混合像元分析.pptVIP

混合像元分析 耿修瑞 2010.9.27 提纲 光谱混合模型 端元提取 混合像元分解 光谱混合模型 线性混合模型 线性混合模型假定到达传感器的光子只与一种物质发生作用 非线性混合模型 当混合元素尺寸小，入射光子与多于一种以上的物质发生作用时，导致非线性混合 实际遥感图像往往两种混合模型并存 端元提取 遥感器所获取的地面反射或发射光谱信号是以象元为单位记录的。它是象元所对应的地表物质光谱信号的综合。图象中每个象元所对应的地表，往往包含不同的覆盖类型，他们有着不同的光谱响应特征。而每个象元则仅用一个信号记录这些“异质”成分。若该象元仅包含一种类型，则为纯象元(pure pixel)，也称为端元（endmember），它所记录的正是该类型的光谱响应特征或光谱信号；若该象元包含不止一种土地覆盖类型，则成为混合象元(mixed pixel)，它记录的是所对应的不同土地覆盖类型光谱响应特征的综合。由于传感器的空间分辨力限制以及自然界地物的复杂多样性，混合像元普遍存在于遥感图象中 端元提取 PPI 最大距离 NFINDR 最大体积 OSP VCA GEM NMF PPI 当把特征空间中的所有散点往一个单位向量上投影时，端元就会投影到的该方向两侧，而混合象元则会投影到中部。基于这个思想，可以让图象在n个随机的单位向量上投影，并且记下每个象元被投影到端点的次数，即为纯象元指数(PPI).当然，被投影到随机向量端点的次数越多，说明此象元为纯粹象元的可能性越大。 最大距离法 首先求取图像中距离远点最大的点作为第一个端元，然后从图像中找到距离第一个端元最远的点作为第二个端元，然后再从图像中求取距离前两个端元最远的点作为第三个端元，以此类推得到图像中所有的端元。（思考，距离如何求？） 体积法 OSP 投影算子的定义 投影算子的构造 基于OSP的端元提取 VCA OSP思想的改进 时间复杂度 GEM 高斯消元法的思想 快速方法 NMF 实验情况 下面的端元提取实验针对Cuprite区域的AVIRIS数据进行，这里我们将选取其中短波红外的50个连续的波段（1978-2478nm）进行算法的验证 混合像元分解 基本概念 混合像元分解 无约束最小二乘 和为1约束最小二乘 非负约束最小二乘 全约束最小二乘 OSP 端元投影向量 几何法 统计法 无约束最小二乘 最小二乘的基本原理 y=ax+b x=a’y+b’ 线性混合模型的无约束最小二乘解 和1约束最小二乘解 非负约束最小二乘 不等式约束的优化问题 全约束最小二乘法 OSP 根据提取的端元构造投影算子 根据投影算子消除背景 端元投影向量 几何方法 统计方法 盲信号分离 实验情况 下面的端元提取实验针对Cuprite区域的AVIRIS数据进行，这里我们将选取其中短波红外的50个连续的波段（1978-2478nm）进行算法的验证 AVIRIS数据实验结果 * 端元c 端元a 端元b 波段 i 波段j 图象空间的线性混合模型 特征空间的单形体结构 线性混合模型 其中 为图像中的N个像元 由于用到了求行列式的运算,所以要求E必须为方阵,这样向量的维数必须为n-1,但原始的高光谱数据往往是不满足这个条件的,于是需要先对原始数据进行降维处理,这也正是N-FINDR算法可能引起偏差(比如’忽视’小目标)的原因所在,同时也是此算法的不足之处. NFINDR 讨论本方法与NFINDR的异同 1.相同点 2.不同点 Alunite Kaolinite Calcite 用于处理的Cuprite区域的AVIRIS数据假 彩色合成图(2101nm,2200.8nm,2340.2nm) 由我们的算 法从Cuprite 区域的AVI RIS数据中获 取的端元光 谱（带点的曲线）与USGS 光谱库中相应的光谱曲线 的对比情况 Kuhn-Tucker conditions A B C D E F 波段i 波段j B A C P 波段j 波段 i Alunite Kaolinite Calcite 用于处理的Cuprite区域的AVIRIS数据假 彩色合成图(2101nm,2200.8nm,2340.2nm) 由我们的算 法从Cuprite 区域的AVI RIS数据中获 取的端元光 谱（带点的曲线）与USGS 光谱库中相应的光谱曲线 的对比情况 *