嵌入式高光谱数据库开发及目标分类应用研究.docx

嵌入式高光谱数据库开发及目标分类应用研究.docx

《嵌入式高光谱数据库开发及目标分类应用研究.docx》由会员分享，可在线阅读，更多相关《嵌入式高光谱数据库开发及目标分类应用研究.docx（66页珍藏版）》请在冰豆网上搜索。

嵌入式高光谱数据库开发及目标分类应用研究

浙江省硕士学位论文

论文题目：

嵌入式高光谱数据库的开发及目标分类应用研究

授予学位学科专业：

控制工程

学科专业代码：

085210

研究方向：

智能信息融合与处理

省编号：

摘要

高光谱遥感技术在过去三十年中取得了飞速的发展。

它已经成为人们获得地物等感兴趣目标信息尤为重要的手段，在民用与军用领域均发挥着巨大的作用。

高光谱遥感具有数据波段众多，波段间相关性强等特点，这为数据处理技术提出了更高的要求。

由于高光谱遥感数据特有的“图谱一体化”特性，因此收集并积累各类不同地物的光谱响应数据信息，即光谱指纹，一直以来都是高光谱遥感影像领域的基础研究工作和不可或缺的重要环节。

而目前较成熟的光谱数据库系统都是大型数据库系统，可移植性差，使用环境受限。

因此，对创建轻量型可移植嵌入式光谱指纹数据库系统作了研究，并通过光谱数据库系统中存储的光谱指纹样本，对未知高光谱遥感数据进行目标识别。

同时，将RX异常检测算法、支持向量机算法移植到ARM平台上，与创建的嵌入式数据库协同使用，实现嵌入式平台下无人工干预的高光谱遥感目标分类，数据管理一体化。

主要工作如下：

（1）介绍了高光谱遥感的研究背景，进而阐述了研究内容和研究目的。

在此基础之上，重点综述了光谱数据库系统的概念及发展现状。

结合研究内容，着重介绍目前流行的嵌入式数据库系统。

（2）针对本文数据库系统开发的需要，介绍了嵌入式环境下的数据库系统知识，对比常用嵌入式数据库系统，选择SQLite嵌入式数据库。

并对SQLite数据库系统的体系结构、接口函数、事务和锁以及SQLite的SQL语句进行研究。

最后在ARM开发板上实现SQLite数据库的移植，在ARM环境下对SQLite数据库进行测试。

（3）借鉴学习国内外成熟光谱数据库系统，介绍了嵌入式光谱数据库系统开发的设计思路。

搭建开发环境，交叉编译Linux下GUI界面开发Qt/E，并移植到ARM开发板。

从界面设计、数据表设计和功能设计三个方面详细介绍了数据库系统的开发过程。

（4）从已建立的数据库系统中提取样本，运用RX异常检测算法，通过光谱角映射和支持向量机对高光谱遥感数据进行目标识别，分析总结仿真结果，并移植RX异常检测算法和支持向量机算法到ARM嵌入式平台。

关键字：

高光谱遥感，嵌入式数据库，光谱数据库，RX异常检测，支持向量机

ABSTRACT

Hyperspectralremotesensingtechnologyhasachievedrapiddevelopmentinthepast30years.Ithasbecomeaparticularlyimportantmeansthatpeopleobtainfeatureinformationofwhichthey’reinterestedinobjects,andplaysahugeroleinboththecivilandmilitaryfields.Hyperspectralremotesensingtechnologywithfeaturessuchasnumerousdatabands,inter-bandcorrelation,putsforwardhigherrequirementsfordataprocess.Becausehyperspectralremotesensingdatahasthecharacteristicsofintegrationofdiagramandspectrum,ithasalwaysbeenabasicresearchworkindispensableimportantsegmentinthefieldofhyperspectralremotesensingimagetocollectandaccumulateinformationfromallkindsofdifferentgroundobjectsspectrumresponsedata.Butatpresentmostofthematurespectraldatabasesystemistoolarge,poorportability,limitedbytheenvironment.Therefore,thispapermakesaresearchoncreatingalightweightportableembeddeddatabasesystemforspectrumcurve,classifiestargetofunknownhyperspectralremotesensingdatathroughsamplesstoredinthedatabasesystem.Atthesametime,theRXanomalydetectionalgorithm,supportvectormachinealgorithmistransplantedtotheARMplatform,workingwithembeddeddatabasecooperatively,realizinghyperspectralremotesensingtargetclassificationanddatamanagementontheembeddedplatformwithoutmanualintervention.Themainworkisasfollows:

