融合简单线性迭代聚类的高光谱混合像元分解策略-IngentaConnect.PDFVIP

第 31 卷 第 17 期 农 业 工 程 学 报 Vol.31 No.17 2015 年 9 月 Transactions of the Chinese Society of Agricultural Engineering Sep. 2015 199 融合简单线性迭代聚类的高光谱混合像元分解策略 1,2 2 ※ 3 2 1 张飞飞 ，孙 旭 ，薛良勇 ，高连如 ，刘长星 （1.西安科技大学测绘科学与技术学院，西安 710054 ； 2. 中国科学院遥感与数字地球研究所，北京 100094 ； 3. 中国矿业大学计算机科学与技术学院，徐州 221116 ） 摘 要：高光谱图像中的混合像元问题广泛存在，混合像元的分解效率一直是遥感应用研究的难点和热点。目前成熟的 端元提取算法有纯像元指数（pure pixel index, PPI ）、内部最大体积法（N-FINDR ）、顶点成分分析（vertex component analysis, VCA ）、顺序最大角凸锥（sequential maximum angle convex cone, SMACC ）、交替最大体积法（alternating volume maximization, AVMAX ）、最小体积封闭单形体（minimum volume enclosing simplex, MVES)等，这些算法从图像所有像元 中提取纯光谱，具有提取速度慢、精度不高的缺点。为此，该文引入了一种融合简单线性迭代聚类（simple linear iterative clustering, SLIC ）超像元分割的高光谱混合像元分解算法。超像元分割技术能够将具有相似特征的相邻像元组成图像块， 并保留进一步进行图像处理的有效信息，从而大幅减少参与端元提取的像元数量，为解决上述问题提供了有效的途径。 通过试验对比了降维方式(主成分分析和最大噪声分数）、RGB 对应关系（6 种）、色彩空间RGB （red, green, blue ）和LAB （lightness-A-B ）、数据格式（JPG, BIN ）和算法参数K 对高光谱图像超像元分割结果的影响，并进一步分析了 SLIC 超 像元分割结果对 2 种典型端元提取算法（AVMAX 、MVES ）产生的不同效果。试验结果表明，随着 K 值的增大，混合 像元分解的时间逐渐增加，均方根误差（root mean square error, RMSE ）持平或减少，而JPG （有损压缩）数据格式的时 间始终比BIN （无损压缩）数据格式的要短。SLIC+MVES 的RMSE 略高于 MVES 的RMSE ，低于AVMAX 的RMSE ， 但时间远小于 MVES 。当K 足够大的时候，SLIC+MVES 的效果就近似MVES 的效果了。在大部分情况下，最大噪声分 数的降维效果优于主成分分析。以最大噪声分数作为降维方法、以 JPG 作为数据格式、以 LAB 作为色彩空间对混合像元 分解结果较为有利。另外，SLIC 的参数K 的取值在 5～10 之间较为合适。该研究中的 SLIC 超像元分割算法简单易行， 并且提高了混合像元分解的效率，具备很好的实用价值。 关键词：像元；光谱分析；算法；简单线性迭代聚类；超像元 doi ：10.11975/j.issn.1002-6819.2015.17.026 中图分类号：S127；TP79 文献标志码：A 文章编号：1002-6819(2015)-17-0199-08 张飞飞，孙 旭，薛良勇，高连如，刘长星. 融合简单线性迭代聚类的高光谱混合像元分解策略[J]. 农业工程学报，2015， 31(17)：