土地利用遥感动态监测中混合像元的分解方法研究.pdfVIP

遥感信息　　　　　　　　　　　　　　　　　　　　理论研究　　　　　　　　　　　　　　　　　　　　2000. 2 土地利用遥感动态监测中混合像元的分解方法研究 　　　桂预风　　　　　　　　　　　张继贤, 林宗坚 ( ) ( ) 武汉测绘科技大学信息工程学院, 武汉 430070 　 中国测绘科学研究院, 北京 100039 摘要: 混合像元的存在是影响识别分类精度的主要因素之一。本文分析了现有几种混合像元分解方法的特点, 在此基础 上提出了灰色相关像元分解法, 并验证了其可行性。 关键词: 混合像元; 分类; 灰色相关; 像元分解法 中图分类号: P 23　　文章标识码: A 　　文章编号: 1000- 3 177 (2000) 58- 00 18- 03 其中k ( i,m ) 表示第m 种典型地物在第 i 个混合 1　引　言 ( ) 像元中所占面积的比例, i 是第 i 个典型地物的误 在土地利用遥感动态监测工作中, 经常遇到混 差。利用最小二乘法使总误差 最小。 合像元的难题。混合像元是指在一个像元内存在有 本方法的优点是构模简单, 但不足的是, 当典型 不同类型的地物, 混合像元的存在是影响识别分类 地物选取不精确时, 会带来较大的误差。 精度的主要因素之一, 特别是对线状地类和细小地 (2) 非线性波谱分离法 物的分类识别影响较为突出。混合像元主要出现在 为了克服线性混合模型的不足, 许多学者已利 地类的边界处, 解决这一问题的关键在于通过一定 用非线性光谱模型对野外光谱进行描述, 利用非线 方法找出组成混合像元的各种典型地物的比例。 性模型计算出的结果均要比用线性模型计算出的结 果要好, 然而由于残存误差的影响, 这些结果仍然不 2　研究现状 理想, 并且计算较复杂。非线性光谱模型最常用的是 目前, 在混合像元分解方面已经做了许多研究, 把灰度表示为二次多项式与残差之和。 主要有以下几种方法: (3) 匹配滤波法 ( ) 在 自定义的典型像元的基础上, 对每一像元进 1 线性波谱分离法 假定混合像元的光谱是由该像元内的各类地物 行部分分离, 通过对已知的典型像元进行最大限度 光谱的线性组合, 通过线性光谱分离, 可以确定每类 的放大, 而压制未知典型像元的反应, 然后再匹配已 地物所占比率。如果一个像元内仅包含一种地物, 则 知的典型像元。优点是不要求了解整个图幅范围内 称这个像元为典型像元, 对应地物称为典型地物。设 的所有典型像元, 而能迅速探测某些已知的特征物 存在典型地区的k 种典型地物的灰度值按从小到大 质。 顺序排序为 d ( ) ( ) ( ) , 第 i