高光譜遙感影像光譜解混算法研究.pdf

1、高光譜遙感將表征地物輻射屬性的光譜與反映地物空間分布和幾何特性的圖像有機(jī)結(jié)合在一起為地物的準(zhǔn)確識別和精細(xì)分類提供了強(qiáng)有力的手段。隨著應(yīng)用領(lǐng)域的不斷拓展和應(yīng)用需求的逐步升級，高光譜遙感體現(xiàn)出信息定量化的趨勢。然而，混合像元的廣泛存在不僅影響地物的識別和分類精度，而且嚴(yán)重阻礙高光譜遙感技術(shù)向定量化方向深入發(fā)展。光譜解混作為解決混合像元問題的關(guān)鍵技術(shù)之一，已經(jīng)成為當(dāng)今高光譜遙感應(yīng)用領(lǐng)域里的一個(gè)研究熱點(diǎn)。本文基于線性光譜混合模型對光譜解混涉及到

2、的端元提取和豐度估計(jì)算法進(jìn)行了系統(tǒng)深入的研究，研究工作主要包括以下幾個(gè)方面:
　　1.端元提取是光譜解混的關(guān)鍵步驟。傳統(tǒng)的端元提取方法僅分析影像數(shù)據(jù)的光譜信息，忽略了遙感影像的二維空間特性，這類方法易受噪聲和異常信號的影響進(jìn)而導(dǎo)致端元提取精度下降。為此，本文提出一種結(jié)合正交子空間投影和局部空間信息的端元提取算法。該算法立足于凸面單體理論，將正交子空間投影和單體體積分析方法結(jié)合實(shí)現(xiàn)序列地提取端元。在端元提取過程中，引入局部空間光譜相

3、似性限制以提高算法對噪聲及異常信號的穩(wěn)健性，同時(shí)避免了利用整個(gè)二維影像空間信息進(jìn)行端元提取帶來的巨大運(yùn)算量。此外，在單體體積計(jì)算過程中，使用了無需降維的體積計(jì)算公式，以避免降維帶來的信息損失。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的基于光譜的端元提取算法相比，本文算法可以有效提高端元提取的精度，對于噪聲和異常信號都具有較強(qiáng)的魯棒性。
　　2.全約束線性光譜解混通常歸結(jié)為凸優(yōu)化問題，需要高級的優(yōu)化技術(shù)求解，從而導(dǎo)致較高的時(shí)間復(fù)雜度。高光譜遙感影像涵蓋

4、地物類型多、光譜數(shù)據(jù)量大的特點(diǎn)進(jìn)一步增加了解混的計(jì)算量。為了解決此問題，本文提出一種基于子空間投影的幾何解混算法，該算法將像元的豐度解譯為該像元向量關(guān)于端元單體的重心坐標(biāo)確保了豐度的全加性約束，并將行列式Laplace展開應(yīng)用于重心坐標(biāo)計(jì)算過程以降低算法的運(yùn)算量。對于不滿足豐度非負(fù)性約束的混合像元，該算法利用子空間投影方法以迭代的方式實(shí)現(xiàn)全約束豐度估計(jì)。算法在迭代求解過程中嚴(yán)格遵循最小二乘準(zhǔn)則。實(shí)驗(yàn)結(jié)果表明，與經(jīng)典的全約束最小二乘解混算

5、法相比，本文算法具有相同的光譜分解精度;在地物類型較多的高光譜遙感影像上，本文算法具有更好的計(jì)算性能。
　　3.針對端元識別方法應(yīng)用于不完全滿足純像元假設(shè)的影像時(shí)存在端元提取精度低的缺陷，本文將端元識別方法和端元生成方法有效結(jié)合，提出了一種結(jié)合純像元識別和約束非負(fù)矩陣分解的兩階段光譜解混算法。第一階段利用基于純像元假設(shè)的端元識別方法獲取初始候選像元，然后對同質(zhì)區(qū)內(nèi)的候選像元進(jìn)行主成分分析進(jìn)而確定純端元。第二階段利用非負(fù)矩陣分解算法