高光谱数据结构

高光谱数据通常以三种格式排列，即BIP(波段按像元交叉)、BIL(波段按行交叉)和BSQ(按波段顺序)格式。设P、L 、B分别表示像元维、扫描行和波段维，以三维数组表示图像D有BIP 格式为D(P,L,B),其中波段维B为最低维,扫描行L为最高维;BIL格式为D(P,B,L);BSQ格式为D(L,B,P)。通常成像光谱仪获得的数据流是BIP格式的，也有些面阵成像光谱仪以BIL格式获得数据。

因为成像光谱图像数据波段很多、数据量很大，所以数据存储的格式对数据处理的效率影响较大。我们知道,在数据读写过程中，数据在存储空间上的相关性很大程度，上影响着访问效率。例如，要分析图像像元的光谱特性，提取光谱曲线,需要访问图像某像元所有波段的数值，这时以BIP格式在储图像比较合适。如果这时图像以BSQ格式储存,则需要从磁盘多个不同的地方读取数据,对于波段数很多而图像数据又很大的成像光谱数据来说，将花费大量的时间。如要对图像进行空间分析(如做空间滤波) ,只能对图像同波段内的数据进行处理，此时以BSQ格式存储图像比较合适。BIL格式介于BIP和BSQ格式之间，对于高光谱图像来说，既不利于空间分析也不利于光谱分析。为了提高数据访问效率，同时满足空间分析和光谱分析，可以对数据进行分块。在实际的数据处理过程中,因为计算机物理内存的限制，通常是以分块形式来处理图像的，以提高处理效率。我们在图像最高维上增加一维对数据分块，每一-块中的数据以BIP或BSQ格式存放,可以表示为D(B,P,L,S)或D(P,L,B,S)。分块的大小以接近计算机物理内存为宜。传统的图像处理系统对超多波段的图像处理支持较少，一般不支持分块的数据格式，些以成像光谱数据为处理对象的新软件系统已经支持分块格式。

根据高光谱数据结构的特点可以划分为两大流派:以ENVI^TM为代表的第一类商业化系统支持影像数据和地理编码信息分离存储的框架,HIPAS即属于该类别;而以ERDAS^TM为代表的第二类系统支持影像数据和地理编码数据相结合的框架,类似的系统有PCI^TM ,HDF( MODIS)。二者的比较如表1所示。

表1   两类高光谱影像处理系统数据结构之比较

应该说这两种数据结构各有优缺点，相比之下，第一类数据结构显得更为灵活。数据和地理编码相分离的外存储策略将增加数据交互的开放性，利于各行业软件之间的数据共享和交互操作，例如，ENVITM支持的外存储格式能够直接被其他通用影像处理系统所支持(如Photoshop")而不用做任何额外的数据转换操作。但是由于采用分离存储策略，会导致过多的外部地理编码数据单独存储，从而增加用户的维护难度。尤其是发生外部编码文件损坏或丢失时可能会给用户带来不可弥补的损失。第二类外存储框架体系主张采用数据和地理编码捆绑策略，这种体系便于和GIS其他属性数据紧密联系,同时可以实现数据和地理编码信息的自包容，实现矢栅一体化存储,增加用户操作透明度,减少外部维护的复杂度。但这种外存储结构无疑会增加系统本身的维护难度,对系统稳定性带来一定影响。 最重要的是它不便于与其他影像处理系统互融互通,难以实现信息共享，从而导致一个个信息“孤岛”。尤其是当用户对数据操作后会带来数据存储磁盘阵列大范围的位移,在海量影像数据操作时显出诸多弊端。

无论是ENVI的开放式结构还是ERDAS的独立式结构,都有其独到之处。实际上，采用开放式和独立式结构相结合的中间方式的第三条路线也比较常见。如ERDAS在处理超大型影像时(大于2G的影像)，也采用了独立分离影像数据的策略。这种中间技术路线同时具备了独立式结构的长处和开放式结构的便利。