（1）Thispaperintroducesthebackgroundofhyperspectralremotesensing,andexpoundstheresearchcontentandresearchpurposes.Onthisbasis,thispaperfocusesonintroducingtheconceptofspectraldatabasesystemandsummarizingitscurrentsituationofthedevelopment.Combinedwiththeresearchcontent,thispaperintroducessomepopularembeddeddatabasesystematpresent.

（2）Aimedattheneedsofdevelopingthedatabasesystem,thispaperintroducestheknowledgeofembeddeddatabasesystem.Comparingtocommonlyusedembeddeddatabasesystem,thispaperchoosetheSQLitedatabasesystem.Thispaperresearchesthearchitecture,theinterfacefunctions,thetransactions,thelockandSQLiteSQLstatementsofSQLite.Finally,thispapertransplantsSQLiteontheARMdevelopmentboard,andtestsSQLiteundertheARMenvironment.

（3）Usingdomesticandoverseasmaturespectraldatabasesystemforreference,thedesignideaofembeddedspectraldatabasesystemdevelopmentwasintroducedinthispaper.Thedevelopmentenvironmentwasbuiltandthepapercross-compilesLinuxGUIinterfaceQt/E.Then,theyweretransplantedtotheARMdevelopmentboard.Thedevelopmentprocessofdatabasewasintroducesindetailfromtheaspectsofinterfacedesign,datatabledesignandfunctiondesign.

（4）SampleswereextractedfromtheestablisheddatabasesystemandanomalydetectedusingRX.Andspectrumanglematchingandsupportvectormachinewereappliedfortargetidentificationforhyperspectralremotesensingdata.Then,simulationresultswereanalyzedandsummarized.Finally,RXanomalydetectionalgorithmandsupportvectormachinealgorithmweretransplantedtotheARMembeddedplatform.

Keywords:

Hyperspectralremotesensing,embeddeddatabasesystem,spectraldatabasesystem,anomalydetection,supportvectormachine

第一章绪论

1.1研究背景

遥感技术兴起于20世纪60年代，由美国海军科学研究院教授ELPruitt[1]提出，特别是随着各国对太空开发的重视，遥感技术得到迅速发展，遥感（RemoteSensing）是在非接触的条件下，获取目标的状态或信息的方法。

通常是指利用航拍传感器，对地物的某些信号（电磁波等）进行检测，并对感兴趣的信号特性进行分析、辨识的技术[2,3]，遥感原理图如图1.1所示。

图1.1遥感原理图

遥感数据的捕获以及遥感图像的形成，均依赖于成像光谱传感器，在遥感领域称之为遥感器（RemoteSensor）。

从上世纪80年代开始，随着CCD（ChangeCoupledDevice）等电耦合器件的开发和研制，遥感成像技术不断发展[4-6]。

根据遥感器光谱分辨率的不同，可将遥感图像分为3类[7]：

（1）当光谱分辨率的数量级在

范围内，称为多光谱遥感（MultispectralRemoteSensing），该类遥感通常只在可见光及近红外光谱范围内有数个波段；

（2）当光谱分辨率的数量级在

范围内，称为高光谱遥感（HyperspectralRemoteSensing），该类遥感通常在可见光及近红外光谱范围内有几十甚至几百个波段；

（3）当光谱分辨率的数量级在

范围内，称为超光谱遥感，波段数目可达上千。

如今，高光谱遥感技术由于其技术较成熟，光谱分辨率较高，在以上三类遥感成像中处于遥感技术的前沿，是遥感技术领域的热门研究方向，得到越来越多关注。

高光谱遥感的出现，是理论和技术上的创新，高光谱遥感技术使得光谱分辨率达到纳米级别，为人们利用高光谱遥感影像进行地物目标识别提供了丰富的信息。

与传统遥感影像不同，高光谱遥感影像将地物空间特性的图像信息和地物光谱特性的光谱信息结合在一起，具有图谱一体化的特性[8]。

由于高光谱较高的光谱分辨率，能够提供连续波段的光谱曲线，因此，高光谱遥感能充分利用窄波段的信息，探测出宽波段影像中难以检测出的地物，在土地资源、生态环境、城市交通、大气污染、海洋资源勘探、农业等方面[9]，有着十分广阔的应用前景。

