基于一阶梯度信息的光谱相似度评价方法

摘要

目前的光谱相似度评价方法主要基于光谱形状和幅值两种信息,但这两种信息仅仅能体现出光谱的轮廓,并不能很好的反应地物光谱的吸收峰等"指纹"特征,为了更好的体现出光谱特征在评价中的作用,提出了基于一阶梯度信息的光谱相似度评价方法.首先对传统光谱角度匹配度评价方法SAM进行了改进,提出MSAM评价方法,进而提出了调整的梯度光谱角度匹配(MGSAM)法.MGSAM比较了两条光谱曲线的梯度角匹配度,光谱曲线的梯度信息可以突出光谱吸收峰等"指纹"特性的存在,因此MGSAM可以充分体现出两条对比曲线的光谱特征相似度.分析了偏置信息和光谱深度对于MSAM和MGSAM的影响,指出MGSAM对于偏置信息具有更强的鲁棒性,且可以客观地反映出光谱深度差异,进而直观地反映出光电系统或相关算法的光谱特征保真能力.将MGSAM作为评价方法应用到压缩感知光谱成像系统评价中,仿真结果表明,随着采样率的变化,MSAM的值在0.998～1之间,而MGSAM的值在0.72～1之间,具有明显的变化并具有较大的差异性,可以客观地反映出压缩感知系统对于光谱特征的保真能力,并具有更强的差异化分辨力,为该类系统提供了一个更客观的评价方法.将MGSAM应用到了基于光谱相似度的地物分类中,测试数据选择了Salinas,Pavia和Indian Pines三个公开数据,结果显示基于MSAM的平均分类精度为0.86,基于MGSAM的平均分类精度0.93,由此说明MGSAM可以突出光谱特征在分类中的作用,大大提高了分类精度.