Antworten:
Der Begriff spektrale Signatur bezieht sich auf die Beziehung zwischen der Wellenlänge (oder Frequenz) elektromagnetischer Strahlung und dem Reflexionsvermögen der Oberfläche. Die Signatur wird von verschiedenen Faktoren beeinflusst, einschließlich der Materialzusammensetzung und -struktur. Einige Teile des EMR-Spektrums, wie der Mikrowellenbereich, reagieren empfindlicher auf die Oberflächenstruktur als andere Bereiche. Wir verwenden die spektrale Signatur (oder häufiger abgetastete Teile davon - Bänder von Satellitenbildern), um auf Dinge über die Oberfläche wie die Zusammensetzung (z. B. Vegetation, nackter Boden usw.) zu schließen.
Ein Feature hingegen ist einfach ein Objekt in der Landschaft. Ein Merkmal kann beispielsweise ein Feld mit einheitlicher Ernte, eine Straße oder ein Gebäude oder ein anderer Teil der Landschaft sein. Wir versuchen oft, Merkmale anhand ihrer spektralen Signaturen zu identifizieren, wobei wir von einer Einheitlichkeit ausgehen, was nicht immer der Fall ist. Manchmal versuchen wir, Pixel nicht nur anhand ihrer spektralen Signaturen zu klassifizieren, sondern auch räumliche Beziehungen wie die Nähe ähnlicher Pixel zu berücksichtigen. Dies ist beispielsweise bei der objektbasierten Bildsegmentierung üblich, bei der versucht wird, Merkmale mithilfe einer Kombination aus spektralen und räumlichen Merkmalen zu identifizieren.
Eine spektrale Signatur ist eine messbare Größe (z. B. Reflexionsvermögen, Emissionsvermögen), die in Abhängigkeit von der Wellenlänge variiert und zur Identifizierung eines Materials verwendet werden kann. Um eine Signatur zu erhalten, muss die Menge bei einer ausreichenden Anzahl von Wellenlängen (und bei einer ausreichend feinen spektralen Auflösung) gemessen werden, so dass das Material von anderen Materialien unterschieden werden kann. Beispielsweise liefert ein RGB-Bild (konvertiert in Reflexionsvermögen) Informationen zum Reflexionsvermögen bei drei Wellenlängen (rot, grün und blau); Dies wird jedoch normalerweise nicht als spektrale Signatur angesehen, da es keine ausreichenden Informationen zur Unterscheidung verschiedener Materialien liefert (z. B. können Pixel, die Gras, Kunstrasen oder einen grünen Tennisplatz enthalten, in RGB-Bildern nahezu identisch aussehen). Spektrale Signaturen werden typischerweise entweder hyperspektral erhalten Bilder oder mit Handspektrometern.
Der Begriff "Merkmal" kann mehrere Bedeutungen haben. Während es sich auf ein räumliches Merkmal (oder Objekt) beziehen kann, bedeutet es im Spektralbereich normalerweise etwas ganz anderes. Ein spektrales Merkmal könnten die ursprünglichen spektralen Messdaten sein (z. B. das Reflexionsvermögen), aber es ist häufig etwas, das aus den spektralen Messungen abgeleitet wird, typischerweise durch Erzeugen linearer oder nichtlinearer Transformationen der ursprünglichen Datenwerte. Spektralmerkmale werden häufig erstellt, um die Dimensionalität der Spektraldaten vor der weiteren Verarbeitung zu verringern. Beispiele für lineare Merkmale sind solche, die aus der Hauptkomponentenanalyse (PCA) oder der linearen Diskriminanzanalyse (LDA) erhalten wurden . Ein Beispiel für ein nichtlineares Merkmal ist der Normalized Difference Vegetation Index (NDVI).Dies ist ein skalierter Unterschied zwischen dem roten und dem nahen Infrarotband in einem Bildpixel.
Es gibt zahlreiche Arten von Spektralmerkmalen, die aus Spektraldaten extrahiert werden können, und das beste hängt von den Details ab, die Sie erreichen möchten. Dies ist ein Bereich aktiver Forschung. Um mehr über einige Techniken und Anwendungen zu erfahren, empfehle ich, mit einer Websuche nach "Spektralmerkmalsextraktion" zu beginnen.