高光谱图像分析：光谱角映射(SAM)原理与应用

1. 高光谱图像与物质识别基础

高光谱成像技术通过记录物体在数百个连续窄波段上的反射或辐射特性，为每个像素生成一条完整的光谱曲线。这种"图谱合一"的特性，使得高光谱数据在物质识别方面具有独特优势。与传统的RGB三通道图像相比，高光谱数据能够捕捉到物质更细微的光谱特征差异。

在实际应用中，我们经常需要回答一个核心问题：如何判断两个像素是否属于同一种物质？在RGB图像中，我们可能简单地比较颜色相似度，但在高光谱领域，我们需要更专业的分析方法。

关键区别：RGB图像主要关注颜色外观，而高光谱分析更关注物质的光谱"指纹"特征。

2. 光谱角映射(SAM)原理详解

2.1 SAM的基本概念

光谱角映射(Spectral Angle Mapper, SAM)由Kruse等人在1993年首次提出，现已成为高光谱分析中最经典的光谱相似性度量方法之一。其核心思想是将每个像素的光谱曲线视为高维空间中的向量，通过计算向量间的夹角来评估光谱相似度。

数学表达式为：
θ = arccos( (x·y) / (||x||·||y||) )

其中：

• x和y代表两个光谱向量
• θ为光谱角(0°-90°)
• 角度越小表示相似度越高

2.2 为何选择角度而非距离？

在机器学习和图像处理中，我们常用欧氏距离来衡量相似度。但在高光谱分析中，SAM选择使用角度度量，主要基于以下考虑：

1. 光照不变性：光照强度变化会影响光谱幅值，但基本不改变光谱形状
2. 阴影鲁棒性：阴影区域的光谱强度整体降低，但相对比例保持稳定
3. 传感器增益一致性：不同传感器的增益设置可能不同，但光谱特征保持

实测案例：同一植被在阳光直射和阴影下的光谱曲线幅值差异可达30%，但SAM角度通常小于5°。

3. SAM的实际应用方法

3.1 参考光谱的获取

在实际分类任务中，SAM通常不是简单比较像素间的相似度，而是将每个像素与各类别的参考光谱进行比较。参考光谱的获取主要有两种途径：

1. 标准光谱库：

   • USGS光谱库：包含超过1000种矿物的光谱数据
   • ASTM标准：提供工业材料的标准化光谱参考
   • ECOSTRESS：NASA提供的植被光谱库

2. 数据驱动方法：

   • 对同类别的多个样本光谱取平均
   • 使用RO