1.2研究内容及目的

不同的地物类型对应不同的光谱特征，这一特性成为人们提取地表信息和认识、识别地物的主要手段和思想[10]。

高光谱成像仪在一定条件下测绘得到各类地物的光谱指纹数据，光谱数据库就是这些地物光谱指纹数据的集合。

对快速实现感兴趣未知地物匹配和提高高光谱遥感分类水平有着极其重要的作用。

因此，运用计算机技术建立地物光谱数据库，存储数据、管理数据并对所存储的数据进行光谱指纹信息分析是十分必要的。

目前，在该领域已经有许多研究机构在长期研究工作的基础之上，成功建立了一些较成熟的光谱数据库。

但由于这些光谱数据库多为大型数据库，建立这类数据库需投入大量人力、物力资源，且可移植性极差，所以本文在借鉴前人研究成果的基础上，吸取前人的长处，开发了轻量型可移植性很强的嵌入式光谱数据库系统，该嵌入式光谱数据库系统最大的特点是轻量性，可移植性很强，能移植到各类应用平台尤其是星载平台，大大节约空间资源。

并从已建立的光谱指纹数据库提取样本，通过RX异常检测算法、光谱角映射算法和支持向量机算法，对未知高光谱遥感数据进行目标分类和识别。

并对RX异常检测算法和支持向量机算法进行移植，集成到嵌入式平台上，与嵌入式光谱指纹数据库系统协同使用，同时验证了光谱指纹数据库的实用性与开发价值。

1.3光谱数据库系统概念及发展现状

收集并积累各类不同地物的光谱指纹数据信息，一直以来都是高光谱遥感影像领域的基础研究工作，并且是不可或缺的环节。

在发展遥感影像处理的新方法，提高影像识别分类水平方面起着重要的作用。

随着高光谱遥感影像技术的飞速发展，光谱数据不断剧增，为不同地物光谱指纹数据建立数据库有了更高的要求。

光谱指纹数据库的建立，并由数据库来管理这些光谱响应数据，是遥感影像技术发展的又一重要表现。

高光谱遥感数据拥有“图谱一体化”的特性，融合了传统遥感影像的图像维和光谱维的信息，能同时获得地物空间特征和每个地物连续的光谱特征信息，从而可以根据所得到地物的光谱特征进行地物的识别分类。

近年来，随着高光谱遥感影像技术的飞速发展，世界各国相关领域的工作者进行了大量测绘实验，得到大批高光谱遥感影像数据，获得了丰富的资料。

为了提高对高光谱遥感影像数据的利用率，方便对其进行管理，高光谱遥感影像数据库管理系统得到了快速发展。

60年代末至70年代初，美国NASA建立的地球资源信息系统（TheNASAEarthResourcesSpectralInformationSystemERSIS）[9]是第一个较完整的高光谱遥感影像数据库，该系统收集了土壤、植被、水体和矿物四类不同地物[11]的光谱特征数据。

随后，美国JPL实验室建立了包含160种矿物的光谱库，澳大利亚CSIRO，日本地质调查所也相继建立了高光谱遥感影像光谱数据库，并投入实际应用，且获得良好效果。

我国在这方面也取得了喜人的成绩，中科院遥感所高光谱室经过多年积累，建立了面向对象的光谱数据库系统，存储了数千条经过统一测试的地物光谱特征数据，该数据库系统为今后机载、星载成像光谱仪的校正和定标等提供良好的参照。

光谱数据库的发展起源于对不同地物光谱特性的研究，上世纪三四十年代左右，苏联专家对多类地物可见光的光谱响应进行测绘，1947年，出版了世界上首部多类地物光谱响应特性专著《自然物体光谱的反射特征》。

六十年代，美国密执安大学也开始进行大规模地物光谱指纹数据的测绘，且地物光谱的波段扩大到中红外，甚至扩大到微波，到1971年，在全美国范围内建立起289个试验场地。

