基于流形学习的混合光谱解混分析-红外与激光工程.pdfVIP

42 卷 9 期 红外与激光工程 2013 年9 月 Vol.42 No.9 Infrared and Laser Engineering Sep.2013 基于流形学习的混合光谱 混分析 1,2 1 1 丁 玲 ，唐 娉 ，李宏 (1援 中国科学院遥感与数字地球研究所，北京 100101 ； 2. 中国科学院大学，北京 100049) 摘 要 光谱解混分析的重要研究内容是计算分析各地物类别成分在混合像素内所占的比例技术。 文中以实测高光谱数据为研究对象，针对高光谱数据具有高维度数、严重的光谱混合等 点，基于流 形学习中局部线性嵌入(LLE)算法的思想，提出了一种约束最小乘方局部线性加权回归(CLS-LLWR) 建模方法。通过 4 种典型地物的光谱吸收 征差异分析，从它们不同比例组合下的实测混合光谱中选 取了不同波段范围，分别对该模型预测覆盖度信息能力进行了验证分析。最后，将CLS -LLWR 模型 与主成分回归(PCR)和偏最小二乘回归(PLSR)模型,通过计算预测标准误差(SE)进行了对比分析。结 果表明，CLS-LLWR 模型有较好的预测能力。这为流形学习在高光谱遥感图像信息提取方面进行了 有意的探索。 关键词 光谱解混； 流形学习； 局部线性加权回归； 覆盖度 中图分类号 TP79 文献标志码 A 文章编号 1007-2276 (2013) 09-2421-05 Analysis on spectral unmixing based on manifold learning 1,2 1 1 Ding Ling , Tang Ping , Li Hongyi (1.Institute of Remote Sensing and Digital Earth, Chinese Academy of Sc iences , Beij ing 100101, China; 2. University of Chinese Academy of Sciences , Beiji ng 100049, China) Abstract: The main study on spectral unmixing is to develop a regression between mixed spectral features of main land -cover types and their responding fractional cover. Studying on in situ spectral reflectance data, based on one of the best known algorithms of manifold learning, locally linear embedding (LLE) , a new modeling method named constrained least squares locally linear weighted regression (CLS -LLWR) was proposed. Spectral reflectance of fo