目标多维特征数据库设计与实现
赵丁 袁艳 苏丽娟 王继超
摘 要： 针对地物目标空间、光谱和偏振等多维信息管理不够全面、目标多维特征利用不足等问题，提出构建目标多维特征数据库的方法。基于SQL Server数据库和关系模型，利用C#语言和.NET平台下的WPF界面框架和Entity Framework数据访问技术，设计了四层体系结构以及四类功能模块，开发了包括空间、光谱和偏振等多维信息在内的数据库系统，并针对多维样本设计了包含属性信息的编号形式。该系统提高了目标多维信息的管理效率，并且为地物目标的探测、分类和识别等应用提供支持。
关键词： 多维信息管理； 样本管理； 数据库设计； 系统开发
中图分类号： TN919.5?34； TP751；TP311 文献标识码： A 文章编号： 1004?373X（2017）20?0010?04
Abstract： As the management of ground target multidimensional information such as space， spectrum and polarization is incomprehensive， and target multidimensional features are underutilized， a method of constructing target multidimensional feature database is proposed. Based on SQL Server database and the relational model， C# language， WPF UI framework of the .NET platform， and the Entity Framework data access technology are utilized to design a four?layer system architecture and four functional modules， develop the database system containing multidimensional information such as space， spectrum and polarization， and design coding form containing attribute information for multidimensional samples. The system improves the management efficiency of target multidimensional information， and provides support for ground target detection， classification and recognition.
Keywords： multidimensional information management； sample management； database design； system development
在遙感发展的前期阶段，图像解译方式主要是人工目视判读，不仅速度慢效率低而且依赖于个人经验。随着遥感图像处理技术的进步，解译方式逐渐向计算机自动处理的方向发展。目标特征库是对大量遥感目标及其特征数据的累积，在遥感数据的自动化解译过程中具有非常重要的作用。利用不同的采集手段可以获取丰富的多源遥感数据，可以提取出不同维度的地物目标特征并建立相应的特征数据库。在空间维度，董文等构建了包含地震灾害目标及其形状、纹理、地形等图谱特征的灾害目标特征库[1]，孙家波建立了包含灰度、纹理、专题指数等特征在内的高分辨率影像特征库[2]。在光谱维度，邹会杰通过实地釆集城市典型地物光谱建立了典型地物光谱库[3]，李少鹏等通过采集荒漠植物光谱构建了典型荒漠植物光谱数据库系统[4]。在偏振维度，主要是通过偏振图像融合来增强目标的特性[5]，由于地物目标种类纷繁复杂，相应的偏振特征数据库尚未出现[6]。在空间维、光谱维联合上，尚坤等在原始光谱特征基础上结合纹理特征并加入光谱指数特征构建了完备的植被特征库[7]，徐涛等利用QuickBird影像构建了包括4个波段灰度值、拓扑特征在内的水体知识库[8]。目前在单一维度和联合两种维度的情况下已经对构建目标特征库进行了研究，缺少在联合三种维度情况下对构建目标特征库进行分析。本文针对目标具有空间、光谱和偏振等多维信息的特点，开展目标多维特征数据库系统研究。通过分析系统需求，设计数据模型、体系结构以及功能模块，开发实现了目标多维特征数据库系统。
