sat23卫星载入太空。

目前，许多国家都在积极研制自己的高光谱传感器，已明确有发射计划的有德国环境监测与分析计划的EnMAP，南非的多传感器小卫星成像仪MSMI和加拿大高光谱环境与资源观测者HERO。

1.2.1.2 国外高光谱影像分析技术的研究现状

在成像光谱仪快速发展的同时，地物光谱数据库、高光谱影像分析技术研究也得到了迅速发展。

地物光谱数据库技术方面，以美国最为先进，有代表性的主要有JPL标准波谱数据库、USGS波谱数据库、ASTER波谱数据库和IGCP2264波谱数据库。此外，美国空军部门和环保局针对大气污染和空气成分的诊断建立了AEDC/EPA光谱数据库，并针对美国海军研究室研制的HYDICE成像光谱仪建立了森林高光谱数据库等。部分其他国家也展开了光谱数据库技术研究和建设工作，如英国在20世纪90年代初针对海水颜色研究建立了海水光谱数据库。

美国国家航空航天局（NASA）、欧洲航天局（ESA）、日本国家空间发展局（NASDA）和大学及研究所都有专门的高光谱影像应用分析的研究机构。

国外商业遥感图像处理系统，相继增加成像光谱数据处理模块，其中具有代表性的有RSI公司的ENVI，PCI Geomatics公司的PCI，MicroImages公司的TNTmips等。

1.2.1.3 国内高光谱遥感技术发展现状

我国紧密跟踪国际高光谱遥感技术的发展，并结合国内不断增长的应用需求，于20世纪80年代中后期着手发展自己的高光谱成像系统。主要的成像光谱仪有中国科学院上海技术物理研究所研制的推扫式成像光谱仪（PHI）系列、实用型模块化成像光谱仪（OMIS）系列、中国科学院长春光学精密机械与物理研究所研制的高分辨率成像光谱仪（C2HRIS）和西安光机所研制的稳态大视场偏振干涉成像光谱仪（SLPIIS）。中国科学院上海技术物理研究所研制的中分辨率成像光谱仪（CMODIS）于2002年随“神舟”三号发射升空，并成功获取航天高光谱影像，其获取影像从可见光到近红外共30个波段，中红外到远红外的4个波段，空间分辨率为500 m。

2007年10月发射的“嫦娥1号”卫星已携带中国科学院西安光学精密机械研究所研制的干涉成像光谱仪升空，用于获取月球表面二维多光谱序列图像及可分辨地元光谱图，通过与其他仪器配合使用对月球表面有用元素及物质类型的含量与分布进行分析，获得的数据用于编制各元素的月面分布图。

从2007年到2010年，我国将组建环境与灾害监测预报小卫星星座，将携带超光谱成像仪，采用0.45～0.95μm波段，平均光谱分辨率为5nm，地面分辨率为100m。

我国在积极研制具有自主知识产权的成像光谱仪的同时，在地物光谱数据技术、高光谱影像分析技术等方面的研究中也取得了一系列可喜的成果。

20世纪90年代初期，中国科学院安徽光学精密机械研究所、遥感所等单位对大量的典型地物进行了波谱采集，建立了我国第一个综合性“地物波谱特性数据库”。1998年，中国国土资源航空物探与遥感中心建立了“典型岩石矿物波谱数据库”，其中包含了我国主要的典型岩石和矿物500 余种。2000年，中国科学院遥感所基于GIS和网络技术研制了典型地物波谱数据库及其管理系统，记录了10000多条地物波谱，并能动态生成相应的波谱曲线和遥感器模拟波段，实现了波谱数据库与“3 S”技术的链接。

1.2.2 高光谱成像仪简介

1.2.2.1 国外高光谱成像仪系统介绍

（1）航空高光谱成像仪

1983年，世界上第一台成像光谱仪AIS-1（Aero Imaging Spectrometer-1）在美国喷气推进实验室研制成功，并成功应用于植被研究、矿物填图等方面，向世界展示了高光谱成像技术具有的潜力。此后，美国机载先进的可见光红外成像光谱仪（AVIRIS）、加拿大的荧光线成像光谱仪（FLI）和在此基础上发展的小型机载成像光谱仪（AIS）、美国Deadalus公司的MIVIS，GER公司的79波段机载成像光谱仪（ROSIS-10 和 ROSIS-20）、美国海军研究所实验室的超光谱数字图像采集试验仪（HYDICE）先后研制成功（表1.1）。

