《表2 主要的光谱匹配方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《地物波谱数据库应用方法及遥感应用现状》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

光谱距离匹配和光谱角度匹配是两个最常用的确定型匹配算法。在光谱距离匹配法中，未知光谱（即目标像元光谱）与参考光谱（即标准波谱）间的距离可以是欧式距离、马氏距离和巴氏距离等[52-55]，该算法对噪声特别敏感。光谱角度匹配算法是把光谱看作多维矢量，求算两光谱矢量之间的广义夹角[50，56-58]，夹角越小，说明两者越相似，再根据给定的相似性阈值对未知光谱进行分类识别。该算法最大的特点是夹角值与光谱的绝对数值无关，也就是说在使用该算法时无需顾及图像的增益系数，这也是SAM在遥感图像分析中被广泛应用的原因之一。另一个较常用的光谱相关性匹配算法是通过计算未知光谱与参考光谱之间的相关系数及显著性来进行匹配[59]。在实际应用中，为了提高目标识别精度，人们通常会将两种光谱匹配算法结合起来使用，形成了诸如SAM-SID、NS3、JM-SAM等新的光谱匹配算法[60-62]。此外，有学者借助导数光谱技术的优势，还发展了导数光谱波形匹配算法，其原理与光谱角度匹配基本相同，只是需要在匹配前对原始光谱进行求导运算。表2对一些主要的光谱匹配方法作了对比。