在高光谱遥感影像技术方面，国外起步比国内早一些，发展也更快一些，国外各大研究人员已成功建立了几个光谱数据库系统，主要有：

IGCP-264光谱数据库：

该光谱数据库是1990年美国研究人员建立，收集了5种成像光谱仪测量的共5个光谱数据库，分别包括科罗拉多对地研究所改进的双光路反射成像光谱仪Beckman5270所测的光谱指纹数据，其光谱特征分辨率3.8nm，重采样为1nm分辨率；由SCES采用GER公司的SIRIS野外成像光谱仪所测的光谱指纹数据；由SCES采用野外成像光谱仪PIMAII在室内实验室条件下所测的光谱指纹数据，其光谱特征分辨率为2.5nm；由布朗大学采用Relab成像光谱仪所测的光谱指纹数据，其光谱特征分辨率为2-13nm；由USGS采用Beckman成像光谱仪所测的光谱指纹数据，其光谱特征分辨率在可见光范围内为0.2nm，在近红外范围内为0.5nm。

JohnHopkins大学光谱数据库：

九十年代，美国JohnHopkins大学采用FTIR和Beckman成像光谱仪测量了包括各种矿物岩石、植被、水体、土壤、雪以及人工目标在内的多种地物的光谱指纹，光谱特征分辨率范围区间为2.08-25微米。

并且在2-25微米范围内的热红外和植被光谱数据库中，用户可以对物质成份、植被和热红外进行分析。

JPL实验室的ASTER光谱数据库：

其采用Beckman5240成像光谱仪，测量了160种矿物岩石在多微粒范围内的光谱特征，可以用来研究光谱与微粒尺度的关系。

光谱特征分辨率在400-800nm区间范围内是1-4nm，800-2200nm区间范围内小于20nm，2200-2500nm区间范围内是20-40nm。

此外，JPL还对样品采样、成份分析和样品纯度进行了规范。

此外，在许多商业遥感影像软件中也具有高光谱数据库模块功能，比如ENVI软件中，具有光谱管理，光谱编辑及光谱分析模块，采用的是USGS光谱数据库、JPL物质成份光谱库以及JohnHopkins大学热红外植被光谱库，用户可以根据自身需求，查看标准光谱数据库和建立自己的光谱数据库。

PCI软件在高光谱分析模块中提供了USGS光谱数据库的高光谱地物数据库。

ERDAS软件同样包含了JPL，USGS和用户自定义的光谱数据库。

这些软件和相应光谱数据库在各个应用领域中都发挥了巨大作用，在地质学中，光谱数据库可定义岩石或矿物的类型，利用光谱角映射（SAM）等方法对目标像元进行识别后，便可探测到特定岩石或矿物。

充分显示了光谱响应数据库在高光谱遥感影像技术发展领域不可缺少的地位。

但是，国内在光谱数据库建立方面起步比较晚，始于七十年代腾冲航空的遥感试验，在实施遥感飞行实验的同时，进行了地物光谱测量。

接着，在八十年代，中科院的长春光机所在长春建立净月坛试验场，该试验场内实验均在室内环境下进行。

可在室内环境下模拟地物样品对太阳光的发射，并从多个角度进行测量。

水利部的遥感中心建立了湖南洞庭湖试验场，对洪涝灾害进行监测。

接着又在宁芙建立试验场，发展本国资源卫星。

1982年，中科院主持制定了地物光谱测试规范，出版《中国地球资源光谱信息资料汇编》，共包括岩石矿物、土壤、水体和农作物植被等1千多条光谱指纹数据。

“七五”期间，在“高空遥感实用系统”子课题的支持下，在全国范围内建立了13个试验场，对地物光谱收集和分析作全面规范，在各方面的共同努力下，建立了包括矿物岩石、土壤、水体、农作物植被和人工目标的五大类地物光谱数据库，包含了300多种达15000条光谱指纹数据的地物光谱数据库。

最后，由中科院安徽光机所建立了《全国地物波谱特性数据库》，另外，在八十年代末，中科院遥感所出版《中国典型地物波谱及其特征分析》，书中共计给出多达277种典型地物光谱响应数据。

