混合像元光谱分解模型.ppt

混合像元光谱分解模型 主要内容 问题提出 混合像元分解模型概述 线性光谱分解模型 实例1-4 1、问题提出 遥感影像中像元很少是由单一均匀的地表覆盖类组成，一般是几种地物的混合体。因此影像中混合像元的光谱特征是几种地物光谱特征的综合反映。 1、问题提出 混合像元无论直接归属到哪一种典型地物，都是错误的。因为它不完全属于这种典型地物。（硬，软） 从遥感技术发展看：混合像元是定量遥感必须解决的问题。它可从地表物质组成结构的角度，揭示地表与光辐射之间相互作用的机理和尺度效应。降低反演得不确定性。 可以提高信息提取的精度，有利于实际应用。 例：不透水面，植被覆盖（类型）图，水面边界等。 2、混合像元分解模型概述 2.1 概念———纯像元，混合像元 遥感图像像元记录的是瞬时视场角所对应的地面范围内目标辐射能量的总和。 如果该目标是单一地物单元，则该像元称为纯像元。 如果该目标包含了多类不同性质的目标，则该像元称为混合像元。 2.1 概念——混合光谱的形成主要原因： （1）像元由若干单一物质的光谱、几何结构组成； （2）大气传输过程中的混合效应； （3）遥感仪器本身的混合效应。 其中：(2)、(3)为非线性效应，(2)大气的影响可以通过大气纠正加以部分克服；(3)仪器的影响可以通过仪器的校准、定标加以部分克服，这里不予讨论；第(1)部分则是我们将要讨论的内容。 2.1 概念—— “端元”与“丰度” 混合像元的存在，使像元级遥感分类和量测精度难以评价。 解决途径：研究混合像元的分解问题，使遥感解译由像元级到亚像元级。 将混合像元分解为若干不同的“基本（单一组成）组分单元”或称 “端元”（endmember），并求得这些基本组分所占的比例（“丰度”）。这就是所谓的‘‘混合像元分解” 。 端元：混合像元分解中的基本组分单元。 丰度：混合像元分解中，端元组分的所占百分比。在本课讨论中，即为端元组分的面积百分比，表现为分类结果的端元组分分量。分量值的范围为0-1。 2.2 光谱混合模型——求解方法 分解像元的途径是通过建立光谱的混合模拟模型。通常，模型建立有下面两种情况： 像元的反射率（或DN）表示为端元组分的光谱特征和它们的面积百分比(丰度) 的函数； 像元的反射率（或DN）表示为端元组分的光谱特征和其它的地面参数的函数。 2.2 混合像元分解模型 像元混合模型可以归纳为以下五种类型： 线性(linear) 模型 概率(probabilistic) 模型 几何光学(geometric - optical) 模型 随机几何 (stochastic geometric) 模型 模糊分析(fuzzy) 模型 线性模型假定： 像元反射率由端元组分反射率和它们的面积百分比(丰度)的线性组成。 非线性和线性是基于同一个概念，即线性混合是非线性混合在多次反射被忽略的情况下的特例。（如树木可以是二向反射） 3、线性光谱分解模型 3.1 模型介绍 在线性混合模型中，每一光谱特征中像元的反射率表示为它的端元组分反射率与它们丰度的线性组合。 模型思想：在瞬时视场下，各组分光谱线性混合、其比例由相关组分光谱的丰度决定。通过分析残差，求取残差最小的丰度。 3.1 模型介绍 因此，第i 特征像元反射率（或DN值）可以表示为： 其中，i=1,2,3,……,m；j=1,2,3,……,n; 是混合像元的反射率， 表示第i个波段第j种端元组分的反射率， 该像元第j种端元组分的丰度， 是第i个波段的误差。 m表示波段数，n表示选定的端元组分数。 为模型约束条件 3.1 模型介绍 LSMM模型从混合像元中分离和提取各端元的平均光谱反射率aij，通过求解线性方程来反解端元在像元中所占的面积比例 xj （丰度） ，从而将所有像元分解成这些端元组分的分量。 模型计算的结果表现为各端元的分量（面积比例xj ，共j个组分的丰度图像） 和以均方根误差表示的残余误差。 3.2线性光谱分解模型的关键技术 端元的类型、数量以及端元光谱特征是决定混合像元分解的技术关键。 端元的质量通常采用均方根误差RMS和残余误差来评价和衡量。 在选取