基于SPOT影像的最佳波段组合选取研究

郑 丽，陈元涛

（1.宿州学院地球科学与工程学院，安徽 宿州234000；2.重庆工业职业技术学院建筑与环境工程学院，重庆401120）

1 引 言

最佳波段组合选取是图像解译和专题信息提取的重要前提［1］。它决定了彩色影像能否显示较丰富的地物信息或突出某一方面的信息。实际应用时，应根据不同的应用目的，经实验、分析寻找最佳合成方案，以达到最好的目视效果［2］。遥感影像数据提供大量的地物光谱特征，最佳波段选取关键是从中有效地识别各种地物信息，以便于图像的目视解译和特征提取。如何从遥感数据中选取最佳波段赋予合理的色彩组合，是图像增强处理中的关键问题之一。

目前，很多学者对特征提取中最佳波段组合选取作了深入研究，例如冯恩国等［3］以TM数据为例，利用最佳波段组合指数法和地物光谱信息相结合的方法，基于波段组合后信息量最大和波段间相关性最小的原则，进行实证研究。结果表明345三波段组合假彩色影像有利于居民地信息提取；韩丽君［4］基于TM数据，借助均值、标准差和相关系数等指标对各波段的光谱特征和波段间的特征进行分析，计算最佳指数（OIF）定量研究各种波段组合的信息量，其研究结果表明345波段组合有利于土地利用分类；荆耀栋［5］等以LANDSAT数据为例，对单波段信息、波段间的相关性和OIF指数进行分析，得出了获取沙地信息的最佳波段组合为347，为后期沙地数据提取提供了有利保障。纵观最佳波段选取研究，基于TM影像展开专题信息提取波段选取研究较多，且对最佳波段选取均多使用OIF指数法，针对高分辨率遥感影像的研究甚少。

鉴于此，本文基于SPOT影像绿、红、近红外、短红外4个波段的主要应用范围，在遥感影像波段特征统计分析基础上，借助标准差、相关系数、协方差等指标的计算，应用最佳因子法和雪氏熵值法分别进行最佳波段选取研究，为后续特征提取提供可靠保证。

2 SPOT影像数据基本特征

随着计算机技术、空间技术的不断发展，遥感技术飞跃发展。2002年5月发射的SPOT5号卫星，主要任务是监测海上浮游生物和地球表面森林植被的变化。作为高分辨率遥感卫星提供的SPOT影像数据共有5个波段，其中1个全色波段，3个多光谱波段，1个短波红外波段，全色波段分辨率为2.5m，多光谱波段分辨率为10m，全景覆盖范围达80km＊80km。

图1 234波段组合假彩色图像

绿波段 （0.49～0.61μm）位于植被叶绿素光谱反射曲线最大值的波长附近，同时位于水体最小衰减值的长波一边，这样就能探测水的混浊度和10～20m的水深；红波段 （0.61～0.68μm）可以用来提供作物识别、裸露土壤和岩石表面的情况；近红外波段 （0.78～0.81μm）能够很好的穿透大气层，在该波段，植被表现特别明亮，水体表现非常黑。红波段和近红外波段的综合应用对植被和生物的研究是相当有利的。

实验采用某地区SPOT影像为数据源，包含绿、红、近红外、短红外4个波段的10m分辨率的图像，道路在影像中呈现高亮度的光谱特征。多波段彩色合成就是把3个波段图像数据分别作为红、绿、蓝3通道数据的彩色显示，实验区影像选用波段234作为3通道数据合成假彩色图像 （图1），主要包含了建筑物和道路以及其它地物信息，其大小为497像素＊501像素。

3 遥感影像波段特征统计分析

遥感图像解译的重要依据是地物反映在各波段通道上的像元值，即地物的光谱信息。在遥感成像过程中，由于受传感器、大气状况、区域条件等复杂因素影响，往往会产生 “同物异谱、异物同谱”现象。因此，对遥感信息进行提取前，有必要对遥感影像特征、地物光谱特性做好深入分析［6］。

表1 SPOT影像单波段数据统计特征

表2 SPOT影像各波段间协方差计算结果

通常情况下，将最小值、最大值、均值、标准差以及各波段之间的协方差矩阵、相关矩阵当作基本的统计信息，用来反映影像各波段数据信息的丰富程度，基于统计分析可从不同角度反映出遥感影像所包含的信息特点，为图像的波段组合选取提供依据。表1为SPOT影像单波段统计值，表2、3分别为SPOT影像各波段统计值间协方差矩阵和相关矩阵。

表3 SPOT影像各波段间相关系数计算结果

由表1可以看出，SPOT的4个多光谱波段中，标准差大小如下：波段1＞波段4＞波段2＞波段3，一般来说，标准差越大越好，图像灰度级分布分散，图像的反差大，表征图像信息量丰富，越有利于地物信息的提取，可见图像各波段信息量与标准差之间有着密切的关系。

由表2、3可看出，波段2和3间的相关性较显著，系数大于0.9以上，且波段2和波段3间的协方差均较大，说明波段2与波段3在光谱信息上有较强的一致性。因此选择波段时，波段2与3只能选其一；波段2、4和波段3、4相关性均较低，均在0.4以上，但协方差均较大；波段1与波段2、波段1与波段3的相关性最弱，且与二者的协方差均较小，表明波段1表现出很强的独立性，信息质量高，在选择波段时，波段1为必选波段。

由以上分析可知，实验区的最佳波段组合有124、134两种可能，才能充分显示出影像所包含的丰富的光谱信息。为了定量评价2种波段组合效果，应用最佳指数法和雪氏熵值法分别进行最佳波段组合选取。

