基于光谱和空间特性的高光谱解混方法.pdfVIP

第 26卷 第 3期 深圳大学学报理工版 Vo l26 No3 2009年 7月 JOURNAL OF SH EN ZH EN UN IV ER SITY SC IENCE AND EN GIN EER IN G Ju ly 2009 文章编号 : 100026 18 (2009) 030262 06 【光电与信息工程 】 基于光谱和空间特性的高光谱解混方法 1 2 1 1 贾 　森 , 钱 　涛 , 纪 　震 , 沈琳琳 ( 1. 深圳大学德州仪器 D SP s实验室 , 深圳大学计算机与软件学院 , 深圳 518060; 2. 浙江大学计算机学院 , 杭州 3 10027) 摘 　要 : 为表征高光谱数据的光谱和空间特性 , 引入光谱的平滑性和地物空间分布的稀疏性约束 , 提 出非负矩阵分解的改进算法 , 将其应用于高光谱解混. 尺度可变的梯度下降算法保证了改进算法的收敛性. 实验结果表明 , 改进后的非负矩阵分解算法能给出地物光谱 , 并精确估计其分布. 关键词 : 高光谱解混 ; 混合像元 ; 线性光谱混合模型 ; 非负矩阵分解 ; 盲源分离 中图分类号 : TP 753; TP 399　　　　文献标识码 : A 　　高光谱图像是利用成像光谱仪对同一地表区域 negative m atrix factorization , NM F) 技术 [ 4 ] 作为一种 的几十乃至几百个波段同时成像 , 从而获得三维图 表征线性光谱混合的合适模型已用于解混高光谱数 像. 由于高光谱图像的空间分辨率较低 , 导致遥感 据 [ 5 ] . 然而 , 目标函数的非凸性造成优化算法只能 图像中普遍存在混合像元. 高光谱解混是指 , 从混 找到局部最优解. 本文通过引入高光谱数据的平滑 合像元中分解得到地物光谱信号 (端元 ) 及其空间 性和地物分布的稀疏性约束 , 改进了非负矩阵分解 分布 (丰度 ) 估计的过程. 它是高光谱遥感应用的 ( imp roved NM F, INM F) 算法. 对于高光谱数据来 关键之一 [ 1 ] . 线性光谱混合模型具有构模简单和物 说 , 其高光谱分辨率和低空间分辨率使光谱数据具 理含义明确的优点 , 同时理论上也有较好的科学 有平滑性. 同时 , 多数地物仅分布在图像中的部分 性 , 在光谱解混中得到了广泛应用. 同时 , 非监督 区域 , 即地物的分布在一定程度上是稀疏的. 实际 的光谱解混技术直接从遥感图像本身入手 , 根据混 高光谱数据集的实验结果表明 , INM F 算法能给出 合像元的光谱模型及约束条件等信息 , 利用非监督 地物光谱及其分布的精确估计. 的信号处理方法得到端元光谱及其组分信息. 该技 术克服了传统方法的种种限制条件 , 为解决高光谱 1　线性光谱混合模型 图像中混合像元问题提供了新思路 , 成为近年来的 研究热点.