基于稀疏約束最小二乘光譜解混算法的濕地精細(xì)分類.pdf

1、濕地是地球上重要的生態(tài)系統(tǒng)之一，它具有巨大的生態(tài)價值和經(jīng)濟價值。但是隨著人類經(jīng)濟的快速發(fā)展，中國濕地遭到嚴(yán)重破壞，直接影響到濕地植被的生長和分布狀況。近年來人們意識到濕地的價值，越來越重視濕地植被的保護與研究。以往的濕地植被分類通常都是基于多光譜遙感影像，波段數(shù)量有限，難以對濕地植被進行精細(xì)劃分。而高光譜遙感影像因其具有較高光譜分辨率，可以獲取傳統(tǒng)低光譜分辨率影像數(shù)據(jù)難以區(qū)分的地物信息，從而提高濕地植被的分類精度。但是受傳感器空間分辨率

2、和地物復(fù)雜度的影響，混合像元普遍存在，空間分辨率較低的高光譜影像尤為嚴(yán)重，不僅影響了地物的識別和分類精度，而且已經(jīng)成為遙感科學(xué)向定量化發(fā)展的主要障礙。本文以扎龍自然保護區(qū)為研究區(qū)，運用HJ-1AHSI高光譜影像數(shù)據(jù)，對比研究了基于稀疏約束最小二乘光譜解混算法(SUFCLS)與傳統(tǒng)的全約束最小二乘光譜解混算法(FCLS)在濕地遙感分類中的表現(xiàn)，并對兩種算法的分類結(jié)果進行精度評價，對分類誤差進行深入的對比分析，得到如下研究結(jié)果:
　　

3、(1)由于傳統(tǒng)的線性解混算法對場景中的每個像元均采用同一組端元光譜參與解混，沒有考慮到參與解混的端元是否存在于像元視場之內(nèi)，特別是在復(fù)雜場景下容易造成解混誤差。本文提出了基于稀疏約束的最小二乘光譜解混算法，基于稀疏解混算法從光譜庫中自適應(yīng)的遴選場景下占比最高的端元組合，并將此端元組合應(yīng)用于全約束最小二乘光譜解混算法實現(xiàn)豐度反演，充分考慮了端元在空間上的異質(zhì)性，克服了傳統(tǒng)的線性光譜解混方法在端元選擇過程中的不足。(2)針對國際重要濕地扎龍

4、保護區(qū)，構(gòu)建了適合該地區(qū)的土地利用的分類體系，將研究區(qū)的地類分為蘆葦沼澤、苔草沼澤、羊草草甸、雜草草甸、明水面、鹽堿地、水田、旱地、居民地、道路十種土地利用類型，并通過野外采樣的方法構(gòu)建了十種地類端元的光譜庫，用于稀疏約束最小二乘光譜解混及分類精度的對比。(3)本文分別將稀疏約束最小二乘光譜解混算法與全約束最小二乘光譜解混算法應(yīng)用于扎龍濕地的HJ-1A HSI高光譜影像數(shù)據(jù)中，并通過均方根誤差指數(shù)進行精度驗證，結(jié)果表明與傳統(tǒng)的全約束最小