13线性光谱解混.pptVIP

第7节 线性光谱解混 武汉大学遥感信息工程学院龚 龑 物理端元与图像端元 非限制性方法 3.1基本思想  5.1反射率转换 5.2地物分类 5.3地物填图 5.3地物填图 5.3地物填图 A.首先，求出所有像元的平均光谱向量,记为e0; （２）主要步骤 B.然后，计算e0与其它点的距离，离e0最远的点记为e1; C.计算e1与其它点的距离，离e1最远的点记为e2; 三、提取几何顶点的端元提取方法 3.4最大距离法 D. e1与e2确定直线L，找出离直线L最远的点记为e3; E. e1、e2与e3确定平面S，找出离平面S最远的点记为e4; …… F. e1、e2、e3与e4确定四面体V…… 最终，选择e1、e2、e3……em作为m个端元 （２）主要步骤 三、提取几何顶点的端元提取方法 3.4最大距离法 （３）高维空间中点到超平面距离的计算 设现有端元向量e1、e2、…ek构成L维空间中的超平面S。其中， ei=(e1i ,e2i,…, eLi)， L是波段数。 　　p是L维空间中的一个点，坐标为(p1 ,p2,…, pL). 　　如何求点p到超平面S的距离？ 超平面S的方程 过点p到超平面S的垂线方程 三、提取几何顶点的端元提取方法 3.4最大距离法 Ａ.垂线方程 两要素： 　直线上某一点坐标 　垂线方向 p点，坐标为(p1 ,p2,…, pL) 方向矢量记为u，垂直于向量e1、e2、…ek所构成的平面。u与e1、e2、…ek 线性无关 通过施密特正交化求得 过点p到超平面S的垂线方程： y – p = k u 三、提取几何顶点的端元提取方法 3.4最大距离法 （３）高维空间中点到超平面距离的计算 B.超平面方程 　　经过超平面内点 ei， 法向量为u的超平面S方程为： uT(y - ei) = 0 y – p = k u uT(y - ei) = 0 超平面S方程： 垂线方程： 交点坐标 点p到超平面S的距离：dps = d(p,y0) C.距离计算 三、提取几何顶点的端元提取方法 3.4最大距离法 最大距离法小结： (1) 计算所有像元均值矢量 (2) 计算第一个最大距离点 (3) 计算当前超平面的最远点，作为新端元 (4) 形成新的超平面，寻找新端元 三、提取几何顶点的端元提取方法 3.4最大距离法 一、线性混合模型的数学表达二、线性混合像元分解关键问题三、提取几何顶点的端元提取方法四、基于误差分析的端元提取算法五、线性混合像元分解的应用 第四章 第7节 线性光谱解混 　　算法的基本思想是利用均方根误差来逐个搜索端元，通过对当前端元分解结果的误差评估来决定后续端元的选择。 丰度向量估计值 混合光谱计算值 均方根 误差向量 四、基于误差分析的端元提取算法 4.1算法原理 　　首先计算整个数据的平均光谱作为初始向量，用它来构成式中的端元矩阵； 1.选一个初始端元 　　依照当前端元矩阵进行光谱解混，求得丰度，并计算每个像元的RMS； 2.计算RMS 4.2算法实施步骤 四、基于误差分析的端元提取算法 　　将RMS误差最大的若干个点记录下来，选择出与最大误差点光谱夹角小于域值的点构成集合G; 3.统计RMS误差最大点 　将G中的点的均值向量作为新的端元光谱，加入到端元矩阵中； 4.形成新的端元矩阵 　直至找到规定数量的端元或者RMS小于域值。 5.不断重复上述过程 4.2算法实施步骤 四、基于误差分析的端元提取算法 算法流程 4.2算法实施步骤 四、基于误差分析的端元提取算法 RMS影像 RMS与端元个数的关系 一、线性混合模型的数学表达二、线性混合像元分解关键问题三、提取几何顶点的端元提取方法四、基于误差分析的端元提取算法五、线性混合像元分解的应用 第四章 第7节 线性光谱解混 　借助地面某些已知地物光谱反射率，来计算地物反射率。 　将反射率表示为物理端元及丰度的形式。 　反演精度严重依赖于端元选择精度。 要点介绍： 五、线性混合像元分解的应用 　将丰度与模糊分类的隶属度函数建立联系。 　样本纯化：初始样本视为“准纯样本”，在混合像元分解后，样本可视为“模糊样本”，依据“模糊样本”分类可提高精度。 要点介绍： 五、线性混合像元分解的应用 　　针对某种端元，将每个像元的丰度量化为灰度，则可以形成丰度影像，作为地物填图结果。 类别 端元 丰度图 含量图 五、线性混合像元分解的应用 武汉大学 龚龑 《高光谱遥感》 《高光谱遥感》第四章 高光谱数据处理 一、线性混合模型的数学表达二、线性混合像元分解关键问题三、提取几何顶点的端元提取方法四、基于误差分析的端元提取算法五、线性混合像元分解的应用 第四章 第7节 线性光谱解混 线性混合模型的适用条件： 在给定的区