線性模型下多通道遙感圖像混合像元分解方法研究.pdf

1、通常,多光譜和高光譜遙感圖像是以像元為單位來檢測和獲取地物信息。由于遙感圖像空間分辨率的限制,一個像元往往覆蓋幾十甚至幾百平方米的地面范圍,在其中可能包含著多種地物類型,這就形成了混合像元?；旌舷裨獑栴}不僅影響地物的識別和分類精度,而且是遙感技術(shù)向定量化發(fā)展的重要障礙。如果通過一定方法,找出組成混合像元的各種地物種類的比例,則可解決混合像元問題,提高定性和定量遙感精度?；旌舷裨木_分解在基于多光譜和高光譜遙感圖像的高精度地物分類以及地

2、面目標的檢測和識別方面有重要應(yīng)用價值。本文針對這個問題作了大量深入的研究,創(chuàng)新內(nèi)容主要包括以下幾部分:
　　 1.本文提出一種新的基于數(shù)據(jù)空間正交基的多通道遙感圖像混合像元分解算法。該算法通過在數(shù)據(jù)集中確定一個具有最大體積的單形體來搜索端元。本算法將原基于行列式的單形體體積計算,等價于一組正交基的模值乘積計算,從而大大提高了算法的計算效率;同時,由于順序搜索概念的引入,確保了本算法總能獲得相同的端元提取結(jié)果。此外,利用這組正交基

3、,本文所提出的算法還可以同時完成端元個數(shù)的確定與豐度的估計兩項工作。
　　 2.在高混數(shù)據(jù)中進行混合像元分解是一項非常困難的問題。本文提出一種新的基于非負矩陣因式分解(NonnegativeMatrixFactorization,NMF)算法和單形方法相結(jié)合的混合像元分解方法去解決上述問題。并在NMF算法中加入適當?shù)募s束條件用于多通道混合像元分解問題。模擬與實際數(shù)據(jù)實驗結(jié)果表明,本文提出的算法在端元光譜特性提取和豐度解混兩方面均