1 数据库设计
1.1 需求分析及编码管理
1.1.1 系统需求分析
需求分析的关键是数据和处理[9]，即数据库中需要存储的数据和完成的功能。所需存储的多维样本信息形式多样、种类丰富，如表1所示。
数据处理主要包括空间、光谱和偏振维样本的特征参数、特征图像解算，样本文件及特征参数的入库、修改和删除，样本的查询检索，以及地物目标探测、光谱匹配和偏振图像融合等应用需求。同时采取用户标识与鉴别等安全管理措施。
1.1.2 编码管理
本系统将所需存储的数据分为两个层次，第一层为目标层次，第二层为样本及样本特征层次，使得样本的管理更加明确。样本编号是系统中区分样本的重要标识。以往的方法是按照数据入库的顺序采用数字方式由小到大编号，虽然样本数据编号是惟一的，但是编码方式简单，不能从编号本身得出样本属性信息。
为了方便查询检索及样本数据的统一管理，本系统采用字符串方式对样本进行编号，编号格式为：T?目标代码?样本维度?样本尺寸?样本分辨率?样本序号。
其中目标代码采用4位数字来表示，前2位数字表示目标类型，后2位数字表示目标名称，例如机场跑道的目标代码为0101；样本维度采用英文大写字母SPA，SPE，POL来表示，分别表示空间、光谱和偏振三个维度；样本尺寸采用1位数字，表示样本图像尺寸或光谱范围；样本分辨率采用1位数字，表示样本图像分辨率或光谱分辨率；样本序号采用5位数字，按照样本入库顺序编号。
同时，将样本编号的前8位定义为目标编号。例如，T0101SPA2100001表示一个图像尺寸为64×64 px、分辨率为0.5 m的机场跑道空间维样本，其目标编号即为T0101SPA；T5101SPE1100001表示一个波长范围为350～800 nm、光谱分辨率为1 nm的铝合金材料光谱维样本，其目标编号即为T5101SPE。如图1所示。
1.2 数据表设计
针对不同维度下所存储的样本数据形式、特征参数不同，分别设计3个数据表组，各个数据表组包含的表的数量及内部关系一致，以目标信息表为牵引、样本信息表为主体，连接样本特征、样本文件、仪器信息和环境信息等数据表。各表之间的外键关系均采用级联的方式，便于数据添加、更新、删除等操作在各表之间同步完成，如图2所示。
1.3 功能模块
根据功能需求，划分目录检索、处理入库、数据应用和系统管理四个功能模块，如图3所示。
目录检索模块用于目标或样本数据的查询检索，包括样本目录、查询检索和重载数据三个子模块。样本目录子模块实现样本维度切换功能，查询检索子模块实现目标及样本的搜索功能，重载数据子模块实现数据的刷新功能。
处理入库模块用于样本的特征计算及入库保存，包括数据导入、数据维护和特征提取三个子模块。数据导入模块实现了目标及样本的添加入库功能；数据维护模块实现数据的修改及删除功能；特征提取模块用于提取样本的特征参数或图像。
数据应用模块用于样本数据的具体应用，包括数据导出、特征应用两个子模块。数据导出模块实现样本及特征参数的导出功能，特征应用模块实现不同维度下的特征应用功能。
系统管理模块用于系统维护及用户管理，包括用户管理、备份恢复和系统日志三个子模块。用户管理模块实现系统用户的查询和注册功能，备份恢复模块实现样本数据的备份及恢复功能，系统日志模块用于查看及导出系统日志。
1.4 系统体系结构
本系统设计了四层体系结构，分别为数据存储层、数据访问层、数据操作层和用户界面层，如图4所示。
数据存储层主要包括空间维样本库、光谱维样本库、偏振维样本库以及辅助信息库等。本系统采用SQL Server关系数据库实现数据的存储和管理，该产品具有良好的可用性、易管理性和可靠的安全性等特点。
数据访问层实现了统一的数据访问方式，数据访问方式主要有DataSet，ADO连接类和ORM组件等。Entity Framework是一种ORM工具[10]，它将每个数据库对象都转换成实体，而数据字段都转换为属性，将数据库模型完全转化为对象模型，其核心是实体数据模型，通过Visual Studio中的EDM设计器来设计。Entity Framework使用Entity SQL，LINQ和对象查询产生器来进行对象查询，LINQ to Entities技术能够查询实现了IEnumerable或IQueryable泛型接口的数据源[11]。本系统采用Entity Framework及LINQ to Entities技术进行数据访问，避免了逻辑代码与数据访问代码耦合高的问题，只需操作实体数据模型即完成数据库操作，使得开发更加高效。
