基于丰度划分的高光谱遥感图像解混.pdfVIP

图形图像 文章编号：1007—1423(2015)08—0074—04 DOI：10．39696．issn．1007—1423．2015．08．018 基于丰度划分的高光谱遥感图像解混 余淞淞 (同济大学电子信息与工程学院，上海 201804) 摘要 ： 高光谱遥感成像技术能够获取 目标区域丰富的光谱信息和空间信息。混合像元现象在遥感图像中普遍存在 ，处理遥 感图像解混问题是提高地物识别精度的前提。由于端元光谱可变性的存在，传统的基于单一单元光谱的线性解混方 法解混精度难以达到应用要求。对多端元光谱策略进行分析。并给出一种基于丰度划分的高光谱解混算法，对实际光 谱数据进行试验并取得较好效果 关键词 ： 高光谱 ；混合像元 ；光谱解混 ；丰度划分 0 引言 该方法为每个端元选取一组纯像元光谱．在对像元解 混时．会从各端元的光谱组中．分别选取最合适的光 随着世界科技发展．遥感技术 日益成熟 ．已经成为 谱 ．以降低均方根误差 3【_。Bateson提出端元束 (end． 对地观测的重要手段之一 与传统多光谱遥感器相 比． nlemberbundles1概念，并用模拟退火算法生成端元束， 高光谱遥感器光谱分辨率高．成像波段更多更窄．在可 来替代单一端元进行解混4[1目前基于多端元的解混算 见光至近红外区域光谱分辨率达到纳米级 ．这大大加 法得到了广泛研究．但是对端元组数据的统计特性未 强了对观测 目标的信息采集能力 ．因此有着广阔的应 进行深入挖掘 本文提出了一种丰度划分的遥感图像 用前景 。 解混算法．利用支持向量机对多端元解混模型里丰富 然而受到高光谱成像光谱仪空间分辨率不足．以 的端元信息进行充分挖掘。对真实遥感图像的解混实 及 自然界地物分布复杂等因素影响．高光谱遥感图像 验 ．验证了算法的良好性能 中存在这种像元 ，它的光谱数据未表现单一地物特性 ． 而是 由几种不同地物光谱混合组成．这样的像元被称 1 基于丰度划分的解混方法研究 为混合像元…这是传统像元级图像分类和地物面积量 支持向量机是统计学习理论的一种算法实现5[1。它 测精度难以达到应用要求的主要原因 为了提高遥感 在统计学理论中历史较短．但是由于其 良好的学习效 应用的精度 ．必须解决混合像元的分解问题。 果 ．在各研究领域得到广泛应用 利用支持向量机进行 光谱解混就是求解混合像元 内纯地物(端元)光谱 遥感图像光谱解混的核心思想是：将端元丰度从 0％～ 及每种地物面积 占比(丰度)囡。然后从地物光子响应到 100％进行等间隔划分成若干丰度类．通过合成分属于 图像采集过程之间的光学原理和作用过程非常复杂 ． 不同丰度类的像元集对支持向量机进行训练，将丰度 同时受到时间、空间、环境等不确定性因素影响。同