表1.1 国外主要的机载高光谱成像仪信息

近年来，成像光谱技术在资源调查、农作物长势、病虫害、土壤状况、地质勘查等方面的成功应用让世界各国看到了这项新技术的巨大前景与潜力，世界上一些有条件的国家竞相投入到成像光谱仪的研制和应用中来。各国在研制的同时纷纷参考已有成像光谱仪的先进技术，使得新研制的系统在继承了老系统各种优势的同时，很多方面得到了进一步的提高，在稳定性、探测效率、综合性能等方面均得到了很大的进步。其中，具有代表性的有美国的Probe、澳大利亚的HyMap、美国GER公司为德士古（TEXACO）石油公司专门研制的TEEMS系统等。

Probe-1和Probe-2是Earth Search Sciences公司开发的另一个有影响的航空成像光谱仪系统，该系统在0.4～2.5μm区有128个波段，光谱分辨率为18 nm。

HyMap即“高光谱制图仪”（hyperspectral mapper）的简称，是以澳大利亚Intergrated Spectronics公司为主研制的。HyMap在0.25～0.45μm光谱范围有126个波段，同时在3～5μm和8～10μm两个波长区设置了两个可供选择的波段，共有128个波段。其数据在光谱定标、辐射定标和信噪比等方面都达到了较高的性能，总体光谱定标精度优于0.5 nm；短波红外波段（2.0～2.5μm）的信噪比都高于500∶1 ，有的波段其信噪比甚至高达1000∶1。

TEEMS是德士古能源和环境多光谱成像仪（Texaco energy ＆ environmental multispectral imaging spectrometer）的简称。这是一台由美国地球物理和环境研究公司（GER）应德士古的技术要求与德士古的专家合作专门研制的具有200 多个波段、性能十分先进的实用型高光谱成像仪。该系统在紫外、可见光、近红外、短波红外、热红外波段等波谱均具有成像能力，从而在石油地质勘探特别是在勘探与油气藏有关的特征中具有很大潜力。

近年来热红外成像光谱仪已有了实质性的进展。最具有代表性的是美国宇航公司研制的空间增强宽带阵列光谱仪系统（spatially enhanced broadband array spectrograph system，SEBASS）。SEBASS有两个光谱区：中红外，3.0～5.5μm，带宽为0.025μm；长波红外，7.8～13.5μm，带宽为0.04μm。它在中波红外区和长波红外区分别有100个、142个波段；所使用的探测器为两块128*128的Si：As焦平面，有效帧速率为120Hz，温度灵敏度为0.05℃，信噪比＞2000。热红外成像光谱仪为更好地反映地物的本质提供了珍贵的数据，已经被应用于探矿、地质填图、环境监测、农林资源制图、植被长势等诸多领域。

（2）航天高光谱成像仪

美国先后研制出中分辨率成像光谱仪（MODIS），EO-1高光谱卫星，并与日本合作研制出的先进星载热发射反射辐射计（advanced satellite thermal emission/reflection radiometer）以及美国军方的“Might-Sat”高光谱卫星，在航天成像光谱技术研究方面一直在世界遥遥领先。

MODIS是EOS-AM1卫星（1999年12月发射）和EOS-PM1（2002年5月发射）上的主要探测仪器——中分辨率成像光谱仪，也是EOS Terra平台上唯一进行直接广播的对地观测仪器。通过MODIS可以获取0.4～14μm范围内的36个波段的高光谱数据，为开展自然灾害、生态环境监测、全球环境和气候变化以及全球变化的综合性研究提供了重要的数据源。

MODIS是搭载在terra和aqua卫星上的一个重要的传感器，是卫星上唯一将实时观测数据通过x波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器。MODIS可获取0.4～14μm范围内的36个波段的高光谱数据，为开展生态环境研究、自然灾害监测、全球环境和气候变化等研究提供了重要的数据源。