4 应用不同方法进行最佳波段组合选取

波段选择应遵循以下原则：通常以波段或波段组合的信息量最大和波段之间的信息相关最小作为选取原则。基于上述两点考虑，在本次研究过程中最佳波段组合选取中，采用的是最佳因子法和雪氏熵值法。

1）最佳因子法

针对n个波段的多光谱图像的特征选择问题，应用美国查维茨教授提出的最佳指数因子法 （optimum index factor，OIF），该方法计算简单、易于操作。其理论依据是：图像数据的标准差越大，所包含的信息量越多，而各波段间相关系数越小，表明各波段的图像数据独立性越高，信息的冗余度就越小，其数学表达式为：

其中：bi为第i个波段的标准差，bi越大，表明该波段图像的离散程度越大，信息量越大；rij是第i个波段与第j个波段之间的相关系数，rij越小，两个波段之间的独立性越高。

可见，OIF指数综合考虑了标准差和相关系数，波段组合的标准差值越大且波段间的相关系数越小，OIF值越大，波段组合越优。

表4 SPOT影像不同波段组合的OIF因子指数计算结果

表5 SPOT影像不同波段组合的雪氏熵值计算结果

由表4可知：SPOT影像各波段组合OIF指数大小排序：波段124＞波段123＞波段134＞波段234。可见波段124组合信息最丰富，OIF指数为32.563 181，波段234组合信息量最低，其OIF指数为15.653 269。

2）雪氏熵值法［7］

雪氏熵值法是Sheffield在1985年提出的，它利用香农信息论的原理，计算N维数熵值，进行最佳波段的选择，其计算公式为

图2 412波段组合假彩色图像

式中：Ms为协方差矩阵；N为组合影像数，由上式可以看出熵值S随变量协方差矩阵行列式值｜Ms｜的变化而变化，在组合影像数一定时，协方差行列式值越大，熵值越大，则该波段组合就越好。

本文雪氏熵值计算结果如表5所示。从表5中看出波段组合雪氏熵值大小排序：波段124＞波段134＞波段124＞波段234。可见，波段124组合雪氏熵值最大，波段234组合雪氏熵值最小。

综上可知，在最佳波段选取中应用最佳因子法和雪氏熵值法两种不同的方法得到相同的结论，波段124组合最佳，波段234组合最差。

最佳波段组合选出后，要想得到最佳彩色合成图像，还必须考虑赋色问题。人眼最敏感的颜色是绿色，其次是红色、蓝色，因此，应将绿色赋予方差最大的波段［8］。经过反复比较最终将4波段赋予红色波段、1波段赋予绿色波段、2波段赋予蓝色波段。这种合成方案使得假彩色图像色彩反差明显、层次丰富，能比较全面反映各种地物信息颜色差别，如图2为SPOT影像最佳波段合成假彩色影像图。

5 结 论

通过单波段统计特征分析和各个波段的相关系数矩阵、协方差的计算，利用相关性较小的波段进行合成假彩色图像，可以消除波段的相互干扰，提高图像的质量。对于最佳波段选取，主要从信息量和冗余度方面来选择最佳波段组合，并借助OIF指数和雪氏熵值计算结果对波段组合进行排序，发现二者具有高度一致性，均显示波段组合124最佳，234最差。最佳波段选择研究可为应用遥感技术进行专题信息提取打下良好的基础，值得今后的研究中作进一步的探讨。

具体研究结果如下：

1）通过单波段统计特征分析发现，标准差排序如下：波段1＞波段4＞波段2＞波段3，可见波段1的信息量最大。各波段遥感数据之间都有不同程度的相关性，存在着数据冗余，波段2和波段3其相关性最高，达0.9以上，两者间存在冗余信息；波段1与波段2、3的相关性均较低，波段1有较强的信息独立性，信息质量高，在选择波段时，波段1为必选波段。

2）通过波段特征信息分析可知，最佳波段组合有124、123两种可能，借助相关系数和标准差计算出最佳因子指数，可知：波段124＞波段123＞波段134＞波段234。可见波段124组合OIF指数最大，波段234组合OIF指数最小。

3）根据协方差计算出其波段组合雪氏熵值大小排序：波段124＞波段134＞波段124＞波段234。可见，波段124组合雪氏熵值最大，波段234组合雪氏熵值最小，结果与OIF指数法具有良好的一致性。

4）经过反复比较发现，对于波段124组合分别将4波段赋予红色波段、1波段赋予绿色波段、2波段赋予蓝色波段效果较好，既可达到数据压缩的目的，又提高了不同类别特征之间的可区分性。

［1］领梅，安慧君，贺晓辉，等.ALOSTM 影像在土地利用中的最佳波段组合分析［J］.内蒙古林业科技，2013，39（02）：36－39.

［2］梅安新.遥感导论［M］.北京：高等教育出版社，2001：120－121.

［3］冯恩国，秦奋，李淑香.居民地信息提取的最优波段组合方案研究——以开封市区为例［J］.水土保持研究，2007，14（32）：200－205.

［4］韩丽君.土地利用分类中TM影像最佳波段组合选择研究［J］.太原师范学院学报：自然科学版，2010，9（01）：126－129.

［5］荆耀栋，周淑琴，吴发启，等.LANDSAT数据在沙地动态监测中提取沙地信息的最佳波段组合研究［J］.山西水土保持科技，2011，（02）：9－11.

［6］关泽群，刘继林.遥感图像解译［M］.武汉：武汉大学出版社，2007：89－90.

［7］曹敏，史照良，沈泉飞.ALOS影像在土地覆被分类中最佳波段选取的研究［J］.测绘通报，2008，（09）：16－18.

［8］戴昌达.TM 图像的光谱信息特征与最佳波段组合［J］.环境遥感，1989，4（04）：282－292.