面向多分类的大型高光谱图像数据集OHID-1

　　

探索高光谱图像分类新征程：OHID-1 数据集的诞生与应用

在大数据范式和深度学习技术日益普及的当下，重庆大学教育学院数学与大数据学院的研究人员 Ashish Mani、Sergey Gorbachev 等人，在《Scientific Data》期刊上发表了题为 “OHID-1: A New Large Hyperspectral Image Dataset for Multi-Classification” 的论文。该研究成果意义重大，它推出的新型大规模高光谱图像数据集 OHID-1，为高光谱图像分类领域注入了新活力，有助于推动相关算法的发展，对城市可持续发展科学、土地利用分析等研究有着重要的推动作用。

一、研究背景

高光谱遥感凭借其众多窄光谱带，能为每个波段提供完整图像，与仅具备三个 RGB 波段的传统遥感相比，优势显著。高光谱图像（HSI）的高光谱分辨率使检测物体外观和边界的细微差异变得更为容易，有助于提升地物分类精度；还能依据特定的光发射和吸收特征，更轻松地识别各种材料，实现更好的化学成分分析；不同波段图像间的差异分析意义重大；窄光谱带的运用可降低噪声、减少干扰，便于进行定量分析。这些优势使得 HSI 在农业分析、天气预报、资源测绘等众多领域得到广泛应用。

在 HSI 的应用中，像素分类至关重要。分类需利用标记数据训练模型，模型通过调整内部权重学习每个标记相关的数据特征，直至训练集的总体误差最小化。近年来，计算能力的巨大进步使得这种方法得以广泛应用于 HSI 分析。深度学习中的深度神经网络（DNNs）在诸多挑战性任务中表现出色，但构建 DNN 高度依赖合适的标记数据集。尽管已有一些用于不同任务的大规模、标注良好的数据集，但在 HSI 领域，现有开源数据集存在一定局限性。例如，印度松树（Indian Pines）、萨利纳斯谷（Salinas Valley）和帕维亚大学（Pavia University）等广泛用于分类研究的数据集，数据量相对较小，通常适用于传统算法或浅层 DNNs，浅层 DNNs 学习能力有限，导致网络泛化性能不佳，难以满足实际需求。而且，分类模型的泛化能力需要在不同场景和数据集上进行测试，现有数据集无法满足这一要求。此外，当前许多研究使用机载传感器捕获的数据进行实验，而卫星数据在环境、农业、城市管理等方面具有不可替代的价值，尽管卫星数据存在辐射值校准、几何信息处理、云层影响、空间分辨率低等问题，但探索其应用对社会发展意义重大。在这样的背景下，研究人员构建了 OHID-1 数据集。

二、研究材料与方法

（一）数据集样本

OHID-1 数据集由 “珠海一号” 高光谱卫星星座收集，该卫星星座由珠海欧比特宇航科技股份有限公司（现更名为珠海航天微芯片科技有限公司）设计生产。“珠海一号” 搭载八颗高光谱卫星，可在两天内实现全球观测。卫星有效载荷包含镜头、焦平面、聚焦机制和遮光罩四个主要部分，采用推扫式扫描成像技术，图像宽度达 150km，空间分辨率为 10m，光谱分辨率为 2.5nm，波长范围在 400 - 1000nm。由于传输和存储限制，数据集设计为 32 个可用数据波段（总波段数为 256）。单颗高光谱卫星每天约绕地球 15 圈，单次轨道最大数据采集时间约 8 分钟。OHID-1 数据集提供 10 幅高光谱图像，每幅图像有 32 个光谱波段，尺寸为 512×512 像素，涵盖 7 种类型的地物。

（二）数据标注

OHID-1 数据集使用 7 种标签，主要对应建筑物、道路等基本地物。研究人员从四颗高光谱卫星在 2019 - 2020 年拍摄的原始图像中选取 10 个代表性区域进行标注，区域分布明确。为确保标注准确性，研究人员获取相近日期的高分辨率航拍图像作为参考，并借助 GPS 定位进行实地调查。对于易区分的地物，如建筑物、道路等，参考航拍图像进行确认和手动勾勒；对于变化较快的地物，如裸土、鱼棚等，使用无人机进行现场勘查，并通过无人机的 GPS 匹配 OHID-1 地块坐标，以获取准确的图像区域特征。