数据操作层中目录检索、处理入库、数据应用和系统管理等功能操作主要由WPF界面框架的后置代码来实现，同时采用适用.NET平台的Accord.Net方法库进行样本处理操作。
本系统采用.NET框架下的WPF界面框架进行客戶端的开发，WPF界面框架使用XAML（标记语言）和与其相关联的后置代码开发应用程序，实现了界面设计与后置程序的分离，降低了开发维护成本，提高了开发效率[12]。用户界面层中使用XAML语言创建界面窗口、对话框、按钮、列表等元素，同时采用适用.NET平台的Devexpress控件库增强用户体验。
2 系统开发实现
2.1 用户界面实现
DevExpress是知名的.NET用户界面控件库，它具有高效率、高实用性和功能全面的特点。DevExpress WPF组件是专门针对WPF界面框架的控件组合，丰富的控件使得应用程序界面更加美观易用，增强了用户体验。
用户界面主要包括登录界面窗口、主界面窗口、功能子窗口等。主界面窗口是数据操作处理的主体，该窗口主要由标题栏、功能菜单、目标列表区、样本特征区、样本切换区和状态栏等组成。
功能菜单选用了Ribbon形式风格，它由多个选项卡组成，实现了功能按钮分层分类存放，避免了多次单击级联菜单栏、工具栏等。根据系统功能需求设置四个选项卡，分别放置相应的功能，功能按钮采用大图标模式，不仅功能含义明了而且方便用户操作。
由于目标与样本属于两个层次，将目标列表、样本及特征列表分别置于窗口左右两侧。在目标列表中任意选择一个或多个目标，在样本列表中将会呈现一个或多个目标下的所有样本及特征。列表的呈现形式由样式模板进行控制。设置三个内容标签页来切换不同维度的目标及样本列表。主界面窗口如图5所示。
2.2 核心功能实现
原始样本数据需要经过提取计算的过程才能获得其空间、光谱和偏振特征，因此三种维度下的特征提取计算是本系统的核心功能。根据遥感应用的需求，选取空间统计特征和纹理特征、光谱吸收特征和光谱吸收指数、斯托克斯参量等常用特征作为提取内容。
在空间维度中，利用Sobel等算子进行卷积计算可以得到梯度图像，均值、方差等图像的统计特征通过对图像进行点运算获得，对比度、非相似性等纹理特征利用灰度共生矩阵定义的方法计算得到。Accord.Net是一个开源.Net环境下实现的算法库，利用该库不仅能够获取所需的灰度共生矩阵，而且提供机器学习算法可用于目标检测。在本系统中，空间特征计算窗口实现了对批量样本图像的特征参量计算功能。
从光谱曲线中能够提取具有诊断性的光谱吸收特征参数。原始光谱中存在一定的噪声，需要平滑光谱来消除噪声提高数据质量，Savitzky?Golay平滑滤波可以保留光谱的细微特征[13]，它对数据窗口中的奇数个点应用最小二乘法进行多项式拟合，将中间点的拟合值代替原始光谱值，经过滤波后的光谱消除了噪声。在实际中原始或平滑后的光谱曲线特征并不明显，需要对其进行去除包络线处理，首先沿光谱曲线利用最小二乘法逐点计算得到包络线的节点，顺序连接各个节点得到包络线，将原始光谱除以包络线得到去除包络线后的光谱，此时光谱吸收特征已有明显增强。导数光谱也称为光谱微分，根据导数定义能计算出原始光谱的一阶导数和二阶导数光谱。利用去除包络线后的光谱进行吸收特征提取计算，首先确定出光谱曲线的极大值和极小值，而吸收谷具有一定的深度和宽度，因此通过设定阈值排除曲线上的波动[14]，综合计算得出吸收谷的位置、宽度、深度、SAI等多个特征。
偏振光通常利用4个Stokes参量来描述。从偏振成像系统获取的原始图像中提取出三个通道的偏振图像，并对其进行辐射校正以及图像配准，利用处理后的三通道图像提取出I，Q，U三个Stokes参量图像，利用三个参量图像进一步计算能够得到偏振度、偏振角图像。
在以上功能窗口中，在添加相应的目标名称、选择样本规格和分辨率等信息后，系统自动生成相应的目标编号、样本编号，便于数据存储。特征计算窗口见图6。
3 结 语
本文论述的目标多维特征数据库是针对地物目标多维信息管理不够全面、目标多维特征综合利用不足而设计开发的包括空间、光谱和偏振等多维信息在内的数据库系统。该系统结合数据库技术、遥感分析处理技术以及软件开发技术，实现了多维样本的批量入库、多维特征提取等功能，并针对多维样本设计了包含属性信息的编号形式，该系统提高了地物目标多维信息的管理效率，并为地物目标的探测、分类和识别等应用提供支持。
参考文献
[1] 董文，沈占锋，程希萌，等.基于高分辨率遥感目标特征库的地震灾情快速评估方法[J].地球信息科学学报，2016，18（5）：699?707.
