一种多通道遥感图像混合像元的分解方法.docxVIP

一种多通道遥感图像混合像元的分解方法 混合像元分解 通常，多光谱和高光谱的遥感图像是由图像单元组成的，用于检测和接收地球信息。由于多光谱和高光谱光谱图像的空间分辨率限制，图像源通常覆盖数十至数百平方米的土壤区域，其中可能包含各种地球形态，形成混合图像源。混合像素不仅影响地物学识别和分类的精度，而且是地感技术量化发展的重要障碍。如果特定方法找到了不同典型地球元素的混合相位的比例，则可以解决混合相位的问题，提高了定性和定量遥感的精度。基于多光谱和高光谱遥感图像的高精度地物分类以及地球目标的检测和识别具有重要的应用价值。 神经网络方法不仅可以用来对遥感图像进行分类,同时也是目前混合像元分解采用较多的一类方法.该类方法物理意义明确,易于理解,但由于方法本身的限制使得算法的分解精确性和抗噪声能力较差,并且不能很好的满足遥感图像混合像元分解中所要求的一些约束条件,即分解结果之和为1,分解结果中每一类地物的比例应在[0, 1]范围内. 本文提出一种新的混合像元分解算法,通过最小化带约束条件的能量函数,该算法可以很好地实现混合像元的分解.由实验结果可以看出,该算法可以得到较神经网络类方法更为精确的结果. 1 新混合图像源分解方法 1.1 多光谱图像的反射特性 线性光谱混合模型是目前混合像元分解研究中较多采用的一种模型,设X为多通道遥感图像中单一像元的多光谱或高光谱矢量,A为各类地物组成的反射特性