利用 WorldView-3 新增的短波红外波段
原文链接：https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/exploiting-the-new-swir-bands-of-wv-3
12627 文章评分：
5.0
利用 WorldView-3 新增的短波红外波段
匿名作者 2015年5月26日，星期二
最近，我有幸获得了探索 WorldView-3 影像（来自 Digital Globe）新增短波红外波段的机会。处理短波红外波段最实用的特点之一是，许多矿物在传感器特定设置的波长处具有独特的光谱响应。如果处理得当，WorldView-3 短波红外数据将高空间分辨率下的物质识别变成了现实。
在分析短波红外波段时，除了典型的多光谱数据分析工具外，还有其他一些分析技术也很有用。其中一种可能不会立刻想到的是最小噪声分离变换。通常，MNF 变换在处理高光谱数据时用于分离噪声和信号。然而，它也是一个极佳的工具，可以生成具有高度独特性和空间连贯性信息的波段。请看下面的示例：
图 1：WorldView-3 短波红外影像 – 美国内华达州 Cuprite 地区，由 Digital Globe 提供。左上方是短波红外波段 5、6 和 8（分别为 2165、2205 和 2330 nm）的假彩色合成图。其余从左到右、从上到下的 8 张图像是 MNF 波段 1-8。在进行 MNF 变换之前，已进行了辐射定标和大气校正。
正如你在每个 MNF 波段中看到的，不同的物质在每个波段中都呈现出空间上的连贯性。正因为如此，当端元收集是分类过程中的重要环节时，MNF 变换非常有用。需要注意的是，在试图提取图像中不丰富的物质时，不要排除任何波段——即使是噪声较多的波段——因为目标物质可能在某个主要是噪声的波段中呈现出空间连贯性。之后，你可以使用其他工具，例如像元纯度指数，来识别场景中的端元，作为监督分类算法的输入。或者，也可以使用序贯最大角度凸锥模型来在分类前推导端元及其丰度。
虽然端元选择和监督分类是利用短波红外波长进行物质识别的极佳分析方法，但还有一项值得探索的技术是使用光谱指数。波段之间的数学关系可以用来表征场景中的内容。一个简单的例子是使用上述同一场景作为输入来计算粘土矿物比值。目前已有数百种公开的光谱指数。随着我对这些新数据产品越来越熟悉，我一定会和大家分享我的发现。也请你们这样做！
图 2：应用了 Rainbow 18 颜色表的粘土矿物比值结果。
深入了解 MNF 变换，并了解更多关于 DigitalGlobe 短波红外影像的信息。