傳統(tǒng)的混合像元分解算法認(rèn)為每個像元都包含圖像中所能提取的全部端元組分,但這并不符合實際情況。實際上圖像中大多數(shù)混合像元僅由少部分端元混合而成。由于端元提取精度及噪聲的影響,采用全部端元對混合像元進行分解,會使得混合像元中實際并不存在的端元的豐度估計值不為零,分解結(jié)果存在較大誤差。由于混合像元大多存在于不同地物的交界處,基于此,本文提出了一種結(jié)合圖像的空間信息選取混合像元最優(yōu)端元子集的方法。利用一個空間結(jié)構(gòu)元素,從混合像元的附近鄰域開始搜索,將搜索到的純凈像元光譜與所提取的圖像端元光譜進行對比,并確定混合像元的端元子集進行分解。根據(jù)RMSE大小和變化情況,逐步擴大結(jié)構(gòu)元素的大小,不斷調(diào)整搜索范圍,直至得到最優(yōu)端元組合。模擬數(shù)據(jù)和真實數(shù)據(jù)的試驗結(jié)果表明,該方法相比傳統(tǒng)的全端元光譜分解方法,在總體上獲得了更好的分解效果。 

【文章來源】：測繪通報. 2019,(07)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

線性光譜混合模型

槡j(4)式中，εj為余差向量中的元素。獲得的ＲMSE值越小說明算法的混合像元分解精度越高，算法越有效。2光譜分解誤差隨端元子集變化情況現(xiàn)有的研究表明，利用圖像中的所有端元對混合像元進行分解，得到各端元的豐度值，然后從豐度最大的端元開始，按照豐度從大到小的順序，逐漸添加端元，建立并擴充端元子集，用這些端元子集分別對該混合像元進行二次分解，則混合像元分解的誤差總體上趨于減�。�9］。如對于整幅圖像包含10個端元、實際上由3個端元組成的混合像元，圖2給出了ＲMSE隨端元子集中端元數(shù)目增加的變化趨勢。圖2光譜分解誤差隨端元子集擴充的變化趨勢在混合像元分解時，如果端元子集中漏選實際存在的端元，那么光譜重構(gòu)圖像與原始圖像的ＲMSE會很大;當(dāng)端元子集中恰好包含實際存在的端元時，ＲMSE最小;而當(dāng)端元子集中多選了冗余端元進行分解時為無偏估計，ＲMSE變化很小。圖2中，按照豐度排序，在利用其中3個豐度最大的端元進行混合像元二次分解后，相比上一步2個端元分解時重構(gòu)光譜與原始光譜之間的ＲMSE急劇下降，再向端元子集中增加端元數(shù)量進行分解，ＲMSE的變化也不大，而是趨于平緩，由此可以判斷曲線“拐點”對應(yīng)的端元集就可以作為組成該混合像元的最優(yōu)端元子集，該混合像元實際包含的端元數(shù)為3。3結(jié)合圖像空間信息的最優(yōu)端元子集選擇當(dāng)圖像中地物種類較多、存在較多端元的時候，如果通過全局搜索的方式在全部端元中搜索混合像元的最優(yōu)端元組合效率較低，因自然界地物往往具有一定的空間結(jié)構(gòu)，如農(nóng)田、森林、草地、建筑物，湖泊等，這些不同種類地物區(qū)塊之間光譜差異明顯。光譜?

光譜與原始光譜的ＲMSE。如果該ＲMSE近似等于全端元a1，a2，…，am分解時與原始光譜之間的ＲMSE，則當(dāng)前的端元子集即為最優(yōu);如果該ＲMSE遠大于全端元a1，a2，…，am分解時的ＲMSE，則說明端元子集中缺少實際存在的端元。(5)增大結(jié)構(gòu)元素K(x，y)的尺寸(增大邊長k)，擴大搜索范圍，返回步驟(1)重復(fù)執(zhí)行，直到ＲMSE減小到近似全端元分解時的ＲMSE為止，最終得到混合像元的最優(yōu)端元子集，進而得到最優(yōu)的光譜分解結(jié)果。圖3擴大結(jié)構(gòu)元素尋找最優(yōu)端元子集圖3為擴大結(jié)構(gòu)元素尋找最優(yōu)端子集示意圖。圖3(a)中結(jié)構(gòu)元素K1邊長為3，結(jié)構(gòu)元素內(nèi)只包含兩種物質(zhì)的純像元，因此只能找出結(jié)構(gòu)元素中心位置處混合像元(x，y)包含的兩個端元e1和e2;擴大結(jié)構(gòu)元素，使其邊長為5(如圖3(b)所示)，結(jié)構(gòu)元素內(nèi)涵蓋3種物質(zhì)的純像元，即可找到混合像元(x，y)的全部端元e1、e2和e3。4試驗與討論4．1模擬圖像試驗在USGS［16］礦物光譜庫中選擇4種礦物光譜作為端元，其光譜曲線如圖4所示。添加SNＲ=30dB的高斯噪聲，構(gòu)建大小為200×200的模擬圖像。如圖5所示，模擬圖像4個角上分布著4個端元的純像元，陰影部分是由4種端元混合而成的混合像元。圖4從USGS光譜庫中選擇的4個光譜圖5模擬圖像以4個端元的其中一個進行分析，圖6為端元①的實際豐度圖及分別采用UCLS、FCLS、迭代光譜混合分析(ISMA)及本文所提出的端元可變混合像元分解方法解混后的豐度圖。圖中顏色由淺到深?

【參考文獻】：
期刊論文
[1]基于線性光譜混合模型的光譜解混改進模型[J]. 王立國,張晶.  光電子.激光. 2010(08)

博士論文
[1]高光譜遙感圖像混合像元分解的理論與算法研究[D]. 李二森.解放軍信息工程大學(xué) 2011



本文編號：3229950