[2] 孙家波.基于知识的高分辨率遥感影像耕地自动提取技术研究[D].北京：中国农业大学，2014.
[3] 邹会杰.基于高空间分辨率的高光谱遥感数据的城市地物分类[D].济南：山东大学，2014.
[4] 李少鹏，李霞，黄祥志，等.新疆典型荒漠植物光谱数据库构建[J].新疆农业科学，2013，50（6）：1128?1136.
[5] 李海兰，王霞，张春涛，等.基于偏振成像技术的目标探测研究进展及分析[J].光学技术，2009（5）：695?700.
[6] 苏志强.多角度偏振探测技术在地物目标识别中的应用研究[D].長春：长春光学精密机械与物理研究所，2015.
[7] 尚坤，张霞，孙艳丽，等.基于植被特征库的高光谱植被精细分类[J].光谱学与光谱分析，2015，35（6）：1669?1676.
[8] 徐涛，谭宗坤，闫小平.面向对象的城市水体信息提取方法[J].地理空间信息，2010（3）：64?66.
[9] 王珊，萨师煊.数据库系统概论[M].北京：高等教育出版社，2006.
[10] TROELSEN A， JAPIKSE P. C# 6.0 and the .NET 4.6 framework [M]. 7th ed. New York： Apress， 2015： 929?999.
[11] DRISCOLL B， GUPTA N， VETTOR R， et al. Entity framework 6 recipes [M]. 2nd ed. New York： Apress， 2013： 55?105.
[12] MITSOPOULOS I， TRAPATSAS P， XANTHOPOULOS G. SYPYDA： A software tool for fire management in Mediterranean pine forests of Greece [J]. Computers and electronics in agriculture， 2016， 121： 195?199.
[13] 钱育蓉，于炯，贾振红，等.新疆典型荒漠草地的高光谱特征提取和分析研究[J].草业学报，2013，22（1）：157?166.
[14] 陈文霞，陈安升，蔡之华.基于高光谱吸收特征参数的分类研究[J].计算机工程与应用，2008，44（28）：230?232.
摘 要： 针对地物目标空间、光谱和偏振等多维信息管理不够全面、目标多维特征利用不足等问题，提出构建目标多维特征数据库的方法。基于SQL Server数据库和关系模型，利用C#语言和.NET平台下的WPF界面框架和Entity Framework数据访问技术，设计了四层体系结构以及四类功能模块，开发了包括空间、光谱和偏振等多维信息在内的数据库系统，并针对多维样本设计了包含属性信息的编号形式。该系统提高了目标多维信息的管理效率，并且为地物目标的探测、分类和识别等应用提供支持。
关键词： 多维信息管理； 样本管理； 数据库设计； 系统开发
中图分类号： TN919.5?34； TP751；TP311 文献标识码： A 文章编号： 1004?373X（2017）20?0010?04
Abstract： As the management of ground target multidimensional information such as space， spectrum and polarization is incomprehensive， and target multidimensional features are underutilized， a method of constructing target multidimensional feature database is proposed. Based on SQL Server database and the relational model， C# language， WPF UI framework of the .NET platform， and the Entity Framework data access technology are utilized to design a four?layer system architecture and four functional modules， develop the database system containing multidimensional information such as space， spectrum and polarization， and design coding form containing attribute information for multidimensional samples. The system improves the management efficiency of target multidimensional information， and provides support for ground target detection， classification and recognition.
