高光譜圖像非線性解混技術(shù)研究.pdf

1、高光譜遙感圖像通過成像光譜儀對同一地表在不同波段上連續(xù)成像，形成連續(xù)的光譜信息。所以具有很高的光譜分辨率，有較強的地物分類、辨識能力。同時其空間分辨率低也使混合像元普遍存在，一個像元內(nèi)包含多種地物光譜信息。隨著高光譜遙感技術(shù)的應(yīng)用越來越廣泛，對高光譜圖像處理技術(shù)的要求也越來越高，混合像元解混就是成了高光譜圖像處理技術(shù)中一個熱點和難點。對于一個混合像元，解混工作是提取出其包含的每種地物光譜的組分。為了避免盲目解混，地物光譜的類別以及光譜信

2、息應(yīng)是已知的。高光譜分類技術(shù)就是為解混提供類別監(jiān)督信息。端元提取就是從整幅圖像數(shù)據(jù)中提取出含有的不同的地物端元，為豐度的求解準(zhǔn)備端元信息。
　　高光譜解混主要分為線性解混模型和非線性解混模型。線性解混模型是將混合像元的形成過程簡單化，假設(shè)一個混合像元是由幾種地物的光譜信息按照不同的比例線性疊加而成。由于其易于理解、計算簡單而有著廣泛的應(yīng)用。但是在很多情況下，如一些包含砂石、礦物、植被以及水域等地物分布的高光譜圖像，在混合像元形成的

3、過程中，忽略成像中的非線性因素會影響解混的精度。為了解決這個問題，非線性解混模型被越來越多的學(xué)者研究，非線性像元解混是本課題的研究重點，主要研究內(nèi)容如下。
　　1、重點研究了基于多項式的非線性解混模型，并根據(jù)其不足，提出一種新的非線性解混模型。多項式非線性解混模型的基本思想是在線性混合模型的基礎(chǔ)上，加上非線性非線性項來模擬像元中地物間非線性混合的機理。地物間的反射、折射的相互作用，入射光子與其他光子反射兩次及以上的反射、折射，造成

4、像元的非線性混合。光子反射三次以上影響很小，所以只考慮二次反射項?；诙味囗検降幕旌夏Ｐ椭械姆蔷€性項就是端元間的兩兩混合。在現(xiàn)有的多項式混合模型中將端元光譜簡單的點乘來模擬地物兩兩二次反射的代表端元光譜。這種混合方式，在光譜值過大或過小的時候，其二次反射代表光譜就嚴重偏離的正常的光譜值，影響解混工作。新的解混模型就是在這基礎(chǔ)上，對二次反射項進行改進，將地物間兩兩反射的代表光譜點乘后再除以其相乘后的模。利用人工仿真數(shù)據(jù)及農(nóng)林真實數(shù)據(jù)驗證

5、了新模型的有效性。
　　2、提出基于Volterra級數(shù)濾波器的非線性解混算法。將LMS瞬時梯度下降準(zhǔn)則應(yīng)用到濾波器的迭代過程中，不需要平方，平均或者微分等運算，使得該算法容易高效，計算速度快，有很高的速度和精度優(yōu)勢。并研究了遺傳算法，將遺傳算法應(yīng)用的非線性解混中去，遺傳算法簡單易用。遺傳算法模擬生物進化理論，解混精度較高，但是速度較慢，本課題只做遺傳算法的應(yīng)用研究。在實驗中通過和現(xiàn)有非線性解混算法比較，驗證LMS Volterr

6、a級數(shù)非線性算法和遺傳算法的優(yōu)勢。
　　3、非線性混合模型在精度上有所提高，但是并不是所有的情況下都適合非線性混合模型，如一副圖中的茂密樹冠，其像元光譜就接近線性。在混合模型中，噪聲的高斯分布特性使得觀測像元在未知參數(shù)下服從高斯分布，未知參數(shù)的估計是觀測像元信號的最大似然估計。假定非線性系數(shù)的分布為正態(tài)分布，根據(jù)非線性系數(shù)在不同模型中的分布不同，設(shè)定二元假設(shè)。利用廣義似然檢測來判斷混合像元屬于哪種混合模型。在實驗中驗證了混合模型判