基于非负矩阵分解的混合像元解混算法结题报告.docVIP

基于非负矩阵分解的混合像元解混算法结题报告

一、研究背景与问题提出

在遥感影像处理领域，混合像元问题始终是制约地物精准识别与定量化分析的核心瓶颈之一。传统遥感成像技术中，单个像元往往包含多种不同地物类型的光谱信息，尤其是在复杂地形、植被覆盖区或城市边缘地带，混合像元的比例可高达30%以上。这种“同物异谱”与“异物同谱”现象的存在，使得基于纯净像元假设的传统分类算法（如最大似然法、支持向量机等）的精度大幅下降，无法满足农业估产、环境监测、资源勘探等领域对高分辨率地物信息的需求。

混合像元解混的本质是将混合像元的光谱向量分解为纯净端元光谱与对应丰度系数的线性组合，其数学模型可表示为：

[\mathbf{Y}=\mathbf{A}\mathbf{S}+\mathbf{E}]

其中，(\mathbf{Y}\in\mathbb{R}^{d\timesn})为观测光谱矩阵，(d)为光谱波段数，(n)为像元数；(\mathbf{A}\in\mathbb{R}^{d\timesp})为端元光谱矩阵，(p)为端元数量；(\mathbf{S}\in\mathbb{R}^{p\timesn})为丰度矩阵，每一列代表对应像元中各端元的比例；(\mathbf{E})为噪声矩阵。在实际应用中，丰度系数需满足非负性约束（(s_{ij}\geq0)）和和为一约