多通道遙感圖像中混合像元的分解.pdf

1、通常，多光譜和高光譜遙感圖像是以像元為單位來(lái)檢測(cè)和獲取地物信息。由于遙感圖像空間分辨率的限制，一個(gè)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(shí)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(guò)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(biāo)的檢測(cè)和識(shí)別方面有重要應(yīng)用價(jià)值。本文針對(duì)這個(gè)問題作了大量研究，創(chuàng)新內(nèi)容主要包括以下幾部分： 1．本文提出一種新的遙感圖像混合像元分解方法，通過(guò)最小化一種帶約束條件的能量函數(shù)，可實(shí)現(xiàn)多通道遙感圖像中混合像元更精確的分解。本文針對(duì)所提議的算法進(jìn)行了模擬和實(shí)際數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證，并將結(jié)果與BP神經(jīng)網(wǎng)絡(luò)的分解結(jié)果進(jìn)行了比較，結(jié)果表明，本文所提出的帶約束條件的能量函數(shù)最小化方法在分解準(zhǔn)確性和抗噪聲能力方面要明顯優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)的分解

3、方法。 2．本文提出一種實(shí)現(xiàn)多通道遙感圖像混合像元盲分解的方案，該方案可以不依靠地物光譜數(shù)據(jù)庫(kù)或圖像中純地物像元的信息，通過(guò)非負(fù)矩陣分解(NonnegativeMatrixFactorization，NMF)的方法來(lái)達(dá)到分解混合像元的目的。文中提出用主成分分析法(PrincipalComponentAnalysis，PCA)來(lái)確定遙感圖像中端元(Endmember)的數(shù)目，并在NMF算法迭代過(guò)程中引入各端元百分比之和為一的約束條

4、件。模擬和實(shí)際數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，文中所提議的混合像元分解方案有非常好的分解準(zhǔn)確性。 3．本文提出了一種改進(jìn)的非負(fù)獨(dú)立元分析(IndependentComponentAnalysis，ICA)方法。傳統(tǒng)的ICA算法可以通過(guò)觀測(cè)到的信號(hào)序列X和混合模型X=A×S求得獨(dú)立源信號(hào)S，但在一些情況下，S或X，或兩者都是非負(fù)的(如數(shù)字圖像)。MarkD．Plumbley于2003年提出了一種非負(fù)的ICA算法，該算法假設(shè)源信號(hào)獨(dú)立，通過(guò)對(duì)觀