5.2.3.1 实验数据
所用实验数据为机载可见光/近红外成像光谱仪（AVIRIS）所采集。AVIRIS由美国喷气推进研究室研制出，具有高空间分辨率、高光谱分辨率、高辐射度准确度和提高分辨地面信息特征的能力。AVIRIS数据的波长范围是0.4～2.45μm，有224个连续波段，波段宽度10nm。当飞机在20km高空飞行时，图像地面分辨率可达20m。原始待分类识别图像见图版2.1。其中，红色部分为植被，蓝色为水体，白色为岩石，黑色为阴影。
图5.2 对4种矿物质光谱进行3层小波包分解的最佳基比较
图5.3 对4种矿物质光谱进行4层小波包分解的最佳基比较
图5.4 对4种矿物质光谱进行5层小波包分解最佳基
5.2.3.2 待分类影像像元光谱数据分析
以对图像中植被的识别为例来说明。从图像的训练区（已知其类别是植被）中选取12个像元，对每个像元的光谱数据分别进行了3、4、5、6、7、8层小波包分解（图像波段数为224，最大分解层数为8），获得了最佳基比较如图5.5～5.10所示。
图5.5 植被像元3层小波包分解最佳基比较图
图5.6 植被像元4层小波包分解最佳基比较图
图5.7 植被像元5层小波包分解最佳基比较图
首先，以上八幅图像很好的验证了一点：即使是同一地物目标，它们的最佳小波包基也可能略不相同。其次，从图5.5～5.7来看，对所选12个像元进行3、4、5层小波包分解时，可以发现以下两点：(1)它们最佳基向量的长度较小：最长最佳基的长度3层时为6，4层时为7，5层时为8；(2)这12个植被像元的最佳基在第3个时就开始不相同，按最佳基的异同，这些像元被分成了2～3组。显然，在对所选植被像元进行4、5层小波包分解时，不能较好的分离出外界因素对不同像元不同等的影响以及属于同一目标地物不同像元的内在微小差异。
图5.8 植被像元6层小波包分解最佳基比较图
图5.9 植被像元7层小波包分解最佳基比较图
再看图5.8～5.10，它们和前3幅图有很大的不同：(1)属于最佳基的节点比较多；(2)这12个像元分解得到的最佳基很明显地有相同部分和相异部分。如表5.1～5.3，进行6层小波包分解时，这12个植被像元的前14个最佳基相同，从第15个开始出现不同；进行7层小波包分解时，前16个相同，第16开始出现不同；进行8层小波包分解时，前14个相同，第15开始出现不同。可见，在进行6～8层小波包分解时，属于低频部分前14～15个最佳基能较好地体现植被像元的基本光谱特征，而这14～15个之后的最佳基较多的聚集了噪音和其他细节的高频信息。
图5.10 植被像元8层小波包分解最佳基比较图
总结以上分析可得到如下认识：从待分类图像中选取植被像元的高光谱数据进行6～8层小波包分解，前14～15个最佳小波包基是相同的，这表明，可以通过比较前14或15个最佳基的异同从整幅高光谱影像中提取出植被类别。
表5.1 植被12个像元的6层小波包分解前27个最佳基
续表
表5.2 植被12个像元7层小波包分解前27个最佳基
续表
表5.3 植被12个像元8层小波包分解前27个最佳基
续表
对图像中的岩石、水体、阴影等的样本像元进行试验，可以得到类似的结论。所以，确定了适当的小波包分解层数，就可以通过比较前m个最佳基的异同来识别目标，这m个最佳基在小波包二叉树中的位置组成一个长度为m的最佳基特征参量数组（Best－base Characteristic Parameter Array，BBCPA）。m的具体值可以通过实验分析得到。