高光谱-激光雷达（LiDAR）数据融合

高光谱-激光雷达 (LiDAR)娄数据融合 高光谱成像数据与激光雷达 (LiDAR) 数据可以很好的互相补足。高光谱成像数据可以很好的通过遥感惑监测农作物疾病，缺水，或者养分的充裕情况。LiDAR 可以通过激光脉冲以极其高的精度测量距离。当将高光谱成像系统与 LIDAR系统结合后， LIDAR所获得的数据可以生成数字高程模型 (DEM 可以来更好的帮助高光谱系统利用自身的 GPS\IMU 数据来对高光谱数据附以地理信息以及正射校正。 Headwall 高光谱成像仪使用的是推扫式成像方式。在传感器镜头后的是一个狭缝。拍摄时传感器沿着与狭缝垂直的方向以所需的速度进行移动，图像信息被一条一条的被采集。 Slit The Scene The Scene on a Pixel Array (FPA)TThe Scene Through a Slit 通过 FPA探测器，成像仪在每一个空间像元下，按照波长记录下不同波段的值。 short ←Wavelength Dispersion → long 正射校正 由于高光谱成像仪是通过搭载于飞行器上进行数据采集，通过透视投影法进行成像的。这就注定了采集到的图像是有投影差并且没有统一刻度的。所以为了得到没有像差，并且有统一刻度的图像，在后期处理的时候要通过正射校正来对图像进行纠正。此过程是通过根据惯导与 GPS 记录下的信息，：参照高程数据模型(DEM)，通过校正算法来调整每一帧的位置去消除变形。 因为高光谱成像仪是在空中进行数据采集的，所以被拍摄的地物成像效果会因为海拔高度而改变。 如上图所示，同一地物在不同海拔条件下的成像效果是不一样的，无论是地理坐标位置还是被拍摄物体的形状。而物体的海拔是被记录在 DEM 中的，所以为了通过正射校正更好的对图像进行行正，精确的 DEM 数据是极其重要的。 为了提升正射校正效果， Headwall 公司将高光谱成像仪 Nano-Hyperspec (400-1000nm)和 Co-aligned VNIR-SWIR (400-2500nm)分别与激光雷达 (LiDAR) 进行了集成，，制作了高光谱\激光雷达成像系统。 高光谱成像系统统配 LIDAR 之所以功能强大其原因是两个数据采集系统可以同时进行数据采集。这大大的提升了作业效率。与传统的摄影制图方法相比，高光谱-LIDAR系统需要更小的航线重叠度。因为有了更好的数字高程模型，高光谱数据就不用较高的重叠度来确保高光谱数据正射校正效果。 当无人机在空中作业的时候， Lidar 通过16线激光探测地面被测物并记录下，在后期生成 LAS 点云数据。这种同时作业同时采集的方法可以很好的与高光谱成像仪所采得数据进行精准的对应与融合。 为了帮助用户更好的进行数据融合， Headwall 公司开发了一个友好且易操作的工具来帮助用户更好更容易的进行数据融合。 Laarwe 在此工具中，用户可以将 LiDAR数据处理成三维点云。然后基于点云生成处理高光谱数据所需要的高精度的 DEM。 From LAS to DEM 通过处理后的高精度 DEM 对高光谱数据校正效果要比利用传统的 USGS提供的 DEM处理的高光谱数据效果好很多。 DEM Orthorectification Comparison 1 ArcSec (30m) USGS DEM LiDAR (10cm) DEM 从上述数据做的对比可以看出来，利用 LiDAR 制作出的 DEM 可以帮助用户处理出效果更好的正射图像。 除此之外， Headwall LiDAR Tool工具还提供融合功能。 点云层面的融合： 在3D 点云中如果点是被高光谱成像区域覆盖住的，那么点的颜色会与高光谱成像的像元颜色相对应。 像元层面的融合： 通过以添加通道的形式将 DEM 数据添加到高光谱数据中。 这种融合方法可以使图像中陡峭的部分(红色)显而易见。 数据融合之后，会生成一组新的数据以及头文件 ：ENVI Header for Fused Data Cube 这样使得数据也可以用 ENVI 进行处理。 利用 Headwall 的高光谱数据处理软件 SpectralView分析新生成的数据，软件具备反射率、辐射亮度转换、正射校正、图像拼接融合等功能，并能将处理后的图像数据粘贴在 google地图上。通过选择不同波段组合可以对图像中的地物光谱与形状特征进行提取。 