ASTER搭载在Terra卫星上的星载热量散发和反辐射仪，是于1999年12月18日发射升空的，由日本国际贸易和工业部制造。一个日美技术合作小组负责该仪器的校准确认和数据处理。ASTER是唯一一部高分辨解析地表图像的传感器，其主要任务是通过14个频道获取整个地表的高分辨解析图像数据——黑白立体照片。ASTER能在4到16天之内对同一地区进行成像，具有重复覆盖地球表面变化区域的能力。ASTER数据特点之一是基于用户要求的观测，即根据用户提出的要求来随时随地地获取影像。ASTER的宽谱覆盖和高分辨能力给科学家们在诸如监测冰河的前进与退却，对潜在的活火山的监测，鉴别作物能力，对云层形态及物理状况的监测，湿地评估，热污染监测，珊瑚礁的退化，土壤及地质的表面温度绘图，以及测量地表的热平衡等众多学科领域提供了可供鉴定的信息。

美国宇航局（NASA）的地球轨道一号（EO-1）是美国NASA新千年计划的一部分，在2000年11月21日发射。地球观测1号卫星与LandSat-7覆盖相同的地面轨道，两颗卫星对同一地面的探测时间相差约1分钟的时间。EO-1带有三个基本的遥感系统，即高级陆地成像仪（advanced land imager，ALI），高光谱成像仪（HYPERION）以及大气校正仪（liner etalon imaging spectrometer arrey atmospheric correction，LAC）。EO-1上搭载的高光谱遥感器hyperion是新一代航天成像光谱仪的代表，也是目前唯一在轨的星载高光谱成像光谱仪以及唯一可公开获得数据的高光谱测量仪，共有242个波段，光谱范围为400～2500nm，光谱分辨率达到10nm，空间分辨率为30m。

2000年7月，美国发射的MightSat-Ⅱ卫星上搭载的傅立叶变换高光谱成像仪（fourier transform hyperspectral imager，FTHSI）是干涉成像光谱仪的成功典范。

欧洲空间局于2001年10月成功发展了基于空中自治小卫星PROBA小卫星的紧密型高分辨率成像光谱仪（CHRIS），并发射成功。CHRIS在415～1050μm的成像范围内有五种成像模式，不同的模式下其波段数目、光谱分辨率和空间分辨率不等，波段数目分别是18 ，37和62 ，光谱分辨率为5～15nm，空间分辨率为17～20m或者34～40m。CHRIS能够从五个不同的角度（观测模式）对地物进行观测，这种设计使得其能获取地物反射的方向性特征。

欧洲空间局继美国AM-1 MODIS之后于2002年3月又成功发射了Envisat卫星，这是一颗结合型大平台先进的极轨对地观测卫星。其中分辨率成像光谱仪（MERIS）为一视场角为68.5°的推扫型中分辨率成像光谱仪，其地面分辨率为300m，在可见光-近红外光谱区有15个波段，可通过程序控制选择和改变光谱段的布局。

日本继ADEOS-1之后于2002年12月发射了后继星ADEOS-2 ，其上搭载了日本宇宙开发事业团的两个遥感器（AMSR和GLI）和国际或国内合作者提供的三个遥感器（POLAR，ILAS-Ⅱ，Sea Winds）。GLI在可见光-近红外和短波红外分别有23个、6个波段，而在中红外和热红外则有7个波段。到目前为止，已发射的具有代表性的星载成像光谱仪如表1.2所示。

表1.2 国外主要星载高光谱成像仪

1.2.2.2 我国高光谱成像仪系统介绍

（1）航空高光谱成像仪

我国成像光谱仪的发展经历了从多波段扫描仪到成像光谱扫描，从光机扫描到面阵CCD探测器固态扫描的发展过程。

“八五”期间，新型模块化航空成像光谱仪（modular aero imaging spectrometer，MAIS）的研制成功标志着我国的航空成像光谱仪技术和应用取得了重大突破。此后我国自行研制的推扫型成像光谱仪（PHI）和实用型模块成像光谱仪系统（OMIS）在世界航空成像光谱仪大家庭里占据了重要的地位。

（2）航天高光谱成像仪

我国于2002年3月发射的神舟3号无人飞船中就搭载了一个中分辨率的成像光谱仪（CMODIS），该仪器共有34个波段，波长范围在0.4～12.5μm。此外，环境减灾卫星搭载了115个波段的高光谱遥感器。“风云-3”气象卫星搭载的中分辨率成像光谱仪具有20个波段，成像范围包括可见光、近红外、中红外和热红外；“嫦娥一号”卫星搭载了我国自行研制的干涉成像光谱仪来探测月球物质。