Keywords： multidimensional information management； sample management； database design； system development
在遙感发展的前期阶段，图像解译方式主要是人工目视判读，不仅速度慢效率低而且依赖于个人经验。随着遥感图像处理技术的进步，解译方式逐渐向计算机自动处理的方向发展。目标特征库是对大量遥感目标及其特征数据的累积，在遥感数据的自动化解译过程中具有非常重要的作用。利用不同的采集手段可以获取丰富的多源遥感数据，可以提取出不同维度的地物目标特征并建立相应的特征数据库。在空间维度，董文等构建了包含地震灾害目标及其形状、纹理、地形等图谱特征的灾害目标特征库[1]，孙家波建立了包含灰度、纹理、专题指数等特征在内的高分辨率影像特征库[2]。在光谱维度，邹会杰通过实地釆集城市典型地物光谱建立了典型地物光谱库[3]，李少鹏等通过采集荒漠植物光谱构建了典型荒漠植物光谱数据库系统[4]。在偏振维度，主要是通过偏振图像融合来增强目标的特性[5]，由于地物目标种类纷繁复杂，相应的偏振特征数据库尚未出现[6]。在空间维、光谱维联合上，尚坤等在原始光谱特征基础上结合纹理特征并加入光谱指数特征构建了完备的植被特征库[7]，徐涛等利用QuickBird影像构建了包括4个波段灰度值、拓扑特征在内的水体知识库[8]。目前在单一维度和联合两种维度的情况下已经对构建目标特征库进行了研究，缺少在联合三种维度情况下对构建目标特征库进行分析。本文针对目标具有空间、光谱和偏振等多维信息的特点，开展目标多维特征数据库系统研究。通过分析系统需求，设计数据模型、体系结构以及功能模块，开发实现了目标多维特征数据库系统。
1 数据库设计
1.1 需求分析及编码管理
1.1.1 系统需求分析
需求分析的关键是数据和处理[9]，即数据库中需要存储的数据和完成的功能。所需存储的多维样本信息形式多样、种类丰富，如表1所示。
数据处理主要包括空间、光谱和偏振维样本的特征参数、特征图像解算，样本文件及特征参数的入库、修改和删除，样本的查询检索，以及地物目标探测、光谱匹配和偏振图像融合等应用需求。同时采取用户标识与鉴别等安全管理措施。
1.1.2 编码管理
本系统将所需存储的数据分为两个层次，第一层为目标层次，第二层为样本及样本特征层次，使得样本的管理更加明确。样本编号是系统中区分样本的重要标识。以往的方法是按照数据入库的顺序采用数字方式由小到大编号，虽然样本数据编号是惟一的，但是编码方式简单，不能从编号本身得出样本属性信息。
为了方便查询检索及样本数据的统一管理，本系统采用字符串方式对样本进行编号，编号格式为：T?目标代码?样本维度?样本尺寸?样本分辨率?样本序号。
其中目标代码采用4位数字来表示，前2位数字表示目标类型，后2位数字表示目标名称，例如机场跑道的目标代码为0101；样本维度采用英文大写字母SPA，SPE，POL来表示，分别表示空间、光谱和偏振三个维度；样本尺寸采用1位数字，表示样本图像尺寸或光谱范围；样本分辨率采用1位数字，表示样本图像分辨率或光谱分辨率；样本序号采用5位数字，按照样本入库顺序编号。
同时，将样本编号的前8位定义为目标编号。例如，T0101SPA2100001表示一个图像尺寸为64×64 px、分辨率为0.5 m的机场跑道空间维样本，其目标编号即为T0101SPA；T5101SPE1100001表示一个波长范围为350～800 nm、光谱分辨率为1 nm的铝合金材料光谱维样本，其目标编号即为T5101SPE。如图1所示。
1.2 数据表设计
针对不同维度下所存储的样本数据形式、特征参数不同，分别设计3个数据表组，各个数据表组包含的表的数量及内部关系一致，以目标信息表为牵引、样本信息表为主体，连接样本特征、样本文件、仪器信息和环境信息等数据表。各表之间的外键关系均采用级联的方式，便于数据添加、更新、删除等操作在各表之间同步完成，如图2所示。
1.3 功能模块
根据功能需求，划分目录检索、处理入库、数据应用和系统管理四个功能模块，如图3所示。
目录检索模块用于目标或样本数据的查询检索，包括样本目录、查询检索和重载数据三个子模块。样本目录子模块实现样本维度切换功能，查询检索子模块实现目标及样本的搜索功能，重载数据子模块实现数据的刷新功能。