进入九十年代，地物光谱测绘更是得到突飞猛进的发展，自1994年起至2000年，多次在敦煌、青海湖试验场进行大量地物光谱测绘，积累了大量数据。

“九五”期间，在科工委卫星应用重点项目子项目“典型下垫面辐射光谱特性数据库”的支持下，我国建立基于PC机的地物光谱指纹数据库，不仅具有图像显示功能和光谱响应曲线查看功能，更有数据分析和数据交互功能。

另外，该数据库系统增加了超光谱地物成像光谱仪获得的不同类水体的光谱特征数据，编写了《典型下垫面辐射光谱特性数据库》的设计报告等。

在其他各重点项目的支撑下，相继建立了《目标/背景光谱特征数据库》，基于Foxpro的高光谱数据库，编写了《中国污染水体光谱特征》一书。

经过多方共同努力，我国在光谱数据库建立方面取得了骄人的成绩。

1.4嵌入式数据库发展现状

嵌入式数据库又被称为嵌入式移动数据库[12]，指的是存储于嵌入式系统中能对其统一管理的数据集合。

嵌入式数据库内的数据按照特定模型描述、存储。

数据能被多用户或多应用程序共享，且数据独立性高，冗余度小。

数据按照以上特性组织起来，由嵌入式数据库系统对其统一管理。

随着嵌入式数据库在智能家电、移动计算环境、工业控制以及POS网络等各个领域的应用，嵌入式数据库技术得到普遍关注和快速发展。

国内外相关机构均投入大量人力物力对其进行深入研究，许多数据库厂商也调整方向，把嵌入式数据库作为重点发展方向[12]。

国内外发布了多款嵌入式数据库系统，主要有以下几种：

（1）SybaseSQLAnywhereStudio[13]

该数据库是Sybase公司研发的产品，发布了UltraLite。

目的是为了方便开发数据驱动的嵌入式系统。

UltraLite能够提供灵活、高性能的数据库技术，UltraLite的分析器只把需要的表、列、索引构建成最优数据库，查询速度和更新速度都很快，且仅占50K内存。

（2）PervasiveSQL[14]

该数据库是Pervasive公司研发的产品，其最大的特点是运行时所占内存很小。

共发布了三个不同版本，分别应用在移动电话、智能卡和嵌入式系统三个不同方面。

（3）BerkeleyDB[15]

该数据库是美国SleepycatSoftware公司研发的产品，该数据库系统基于磁盘文件，是一款开源的嵌入式数据库程序库。

它通过简便的API函数接口实现存取数据和管理数据，不存在数据库服务器，库文件可直接与程序相连接。

而且还具有事务保护和可伸缩性的特点，性能较高。

（4）RDMEmbedded[16]

该数据库是Raima公司研发的产品，主要针对无线市场而设计，是一款嵌入式数据库。

这款数据库拥有一个高效、轻便、安全的数据库引擎，各类操作和数据库控制均由C语言函数库实现。

同时，还支持对关系型数据库键值的索引、顺序索引和网络模型set索引等[17]。

二次开发灵活性高，开发人员能高效的建立复杂的数据模型，实现高性能数据管理。

（5）SQLite[18]

SQLite是一款轻量级嵌入式数据库产品，是一款符合SQL92的关系型数据库。

SQLite在运行时内嵌到程序中，与应用程序使用同一个进程空间。

运行时所占用的嵌入式系统资源极少，由于其轻量型特点，又是一款开源数据库，所以被广泛应用于嵌入式领域。

除此之外，还有常见的嵌入式数据库产品有：

Polyhedra、EmpressDB、eXtremeDB、OracleBerkeleyDB和DB2Satellite，以及H2、Mysql。

第二章嵌入式数据库系统

2.1引言

嵌入式技术的日益发展，使其数据处理能力越来越强大，所处理的数据量也随着增大，嵌入式系统中数据管理问题便成为系统设计和开发的重要环节，所以需要对嵌入式系统中的数据进行管理，于是嵌入式数据库技术因运而生。

本章的内容安排如下：

首先第二节介绍了嵌入式数据库的概念和特点；第三节针对本文所选数据库SQLite进行具体介绍，介绍了SQLite数据库的体系架构；第四节介绍了SQLite数据库的C语言接口函数，SQLite