基于迭代誤差分析與空間信息的高光譜遙感圖像端元提取方法研究.pdf

1、混合像元問(wèn)題一直以來(lái)就是圖像處理、分類(lèi)、識(shí)別和理解的一大障礙，也是傳統(tǒng)的像元級(jí)遙感分類(lèi)和面積量測(cè)的精度難以達(dá)到使用要求的主要原因?；旌舷裨毡榇嬖谟诟吖庾V影像中，在很大程度上增加了對(duì)高光譜影像進(jìn)行精確地物分析和圖像分類(lèi)的難度。解決像元內(nèi)光譜混合問(wèn)題的過(guò)程稱(chēng)為混合像元分解，該過(guò)程通常可分為端元提取和豐度反演兩個(gè)步驟，準(zhǔn)確而高效的提取端元是提高豐度反演精度的基礎(chǔ)，因此，端元提取是混合像元分解的關(guān)鍵步驟。本文圍繞混合像元分解展開(kāi)，重點(diǎn)研究了端

2、元提取算法。
　　端元也被稱(chēng)為純凈像元,是指那些只包含一種地物光譜信號(hào)的像元。目前已有的端元提取算法可大致分為兩類(lèi)，一類(lèi)是端元識(shí)別算法，此類(lèi)算法認(rèn)為圖像中存在各種地物的純凈像元并從圖像中尋找端元。另一類(lèi)是端元生成算法，此類(lèi)算法認(rèn)為圖像中不存在純凈像元，因而此類(lèi)算法不從圖像中尋找端元而是直接生成端元光譜特征。而在自然界中通常能找到每種地物類(lèi)型的純像元,迭代誤差分析算法是一種端元識(shí)別算法，與其他端元識(shí)別算法相比,因?yàn)樵撍惴ㄒ载S度反演的

3、相對(duì)誤差作為判定端元的標(biāo)準(zhǔn)，所以該算法可以獲得較小的解混誤差，但是該算法在提取端元的過(guò)程中忽略了端元之間的相關(guān)性和冗余信息。而且，該算法只考慮了圖像的光譜信息而忽略了圖像的空間信息。
　　針對(duì)上述問(wèn)題，本文所做工作主要包括：
　　（1）提出了一種基于圖像空間信息的端元光譜優(yōu)化方法。該方法在一個(gè)局部窗口內(nèi)同時(shí)考慮了各像元與端元之間的光譜角差異和光譜向量的幅值差異，為了消除兩者在數(shù)值計(jì)算上的差異,采用了高斯函數(shù)來(lái)計(jì)算各鄰域像元的

4、光譜權(quán)重。并與基于像元坐標(biāo)距離的權(quán)重計(jì)算方法相結(jié)合，給出了一種綜合權(quán)重，對(duì)端元光譜進(jìn)行優(yōu)化。
　?。?）提出了一種優(yōu)化的迭代誤差分析端元提取方法（Optimized Iterative Error Analysis，OpIEA）。該方法利用迭代誤差分析算法提取候選端元，利用施密特正交化在每次迭代過(guò)程中尋找與已有端元均正交的向量，并通過(guò)候選端元在該向量上的投影長(zhǎng)度來(lái)確定端元，并利用（1）中的端元光譜優(yōu)化方法進(jìn)行端元光譜優(yōu)化。此方法在

5、保證了具有較小反演誤差的同時(shí)也在一定程度上降低了端元之間的相關(guān)性和冗余信息。
　　（3）使用本文提出的端元提取方法進(jìn)行了端元提取，然后利用本文所提出的端元光譜優(yōu)化方法對(duì)所提取的端元光譜進(jìn)行了優(yōu)化，最后利用全約束最小二乘法進(jìn)行了豐度反演操作，并求得了解混誤差。并將提取的端元光譜與USGS光譜庫(kù)中的端元光譜進(jìn)行了對(duì)比分析。
　　最后，在仿真數(shù)據(jù)和真實(shí)高光譜數(shù)據(jù)上進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明與傳統(tǒng)的迭代誤差分析算法（Iterative