1.2.3 高光谱遥感成像特点与数据表达

高光谱成像获取的图像包含了丰富的空间、辐射和光谱三重信息。其主要特点是将传统的图像维与光谱维信息融合为一体，在获取地表空间图像的同时，得到每个地物的连续光谱信息。高光谱数据是一个光谱图像的立方体，它由空间图像维、光谱维（从高光谱图像的每一个像元中可以获得一个“连续”的光谱曲线）和特征空间维（高光谱图像提供的是一个超维特征空间，挖掘高光谱信息需要深切了解地物在高光谱数据形成的N维特征空间中分布的特点与行为）。

1.2.4 高光谱遥感的主要应用领域

由于高光谱遥感能提供更多的精细光谱信息，有些学者将高光谱遥感的研究从最开始的矿物识别扩展到了水体、植被与生态、环境资源勘探等方面，但目前主要集中在地质、植被和水环境等研究领域。

1.2.4.1 在植被监测中的应用

高光谱遥感由于其具有超高的光谱分辨率，为植被参数估算与分析，植被长势监测及估产等方面提供了有力的支撑。

1）植物的“红边”效应：“红边（REP）”是绿色植物叶子光谱曲线在680～740nm之间变化率最快的点，也是一阶导数光谱在该区间内的拐点。“红边”是植物光谱曲线最典型的特征，能很好地描述植物的健康及色素状态。当“红边”向红外方向移动时，一般可以判定绿色植物叶绿素含量高、生长活力旺盛；相反，当“红边”向蓝光方向移动时，一般可能是植物处于缺水等原因造成叶片枯黄等不健康状态。当植物覆盖度增大时“红边”的斜率会变陡。

2）植被指数：植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况，是利用遥感光谱数据监测地面植物生长和分布、定性、定量评估植被的一种有效方法。根据不同的研究目的，人们已经提出了几十种植被指数，如比值植被指数RVI，归一化植被指数NDVI，差值环境植被指数DVIEVI，垂直植被指数PVI，土壤调整植被指数SAVI等。

1.2.4.2 在农业中的应用

高光谱遥感在农业中的应用，主要表现在快速、精确地进行作物生长信息的提取、作物长势监测、估算植被（作物）初级生产力与生物量、估算光能利用率和蒸散量及作物品质遥感监测预报，从而相应调整物资的投入量，达到减少浪费，增加产量，改善品质，保护农业资源和环境质量的目的。使用高光谱遥感数据估计作物的农学参数主要有两类方法：一是通过多元回归方法建立光谱数据或由此衍生的植被指数与作物农学参数之间的关系；二是通过作物的红边参数来估计作物的物候性状及其农学参数。

1.2.4.3 在大气和环境方面的应用

高光谱遥感凭借其超高的光谱分辨率可以识别出宽波段遥感无法识别的因大气成分变化而引起的光谱差异，使人们利用高光谱遥感对周围的生态环境情况进行定量分析成为可能。利用高光谱技术可以探测到污染地区的化学物质异样，从而确定污染区域及污染原因；高光谱图像也可用来探测危险环境因素，例如，精确识别危险废矿物，编制特殊蚀变矿物分布图，评价野火的危险等级，识别和探测燃烧区域等。

1.2.4.4 在地质方面的应用

地质矿产调查是高光谱遥感应用中最成功的一个领域。各种矿物和岩石在电磁波谱上显示的诊断性光谱特征可以帮助人们识别不同矿物成分。在地质方面主要利用其探测岩石和矿物的吸收、反射等诊断性特征，从而进行岩石矿物的分类、填图和矿产勘查。

1.2.4.5 在军事上的应用

由于高光谱影像具有丰富的地面信息，可用于精确识别地物种类，在军事侦察、识别伪装方面得到了成功的应用。美国海军设计的超光谱成像仪可在0.4μm～2.5μm光谱范围内提供210 个成像光谱数据，可获得近海环境目标的动态特征，例如海水的透明度、海洋深度、海洋大气能见度、海流、潮汐、海底类型、生物发光、海滩特征、水下危险物、油泄露、大气中水汽总量和次见度卷云等成像数据，对近海作战有十分重要的支撑意义。