基于线性混合模型的高光谱图像端元提取方法研究

【摘要】：线性混合模型是高光谱图像处理中最常用到的数据观测模型,端元作为描述线性混合模型的主要参数,代表某种具有相对固定光谱的特征地物。通过端元提取来获得图像中的基本光谱信息,这在光谱解混合、目标检测、变化检测和图像分类等领域都是一项极有意义的工作。本文针对高光谱图像的特点和端元的几何意义,研究了基于线性混合模型的端元提取方法。 从光谱混合的成像机理出发,分析了线性混合模型在数据建模及后期处理中的合理性,为构建算法和设计仿真提供了可靠的理论依据;研究了端元的几何特性及其在线性混合模型中的表现形式,确立了几何端元提取技术的基本思路。分析了提取顶点与提取均值方法的相互联系和差异,实现了一种能突出两者优势的基于RMS误差分析的提取算法,改善了对背景数据的表征能力,保留了图像中的异常信息;引入了数学形态学的理论,并同端元提取的手段有机地结合起来,得到了一种可以同时兼顾光谱信息和像素之间的空间相关性来进行端元提取的算法,提高了端元提取的可信度和合理性。针对端元提取的目的,提出了在有无先验信息情况下有效对提取结果实施评估的不同策略,实现了算法之间的性能分析与比较。结果表明,综合了空间与光谱信息的端元提取效果是最好的。