处理入库模块用于样本的特征计算及入库保存，包括数据导入、数据维护和特征提取三个子模块。数据导入模块实现了目标及样本的添加入库功能；数据维护模块实现数据的修改及删除功能；特征提取模块用于提取样本的特征参数或图像。
数据应用模块用于样本数据的具体应用，包括数据导出、特征应用两个子模块。数据导出模块实现样本及特征参数的导出功能，特征应用模块实现不同维度下的特征应用功能。
系统管理模块用于系统维护及用户管理，包括用户管理、备份恢复和系统日志三个子模块。用户管理模块实现系统用户的查询和注册功能，备份恢复模块实现样本数据的备份及恢复功能，系统日志模块用于查看及导出系统日志。
1.4 系统体系结构
本系统设计了四层体系结构，分别为数据存储层、数据访问层、数据操作层和用户界面层，如图4所示。
数据存储层主要包括空间维样本库、光谱维样本库、偏振维样本库以及辅助信息库等。本系统采用SQL Server关系数据库实现数据的存储和管理，该产品具有良好的可用性、易管理性和可靠的安全性等特点。
数据访问层实现了统一的数据访问方式，数据访问方式主要有DataSet，ADO连接类和ORM组件等。Entity Framework是一种ORM工具[10]，它将每个数据库对象都转换成实体，而数据字段都转换为属性，将数据库模型完全转化为对象模型，其核心是实体数据模型，通过Visual Studio中的EDM设计器来设计。Entity Framework使用Entity SQL，LINQ和对象查询产生器来进行对象查询，LINQ to Entities技术能够查询实现了IEnumerable或IQueryable泛型接口的数据源[11]。本系统采用Entity Framework及LINQ to Entities技术进行数据访问，避免了逻辑代码与数据访问代码耦合高的问题，只需操作实体数据模型即完成数据库操作，使得开发更加高效。
数据操作层中目录检索、处理入库、数据应用和系统管理等功能操作主要由WPF界面框架的后置代码来实现，同时采用适用.NET平台的Accord.Net方法库进行样本处理操作。
本系统采用.NET框架下的WPF界面框架进行客戶端的开发，WPF界面框架使用XAML（标记语言）和与其相关联的后置代码开发应用程序，实现了界面设计与后置程序的分离，降低了开发维护成本，提高了开发效率[12]。用户界面层中使用XAML语言创建界面窗口、对话框、按钮、列表等元素，同时采用适用.NET平台的Devexpress控件库增强用户体验。
2 系统开发实现
2.1 用户界面实现
DevExpress是知名的.NET用户界面控件库，它具有高效率、高实用性和功能全面的特点。DevExpress WPF组件是专门针对WPF界面框架的控件组合，丰富的控件使得应用程序界面更加美观易用，增强了用户体验。
用户界面主要包括登录界面窗口、主界面窗口、功能子窗口等。主界面窗口是数据操作处理的主体，该窗口主要由标题栏、功能菜单、目标列表区、样本特征区、样本切换区和状态栏等组成。
功能菜单选用了Ribbon形式风格，它由多个选项卡组成，实现了功能按钮分层分类存放，避免了多次单击级联菜单栏、工具栏等。根据系统功能需求设置四个选项卡，分别放置相应的功能，功能按钮采用大图标模式，不仅功能含义明了而且方便用户操作。
由于目标与样本属于两个层次，将目标列表、样本及特征列表分别置于窗口左右两侧。在目标列表中任意选择一个或多个目标，在样本列表中将会呈现一个或多个目标下的所有样本及特征。列表的呈现形式由样式模板进行控制。设置三个内容标签页来切换不同维度的目标及样本列表。主界面窗口如图5所示。
2.2 核心功能实现
原始样本数据需要经过提取计算的过程才能获得其空间、光谱和偏振特征，因此三种维度下的特征提取计算是本系统的核心功能。根据遥感应用的需求，选取空间统计特征和纹理特征、光谱吸收特征和光谱吸收指数、斯托克斯参量等常用特征作为提取内容。
在空间维度中，利用Sobel等算子进行卷积计算可以得到梯度图像，均值、方差等图像的统计特征通过对图像进行点运算获得，对比度、非相似性等纹理特征利用灰度共生矩阵定义的方法计算得到。Accord.Net是一个开源.Net环境下实现的算法库，利用该库不仅能够获取所需的灰度共生矩阵，而且提供机器学习算法可用于目标检测。在本系统中，空间特征计算窗口实现了对批量样本图像的特征参量计算功能。
