全约束下高光谱混合像元线性分解.pdf

第 卷第 期 四川理工学院学报 自然科学版 年 月 文章编号 全约束下高光谱混合像元线性分解 刘娟娟 王茂芝 葛世国 李 想 成都理工大学管理科学学院 成都 摘要针对使用线性模型对混合像元进行求解其分解的结果丰度值会出现负值或和不为 的 情况提出了加入非负约束与和为 的条件对此线性模型进行最小二乘分解并给出相应的算法 实验 表明全约束下的最小二乘获得了比较好的分解效果 关键词线性光谱解混最小二乘全约束最优化 中图分类号 文献标志码 混合像元的分解 总是针对特定的区域特定的应 引 言 用目标以及特定的遥感图像进行的 在高光谱情况下 遥感影像通常以像元为单位获得地物的信息而在 由于光谱分辨率的提高所得到的像元的辐射值构成了 遥感图像中一个像元可能会覆盖几米甚至上千米的地 一条几乎连续的光谱曲线完整地代表了地物的光谱响 表范围这就可能包含多种地物类型这就形成了混合 应特性使得可以通过分析光谱曲线的组成分析光谱 像元 而产生混合像元主要有两个原因 一是传感器 数据以确定在同一像素内不同成分 目标物组成类别 的空间分辨率较低不同的地物可能存在于一个像元 和比例实现混合像元分解的目的 内这种情况一般发生在遥感平台处于比较高的位置或 线性模型原理及其算法 者拥有宽视角二是不同的地物组合形成同质均一化的 地表类型这种情况的发生不依赖于传感器的空间分 线性模型简介 辨率 线性模型是假设物体间没有相互作用每个光子只 针对混合像元分解近年来国内外的许多学者也提 能看到一种物质并将其信号叠加到像元光谱中同 出了许多有效可行的模型主要有线性模型非线性模 时忽略了多次散射过程 即在像元内相同的地物都有 型概率模型几何模型神经网络模型等其中线性模 相同的光谱特征以及光谱是线性可加的 型应用最为广泛 在线性光谱混合模型中每一波段中每一像元的 线性模型 中又有许多方法本文主要针对其中的 灰度值表示为混合像元中各端元的光谱特性与端元在 最小二乘方法 来求解 最小二乘法作为数学领域内 像元中所占的百分比的线性组合 因此第 波段的像 一个重要的知识在各个领域中的应用都很广泛也在 元丰度值 可以表示为 迅速的发展是最优化问题和算法的重要组成部分然 而在许多实际问题中只是简单的线性求解会使结果不