（三）数据处理

在数据预处理阶段，研究人员使用 ENVI 软件对收集的数据进行了一系列处理。通过辐射校准，将传感器记录的数字量化值 DN 转换为辐射亮度值 L，辐射校准公式为，其中各参数从元数据文件中获取，校准后的辐射亮度值单位为。利用 MODTRAN 模型和 FLAASH 软件进行大气校正，根据研究区域位置和图像采集时间，选择热带大气校正算法，将图像从表观辐射数据转换为地表反射率。针对图像采集过程中的几何变形问题，通过建立统一坐标系和地图投影、选择地面控制点、确定校正模型和合适的重采样方法，完成几何校正。利用 OHS 高光谱卫星 L1 辐射校正产品提供的 RPC 系数构建有理函数模型，进行正射校正，以校正图像的空间和几何失真。

三、研究结果

（一）数据集质量评估

研究人员选取了五个参数来评估 OHID-1 数据集的质量。在定位精度方面，利用 CE90 评估无控定位精度，确保误差小于 500m；通过选取合适数量和分布的控制点，计算其与真实位置坐标的距离，保证有控定位精度误差小于 3 像素；在全波段图像配准精度上，完成配准后评估各控制点位置，使绝对和地理定位误差相对于数据集中其他产品小于 3 像素。对于辐射校准，检查校准后的图像，计算校准辐射亮度值与真实值的误差，确保相对辐射校准误差小于 3%。在信噪比（SNR）方面，选择太阳高度角大于 30 度、地面反射率大于 0.2 的图像计算 SNR，使其落在 25 - 40 分贝范围内。

（二）算法实验与结果

研究人员使用 8 种深度神经网络（DNNs）和一种传统方法（SVM）在 OHID-1 数据集上进行实验。随机从每个类别中选取 500 个样本作为训练集，其余作为测试集。训练 DNNs 时，采用 Adam 优化器和交叉熵损失函数，对数据进行归一化处理。设置学习率为 0.0001，批量大小为 64，训练 200 个 epoch，在第 50、90、110 个 epoch 时将学习率降低为原来的 0.1。对每个模型训练和测试 10 次，计算总体精度（OA）、平均精度（AA）和 kappa 系数的平均值作为最终结果。训练 SVM 时，通过网格搜索确定参数 cost 为 9.514，gamma 为 0.03125，同样进行 10 次训练和测试。

实验结果表明，大多数方法在 OHID-1 数据集上的性能相较于其他数据集有所下降。例如，1DCNN 在印度松树数据集上的 OA 为 0.861，在 OHID-1 数据集上仅为 0.592；2DCNN 在帕维亚大学数据集上的 OA 为 0.968，在 OHID-1 数据集上为 0.663 等。这意味着 OHID-1 数据集对于当前的 HSI 分类方法来说，标注难度更大，但也为 HSI 分类的进一步发展提供了坚实基础。从不同数据集分类结果的可视化图像可以看出，与真实情况相比，所有预测图在整体区域上都实现了大致正确的预测，体现了人工智能技术对高光谱分类的有效贡献。其中，HyLITE 架构利用变压器产生的分类图更平滑、准确，这得益于变压器能够捕捉数据中的长距离依赖和复杂关系。

四、研究结论与讨论

（一）研究结论

本研究成功构建了 OHID-1 数据集，该数据集具有独特的优势。它拥有 10m 的空间分辨率，在同类数据集中处于先进水平，且包含 10 个场景，有助于测试不同模型。其光谱范围为 400 - 1000nm，有 32 个光谱波段，能提供丰富的光谱信息。通过与其他高光谱数据集对比以及在多种算法上的实验，发现 OHID-1 数据集由于其更复杂的特征，为现有 AI 算法带来了更大的挑战，这表明在开发更准确、强大的分类模型方面仍有提升空间。同时，OHID-1 数据集不仅可用于高光谱图像分类，还能用于测试通用多分类算法，在计算机视觉任务如超分辨率重建等方面也具有应用潜力。

（二）研究意义

OHID-1 数据集的出现，为高光谱图像分类领域提供了新的研究资源。它有助于推动相关算法的改进和创新，促使研究人员开发出更高效、准确的分类模型。在实际应用中，该数据集可广泛应用于城市可持续发展科学、土地利用分析、环境监测、资源管理等多个领域。例如，在环境监测方面，能通过分析高光谱数据识别水体中不同污染物的特征光谱，实现水污染的实时监测和预警；在土地利用分析中，帮助准确判断土地的使用类型和变化情况。此外，研究人员计划未来对 OHID-1 数据集进行扩展，提升其容量，增加类别标签，涵盖更多地形类型，并提供更多区域的数据，同时开发更高效准确的分类和检测算法，以满足日益多样化的应用需求。这一系列举措将进一步推动高光谱图像分类技术的发展，为相关领域的研究和实践提供更有力的支持。