Fused Data Cube in Headwall SpectralView@ Fused Data from two Altitudes 70m AGL (three passes) 40m AGL (six passes) R(stdev)，G(540nm)， B(480nm) Fused Data Overlay on Google Maps R(stdev)， G(540nm)， B(480nm) R(Max)， G(stdev)， B(480nm) R ( 670nm)， G(540nm)， B(480nm) 从上图中的效果可以看出，将空间高度引入光谱观察，可以根据地物的不同高度对被测地物进行筛除，这样就能排除图像中不是目标高度的地物。这种分析方法可以解决在物种较多林区对植被进行特定物种分析时无法精确取样的问题。 高光谱成像数据与激光雷达（LiDAR）数据可以很好的互相补足。高光谱成像数据可以很好的通过遥感来监测农作物疾病，缺水，或者养分的充裕情况。LiDAR可以通过激光脉冲以极其高的精度测量距离。当将高光谱成像系统与LIDAR系统结合后，LIDAR所获得的数据可以生成数字高程模型（DEM可以来更好的帮助高光谱系统利用自身的GPS\IMU数据来对高光谱数据附以地理信息以及正射校正。Headwall高光谱成像仪使用的是推扫式成像方式。在传感器镜头后的是一个狭缝。拍摄时传感器沿着与狭缝垂直的方向以所需的速度进行移动，图像信息被一条一条的被采集。通过FPA探测器，成像仪在每一个空间像元下，按照波长记录下不同波段的值。正射校正由于高光谱成像仪是通过搭载于飞行器上进行数据采集，通过透视投影法进行成像的。这就注定了采集到的图像是有投影差并且没有统一刻度的。所以为了得到没有像差，并且有统一刻度的图像，在后期处理的时候要通过正射校正来对图像进行纠正。此过程是通过根据惯导与GPS记录下的信息，参照高程数据模型（DEM）,通过校正算法来调整每一帧的位置去消除变形。      因为高光谱成像仪是在空中进行数据采集的，所以被拍摄的地物成像效果会因为海拔高度而改变。如上图所示，同一地物在不同海拔条件下的成像效果是不一样的，无论是地理坐标位置还是被拍摄物体的形状。而物体的海拔是被记录在DEM中的，所以为了通过正射校正更好的对图像进行纠正，精确的DEM数据是极其重要的。为了提升正射校正效果，Headwall公司将高光谱成像仪Nano-Hyperspec（400-1000nm）和Co-aligned VNIR-SWIR（400-2500nm）分别与激光雷达（LiDAR）进行了集成，制作了高光谱\激光雷达成像系统。高光谱成像系统搭配LIDAR之所以功能强大其原因是两个数据采集系统可以同时进行数据采集。这大大的提升了作业效率。与传统的摄影制图方法相比，高光谱-LIDAR系统需要更小的航线重叠度。因为有了更好的数字高程模型，高光谱数据就不用较高的重叠度来确保高光谱数据正射校正效果。当无人机在空中作业的时候，Lidar通过16线激光探测地面被测物并记录下，在后期生成LAS点云数据。这种同时作业同时采集的方法可以很好的与高光谱成像仪所采得数据进行精确的对应与融合。为了帮助用户更好的进行数据融合，Headwall公司开发了一个友好且易操作的工具来帮助用户更好更容易的进行数据融合。在此工具中，用户可以将LiDAR数据处理成三维点云。然后基于点云生成处理高光谱数据所需要的高精度的DEM。通过处理后的高精度DEM对高光谱数据校正效果要比利用传统的USGS提供的DEM处理的高光谱数据效果好很多。从上述数据做的对比可以看出来，利用LiDAR制作出的DEM可以帮助用户处理出效果更好的正射图像。 除此之外，Headwall LiDAR Tool工具还提供融合功能。点云层面的融合：在3D点云中如果点是被高光谱成像区域覆盖住的，那么点的颜色会与高光谱成像的像元颜色相对应。 像元层面的融合：通过以添加通道的形式将DEM数据添加到高光谱数据中。这种融合方法可以使图像中陡峭的部分（红色）显而易见。数据融合之后，会生成一组新的数据以及头文件这样使得数据也可以用ENVI进行处理。 利用Headwall的高光谱数据处理软件SpectralView分析新生成的数据，软件具备反射率、辐射亮度转换、正射校正、图像拼接融合等功能，并能将处理后的图像数据粘贴在google地图上。通过选择不同波段组合可以对图像中的地物光谱与形状特征进行提取。                      从上图中的效果可以看出，将空间高度引入光谱观察，可以根据地物的不同高度对被测地物进行筛除，这样就能排除图像中不是目标高度的地物。这种分析方法可以解决在物种较多林区对植被进行特定物种分析时无法精确取样的问题。