从光谱曲线中能够提取具有诊断性的光谱吸收特征参数。原始光谱中存在一定的噪声，需要平滑光谱来消除噪声提高数据质量，Savitzky?Golay平滑滤波可以保留光谱的细微特征[13]，它对数据窗口中的奇数个点应用最小二乘法进行多项式拟合，将中间点的拟合值代替原始光谱值，经过滤波后的光谱消除了噪声。在实际中原始或平滑后的光谱曲线特征并不明显，需要对其进行去除包络线处理，首先沿光谱曲线利用最小二乘法逐点计算得到包络线的节点，顺序连接各个节点得到包络线，将原始光谱除以包络线得到去除包络线后的光谱，此时光谱吸收特征已有明显增强。导数光谱也称为光谱微分，根据导数定义能计算出原始光谱的一阶导数和二阶导数光谱。利用去除包络线后的光谱进行吸收特征提取计算，首先确定出光谱曲线的极大值和极小值，而吸收谷具有一定的深度和宽度，因此通过设定阈值排除曲线上的波动[14]，综合计算得出吸收谷的位置、宽度、深度、SAI等多个特征。
偏振光通常利用4个Stokes参量来描述。从偏振成像系统获取的原始图像中提取出三个通道的偏振图像，并对其进行辐射校正以及图像配准，利用处理后的三通道图像提取出I，Q，U三个Stokes参量图像，利用三个参量图像进一步计算能够得到偏振度、偏振角图像。
在以上功能窗口中，在添加相应的目标名称、选择样本规格和分辨率等信息后，系统自动生成相应的目标编号、样本编号，便于数据存储。特征计算窗口见图6。
3 结 语
本文论述的目标多维特征数据库是针对地物目标多维信息管理不够全面、目标多维特征综合利用不足而设计开发的包括空间、光谱和偏振等多维信息在内的数据库系统。该系统结合数据库技术、遥感分析处理技术以及软件开发技术，实现了多维样本的批量入库、多维特征提取等功能，并针对多维样本设计了包含属性信息的编号形式，该系统提高了地物目标多维信息的管理效率，并为地物目标的探测、分类和识别等应用提供支持。
参考文献
[1] 董文，沈占锋，程希萌，等.基于高分辨率遥感目标特征库的地震灾情快速评估方法[J].地球信息科学学报，2016，18（5）：699?707.
[2] 孙家波.基于知识的高分辨率遥感影像耕地自动提取技术研究[D].北京：中国农业大学，2014.
[3] 邹会杰.基于高空间分辨率的高光谱遥感数据的城市地物分类[D].济南：山东大学，2014.
[4] 李少鹏，李霞，黄祥志，等.新疆典型荒漠植物光谱数据库构建[J].新疆农业科学，2013，50（6）：1128?1136.
[5] 李海兰，王霞，张春涛，等.基于偏振成像技术的目标探测研究进展及分析[J].光学技术，2009（5）：695?700.
[6] 苏志强.多角度偏振探测技术在地物目标识别中的应用研究[D].長春：长春光学精密机械与物理研究所，2015.
[7] 尚坤，张霞，孙艳丽，等.基于植被特征库的高光谱植被精细分类[J].光谱学与光谱分析，2015，35（6）：1669?1676.
[8] 徐涛，谭宗坤，闫小平.面向对象的城市水体信息提取方法[J].地理空间信息，2010（3）：64?66.
[9] 王珊，萨师煊.数据库系统概论[M].北京：高等教育出版社，2006.
[10] TROELSEN A， JAPIKSE P. C# 6.0 and the .NET 4.6 framework [M]. 7th ed. New York： Apress， 2015： 929?999.
[11] DRISCOLL B， GUPTA N， VETTOR R， et al. Entity framework 6 recipes [M]. 2nd ed. New York： Apress， 2013： 55?105.
[12] MITSOPOULOS I， TRAPATSAS P， XANTHOPOULOS G. SYPYDA： A software tool for fire management in Mediterranean pine forests of Greece [J]. Computers and electronics in agriculture， 2016， 121： 195?199.
[13] 钱育蓉，于炯，贾振红，等.新疆典型荒漠草地的高光谱特征提取和分析研究[J].草业学报，2013，22（1）：157?166.
[14] 陈文霞，陈安升，蔡之华.基于高光谱吸收特征参数的分类研究[J].计算机工程与应用，2008，44（28）：230?232.
