n维空间中的操作
原文链接: https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/working-in-n-dimensional-space
21831 为本文评分:
4.2
n维空间中的操作
光谱沙漏工作流系列：第五部分
匿名 2015年4月2日，星期四
如果您一直在关注这个简短的博客系列，我们一直在通过光谱沙漏工作流，尝试从内华达州Cuprite地区获取的高光谱数据集中提取纯端元的位置和丰度。我们将使用之前博客文章中创建的产品，因此请参考本文底部的链接以获取背景信息。
n维可视化工具（n-D Visualizer）是一个用于在交互式显示中选择最纯净的像素，并将其放入一组端元中的工具。ENVI将所有可用维度中的图像数据绘制到 n 维空间中，其中n由图像的总波段数决定。在降低了数据集维度后，请记住我们处理的是41个光谱波段。我们也在使用经过精炼的图像数据，因为我们设定了一个阈值，规定数据集中仅保留PPI值大于1400的524个像素。
在n维可视化工具中，您可以选择至少两个波段进行绘制，但您也可以选择任意数量的波段。回想一下，高阶MNF波段主要由噪声主导，因此它们仅有助于定位非常稀有的端元。选择至少三个波段后，您就可以围绕这些波段的轴旋转纯净像素。n维可视化工具使像素在MNF空间的不同投影中旋转，当包含超过三个波段时，旋转看起来会有所不同。超过三个维度时，数据云在旋转时似乎会自身折叠。这是因为多维图被投影到二维屏幕上，这对于我们习惯于最多看到三个维度的大脑来说很难解释。仅这一事实就表明，在分析高光谱数据集时，应该使用诸如n维可视化工具这样的工具。
我们寻找那些在数据云中形成一个角落，并在各种投影中始终聚集在一起的像素。这些像素形成聚类的现象表明它们的图像数据在一定程度上是同质的，并且在所选波段中在光谱上与其他图像数据不同，这表明这些像素可能代表一个端元。
在投影角落漂浮的单个像素也可能表示一个端元。通过改变旋转速度和为投影选择的波段，您将开始在可视化工具中注意到一些数据块以及角落里的单个像素。要创建一个包含这些像素的兴趣区域，您只需在所需区域周围绘制一个多边形即可。
一旦定义了兴趣区域，您必须再次开始旋转，以观察由您的兴趣区域定义的聚类。如果您在某些投影中看到该兴趣区域中的像素与聚类分离，这些像素可能与其他像素有些不同。您可以清除该类然后重新绘制兴趣区域，或者将分离的像素标记为不同的颜色。
一旦您选择了一个像素聚类作为一个兴趣区域，ENVI中更多的可用工具将有助于精炼该兴趣区域。
理想情况下，应识别出每个聚类或角落中最纯净的单个像素。这将是某些投影中向数据云角落延伸最远的那个像素。这意味着，虽然从大的像素组开始端元选择过程是完全可接受的，但您应该精炼您的兴趣区域选择，以包含尽可能少的像素。有时很难确定哪个像素在角落中突出得最远，在这种情况下，在一个类中包含几个像素是可以接受的。
要确定聚类中的像素是否应保留在同一类中，您可以直接从n维控制对话框查看它们的反射光谱。通过检查聚类内像素的光谱，您可以确定它们是否差异太大而不能归为一类。此外，如果您对场景中地物的反射光谱非常熟悉，您可以快速判断某些像素是否代表感兴趣的材料。
提取了几个端元后，您可能会开始注意到很难定位其他端元，即使改变了波段并旋转了数据。为了帮助解决这个问题，您可以在ENVI中通过将已发现的端元分组到一个代表背景的组中来折叠类。ENVI在此折叠过程中实际做的是将所选类的平均值在对话框中绘制为一个像素。当使用此折叠选项时，您会看到一个折叠类特征值图出现，指示转换后数据的剩余维度。剩余维度将定义为比剩余端元数量少一。
通过在n维可视化工具中使用基本导航和兴趣区域创建功能、利用光谱剖面图来确定图像数据之间的相似性/差异，以及折叠已定义的兴趣区域类（端元）来确定剩余端元的数量，n维可视化工具是一个非常有用的分析工具。能够在n维空间中查看您的图像数据不仅是一种极其准确的定位端元的方法，而且还有点乐趣！
定义端元后，您可以选择将它们导出到光谱库，也可以将它们全部导出为感兴趣区域。
我们的最后一步将涉及使用光谱分析师工具识别端元。