悬翼无人机搭载高光谱成像仪获取高光谱数据

河道房屋道路树木干草车辆数据分析与处理

测试设备：无人机+高光谱相机
测试高度：300米
测试时间：2015/4/17-14:00-14:30
光谱分辨率：4nm；
光谱范围：400nm-1000nm；
测试目标对象：地面目标物

无人机+高光谱相机（图1） 图2 RGB图

图 3 不同地物目标的特征光谱 图 4 不同地物目标的特征光谱比较

植被（树木）的目标识别，将感兴趣植被（树木）的特征光谱作为标准光谱，识别出整个图像中植被的分布情况，与实际环境中的植被分布基本吻合。包括河边的树木，公路两边的树木等。

房屋（铁皮房）的目标识别，将感兴趣房屋（铁皮房）的特征光谱作为标准光谱，识别出整个图像中植被的分布情况，与实际环境中的植被分布基本吻合。将自己的汽车也识别为房屋（铁皮房），这个把汽车识别为铁皮房是正常的，在分析是，选择的也是汽车上局部区域作为感兴趣区域来研究的。

公路（沥青）的目标识别出入稍微有点大，实际上只有一条公路是沥青的，其他地方识别出为沥青公路的，在设置算法阈值上有一些步合理，但整体上还是能够把公路（沥青）的轮廓找到并识别出来。

河流的识别：所拍摄区域是当地的一条凤河，通过相关的算法很好的能够找到识别出河流的整个分布，对水域的具体是否有污染尚未做分析和处理。通过光谱可以发现水的吸收特征峰所在的光谱波段。

对干草的研究，在所拍摄区域有一大片的干草区域，也是利用相关的算法，来对未知区域进行地物识别。存现误判区域是由于算法里面的参数阈值设置不合理造成的，但整个大的区域里面包含的干草区域基本与实际中的相吻合。

在识别汽车类别时，可以发现在路上行驶的汽车、自己的汽车、房屋（铁皮房）都给识别为一类，汽车的特征光谱与房屋（铁皮房的光谱特征基本相似），识别出行驶在路上上的汽车。

总结：图11显示的结果是利用CEM、ACE、MTMF三种算法来对目标区域的地物进行分类识别和划分，虽然在一些识别上存在一些误判，但整体的分类识别效果还是非常好的。无论是硬件上还是在软件上都我们都能够提供非常好的平台来满足不同的需要和需求，这些技术成果将会为科学研究、生产、生活等各个方面提供有价值的信息。