基于迭代誤差分析與空間信息的高光譜遙感圖像端元提取方法研究.pdf

1、混合像元問題一直以來就是圖像處理、分類、識別和理解的一大障礙，也是傳統(tǒng)的像元級遙感分類和面積量測的精度難以達到使用要求的主要原因。混合像元普遍存在于高光譜影像中，在很大程度上增加了對高光譜影像進行精確地物分析和圖像分類的難度。解決像元內(nèi)光譜混合問題的過程稱為混合像元分解，該過程通?？煞譃槎嗽崛『拓S度反演兩個步驟，準確而高效的提取端元是提高豐度反演精度的基礎，因此，端元提取是混合像元分解的關鍵步驟。本文圍繞混合像元分解展開，重點研究了端

2、元提取算法。
　　端元也被稱為純凈像元,是指那些只包含一種地物光譜信號的像元。目前已有的端元提取算法可大致分為兩類，一類是端元識別算法，此類算法認為圖像中存在各種地物的純凈像元并從圖像中尋找端元。另一類是端元生成算法，此類算法認為圖像中不存在純凈像元，因而此類算法不從圖像中尋找端元而是直接生成端元光譜特征。而在自然界中通常能找到每種地物類型的純像元,迭代誤差分析算法是一種端元識別算法，與其他端元識別算法相比,因為該算法以豐度反演的

3、相對誤差作為判定端元的標準，所以該算法可以獲得較小的解混誤差，但是該算法在提取端元的過程中忽略了端元之間的相關性和冗余信息。而且，該算法只考慮了圖像的光譜信息而忽略了圖像的空間信息。
　　針對上述問題，本文所做工作主要包括：
　?。?）提出了一種基于圖像空間信息的端元光譜優(yōu)化方法。該方法在一個局部窗口內(nèi)同時考慮了各像元與端元之間的光譜角差異和光譜向量的幅值差異，為了消除兩者在數(shù)值計算上的差異,采用了高斯函數(shù)來計算各鄰域像元的

4、光譜權(quán)重。并與基于像元坐標距離的權(quán)重計算方法相結(jié)合，給出了一種綜合權(quán)重，對端元光譜進行優(yōu)化。
　?。?）提出了一種優(yōu)化的迭代誤差分析端元提取方法（Optimized Iterative Error Analysis，OpIEA）。該方法利用迭代誤差分析算法提取候選端元，利用施密特正交化在每次迭代過程中尋找與已有端元均正交的向量，并通過候選端元在該向量上的投影長度來確定端元，并利用（1）中的端元光譜優(yōu)化方法進行端元光譜優(yōu)化。此方法在

5、保證了具有較小反演誤差的同時也在一定程度上降低了端元之間的相關性和冗余信息。
　?。?）使用本文提出的端元提取方法進行了端元提取，然后利用本文所提出的端元光譜優(yōu)化方法對所提取的端元光譜進行了優(yōu)化，最后利用全約束最小二乘法進行了豐度反演操作，并求得了解混誤差。并將提取的端元光譜與USGS光譜庫中的端元光譜進行了對比分析。
　　最后，在仿真數(shù)據(jù)和真實高光譜數(shù)據(jù)上進行了實驗。實驗結(jié)果表明與傳統(tǒng)的迭代誤差分析算法（Iterative