应用经验模分解技术进行高光谱影像之杂讯过滤.pdf

航測及遙測學刊 第十四卷 第二期 第 115-125 頁 民國 98 年 6 月 115 Journal of Photogrammetry and Remote Sensing Volume 14, No.2, June 2009, pp. 115-125 應用經驗模分解技術進行高光譜影像之雜訊過濾 1* 2 張立雨 陳繼藩 摘 要 高光譜遙測影像一般而言較其他遙測資料可提供更為詳盡之光譜資訊，因此在用於辨識各種不同地 物時有助於精度之提升。而對於此種影像來說，線性光譜混合模型(Linear Spectral Mixing Model)為常用 之模式來對影像中之光譜值與其對應各種地物間之光譜反應加以描述，並且進而反演得到所對應各種地 物之含量。基本上，線性光譜混合模型可利用最小二乘法加以求解來達到解算各種地物之含量之目的， 並且同時使得在光譜上所產生之誤差達到最小之狀態。理論上，若能有效過濾高光譜影像本身所具有之 雜訊時，求解所得之地物之含量在精度上應會有所提升。通常對高光譜遙測影像而言，因大氣中各種分 子在不同波段上具有其特定之吸收與散射特性，因此會對感測器接收來自於地物之輻射能量造成增減而 產生雜訊。在本研究中使用經驗模分解法(Empirical Mode Decomposition, EMD)來對原始高光譜影像進行 分解組合，並且進而過濾其雜訊，以期能在最小二乘求解時能降低其殘差，以達到提高求解地物含量精 度之目的。由研究成果顯示，在模擬的高光譜影像資料上進行雜訊過濾後，求解所得之含量誤差較未過 濾前有顯著之降低。此外若直接應用所提方法於真實影像上時，就求解過程所得之殘差上而言，雜訊過 濾後所得結果之殘差亦較未濾前為低。 關鍵詞：高光譜影像、雜訊過濾、經驗模分解 而言，其雜訊最主要的來源是因大氣在許多特定波 1. 簡介 長上，對輻射能量有顯著的吸收與散射所造成 由於近年來遙測科技的進步，商用遙測影像的 (Lillesand, 2004) ，而此問題因高光譜影像在各波段 空間解析度與光譜解析不斷提升，其中光譜解析度 之頻寬非常窄小下將更為顯著。因此，為了提高地 的提升表示利用分類技術所萃取之地物類別資訊 表目標物之辨識精度，大氣所產生之效應必須加以 將可更為豐富並且準確。線性光譜混合模型(Linear 模式化必且盡量消除之(Zhang et al., 2002) 。雖然其 Spectral Mixing Model)是一種廣為使用之模式 過程非常複雜，但假若將大氣所造成之各種效應視 (Chang, 2003) ，主要利用混合像元之概念來描述高 為隨機之變數，當其來源繁多且互相獨立的情形下 光譜影像上每個像元之光譜反應與所對應各類地 時，基於中央極限定理，所有隨機變數之總合可近 物之含量關係(Settle, 1996; Chang, 1998) 。理論上， 似於高斯分布。在過去文獻中曾說明在利用最小二 線性光譜混合模型可使用最小二乘平差 (Least 乘求解的過程中，若高光譜影像其波段間所含之雜 Squares Adjustment) (Scharf, 1991)來獲取一組具有 訊分布可利用高斯分布加以近似時，在波段間所含 最小誤差之解來描述特定像元中所具有之各類地 雜訊具有相關性之條件下，透過雜訊白化(Noise 物含量。然而，雜訊的存在將會破壞原有由地面反 Whitening)的過程將可進一步改善在最小二乘法解 射而來之光譜反應資訊，並在最小二乘求解時產生 算中所得解之精度(Du, 2003; Chang, 2006) 。此外， 更大之殘差與降低所得解之精度。通常對遙測影像