高光谱像元解混技术研究

【摘要】：高光谱图像具有较高的光谱分辨率,提供了地物详尽的光谱信息,因而能够更好地用于遥感数据的分类和目标识别。同时,由于地物分布的复杂多样性以及传感器有限的空间分辨率,遥感图像中常常包含大量的混合像元。为了能够对遥感图像进行更精细的定量解译,光谱解混技术应运而生。本文对高光谱图像混合像元分解技术进行了研究,主要工作包括:(1)对光谱成像技术和像元解混技术的国内外研究现状进行了综述。对于本文重点研究的基于线性光谱混合模型的像元解混技术,分别从端元提取和丰度反演两个方面进行了分析与总结。(2)提出了两种改进的单形体体积增长算法(SGA),并将改进后的方法应用于高光谱像元解混中。作为应用比较广泛的一种端元提取算法,SGA存在端元提取效果不理想以及需要进行降维处理的缺陷。分别利用N-FINDR方法、改进的单形体体积计算公式并结合正交子空间投影(OSP)的思想对其进行改进,将改进的端元提取算法应用于高光谱解混中。利用模拟数据和实际高光谱数据进行实验发现,两种改进的单形体体积增长算法在端元提取精度和丰度反演结果上都优于SGA算法,证明了改进算法的有效性。(3)提出了一种改进的基于自动形态学的端元提取算法。针对自动形态学端元提取(AMEE)算法存在的局限性,通过引入参考光谱向量的概念构建了改进的形态学算子,并给出了一个形态学离心率指数新的计算方法。然后利用偶数大小、改进的结构元素,从每个结构元素内选出四个候选端元。对改进的基于自动形态学的端元提取算法进行了分析和实验验证。实验结果表明,改进的方法能从纯像元集中分布的区域获得正确的候选端元,并在一定程度上避免膨胀过程中的信息遗失,从而能够有效地提升端元提取的精度和像元解混的效果。