摘要:目前，高光谱遥感技术在油气勘探中的应用逐渐由传统的间接勘探变为直接利用高光谱的特性对目标区域可能存在的油气信息进行提取、分析。文章在分析总结了烃类微渗漏理论的基础上，研究了高光谱遥感影像数据预处理方法，运用ENVI进行了数据的预处理并研究了高光谱遥感影像的分类方法，通过ENVI软件按照高光谱数据处理流程对研究区资料进行信息提取。
关键词:高光谱；分类识别；端元；波谱角度填图
中图分类号:TP753 文献标识码:A 文章编号:1009-2374(2011)24-0121-02
一、高光谱遥感信息提取研究
(一)端元及端元的线性混合模型
遥感影像是以像元为基本单位来检测和获取地物信息，如果空问分辨率低，则一个像元内包括数种地物的可能性也大，就越有可能形成混合像元。线性混合模型(Linear Mixing Model)常被用来模拟混合像元的光谱数据特性，它主要通过一组确定的特征光谱向量和相应的混合比例来描述影像中光谱的混合情况，这一组特定的光谱向量称为“端元”(Endmember)，它通常指某种“纯”的地物类型，如土壤、岩体等。混合像元的光谱分解(SpectralUnmixing)和端元/子像元(Sub pixel)的提取，以及目标识别(Target Recognition)等是近年来高光谱遥感应用研究中的一个热点。
高光谱影像中的每个像元都是其n维波段空间中的一个点(n为图像的波段数)，其中有一些称之为端元(Endmember)的点构成了高光谱图像的基本元素。如把高光谱图像的像元与n维空问里的散点联系起来，把图像分类与像元分解看作几何问题来研究，则形成利用凸面单形体模型对高光谱遥感图像进行纯净像元的提取和地物识别。
(二)端元提取方法
正确选择端元是高光谱遥感影像信息提取的一个关键。在无法获得地面实测资料的情况下，只能从高光谱影像中直接获取端元。目前有关端元提取的方法有很多，用得比较多的是基于纯像元指数和n维可视化的方法。其基本思路是先通过最小噪声变换进行波谱降维处理，然后通过纯像元指数计算找到相对比较“纯”的像元，以减少空间数据量，最后再通过可视化的方法从这些像元中找到端元。
1.最小噪声分离变换。最小噪声分离变换(Minimum Noise Fraction(MNF)Transformation)被用于判定图像数据内在的维数，隔离数据中的噪声，减少随后处理计算的需求。MNF本质上是两次层叠的主成分变换。第一次变换基于对噪声协方差矩阵估计的，用于分离和重新调节数据中的噪声。
MNF变换也可以被用来从数据中消除噪声。主要通过运行正向的变换，判定哪些波段包含相关图像，用波谱子集进行一次反向的MNF变换。
2.纯净像元指数。在一幅影像中，真正“纯”的像元并不多。在对图像进行MNF处理后，波段数大大减少，但像元数并没有减少。为了进一步减少数据量，需要对提取端元作用不大的像元排队掉，即把那些比较“纯”的像元找出来。要获得较纯的端元波谱，目前较好的方法就是对处理后的MNF图像进行纯净像元指数(PPI)处理。
PPI只是给出了图像中纯像元的分布情况，并没有给出具体的端元，要求得端元，还必须通过N～维可视化等工具进行选取，即需要人工的干预。
3.n维可视化器。n维可视化器(n～DVisualizer)为在n维空间中选择端元提供了一个交互式工具。n维空间中的点坐标由n个值组成，对应一个给定像元的n个波段值，即n维空间的每一个点对应一个像元。
在完成n～D Visualizer中端元的提取之后，即提取出了研究区不同地物的光谱特征。图3为n维可视化器中纯像元即端元分析，图4由n维可视化器获取的可用波谱曲线。
(三)高光谱分类识别方法
1.波谱角度填图。波谱角度填图(spectralangle mapper(SAM))是一种监督分类方法，它用n维角度将像元与参照波谱匹配。这一算法是通过计算波谱问的角度(将它们处理为具有维数等于波段数的空问矢量)，判定两个波谱问的相似度。较小的角度代表与参照波谱匹配紧密。远离指定的弧度阈值最大角度的像元被认为无法分类。
根据SAM的原理，该方法的实质是比较已知曲线和未知曲线的相似程度。
该方法原理简单，易于操作，结果一目了然，而且可以与原图进行对比，为影像分析提供了便利。
二、研究区影像油气信息综合评价
(一)井位分布信息
Hyperion影像中，水体表面油膜的形成会随着海水的流动而逐渐地消散，在Pw影像研究区域，已有若干油井在开采，在获得研究区的井位数据后，经过用ARCGIs进行投影变换后，使其于所处理影像的投影相同，在影像找到相应的像元点，在影像区域，陆地有二个井位，水中有六个井位在影像Pw影像区域中，其它井位不在影像中，但Px影像中并没有相应的井位。
(二)分类结果对比
把分类结果与井位数据叠加后，可以对分类结果进行简单的衡量。如图8所示:
从图8可知，在该区域中的八个油气井中，除去陆地上的二口之后，在海洋中有四口井位于我们提取出的油膜区域当中。这说明提取的油膜空间分布区域与实际结果吻合得较好。
三、结语
本文运用了不同的分类方法对影像进行分类，结果表明只有SAM方法有比较好的效果。主要原因在于影像中正常海水和有油膜的海水反射波谱特征差异不大，没有明显的吸收峰特征，因此采用波段特征按拟合方法难达到好的效果，而SAM方法从整条曲线考虑，因而可以取得比较好的效果。
通过对比提取的油膜空间分布信息和已知的钻孔信息，说明高光谱方法提取油膜信息还是可行的，但需要进一步加强研究，特别是如何提取微弱信息的方法研究。
参考文献
[1]唐世浩，朱启疆，李小文，等.高光谱与多角度数据联合进行混合像元分解研究[J].遥感学报，2003,7(3).
[2]耿修瑞，张兵，张霞，等.一种基于高维空间凸面单形体体积的高光谱图像解混算法[J].自然科学进展，2004，14(7).
[3]薛绮，匡纲要，李智勇.基于线性混合模型的高光谱图像端元提取[J].遥感技术与应用，2004，19(3).
[4]张良培，李德仁.鄱阳湖地区高光谱遥感数据的定标研究[J].武汉测绘科技大学学报，1997，22(1).