一种改进的N-FINDR高光谱端元提取算法

光谱端元提取是对高光谱数据进一步分析的重要前提。在各种端元提取算法中,N-FINDR算法因其全自动和选择效果较好等优点受到了广泛的关注。然而样本的排序对该算法的端元提取会造成一定影响,并且传统N-FINDR算法需要根据端元的个数进行降维处理,从而限制了该算法的应用。实际高光谱数据中存在的同一地物在高维空间中非紧密团聚现象也对端元提取增加了难度。为此该文提出改进的算法停机准则和数据特征预处理方法,并使用支持向量机对提取到的端元进行二次提取。实验结果表明,改进的停机准则进一步增加了由端元向量组组成的凸体体积。数据特征预处理和基于支持向量机的二次端元提取分别提升了数据的可分性和提取到端元的精度。

基于线性最小二乘支持向量机的光谱端元选择算法

光谱端元选择是高光谱数据解混分析的重要前提。在各种端元选择算法中,N-FINDR算法因其自动性和高效性受到广泛欢迎。然而,该算法需要进行数据降维预处理,且包含大量的体积计算导致该算法的运算速度较慢,限制了该算法的应用。为此提出基于线性最小二乘支持向量机的N-FINDR改进算法,该算法无需降维预处理,且采用低复杂度的距离尺度代替复杂的体积尺度来加速算法。此外还提出对野值点施加有效控制以赋予算法鲁棒性,以及利用像素预排序方法来降低算法的迭代次数。实验结果表明,基于线性最小二乘支持向量机的改进N-FINDR算法在保证选择效果的前提下复杂度大大降低,鲁棒性方法和像素预排序方法则进一步提高了算法的选择效果和选择速度。

空谱协同多尺度顶点成分分析的高光谱影像端元提取

针对顶点成分分析方法无法实现复杂地表环境下的高光谱影像端元精确提取问题,提出了一种基于空谱协同多尺度顶点成分分析的端元提取方法,通过影像空谱特征融合和聚类分割,对不同分辨率空间尺度下的分割影像进行端元协同提取,并考虑噪声对影像端元提取精度的影响,提升端元提取的精度。首先,对影像进行预处理,采用低秩矩阵分解去除噪声。其次,对高光谱影像进行空谱多特征提取,利用多特征融合和K-means算法进行聚类分割,获取地物分布的空间异质性信息,提升后续端元提取的精度。然后,对高分辨率影像空间降采样,利用顶点成分分析方法对降采样后的低分辨率分割图像进行端元提取,并利用坐标映射寻找高分辨率影像中的相应端元,利用光谱角来判定是否为纯端元。最后,遍历上述方法至所有分割影像以获取最终的端元集合。使用模拟数据和真实的高分五号高光谱数据对提出的方法进行实验验证。实验结果表明,空谱协同多尺度顶点成分分析方法可提取高精度的纯净端元,且计算效率较高。

新疆天山北坡常见盐生植物端元尺度光谱特征及识别

通过野外定点光谱采样,从端元尺度对天山北坡四种常见的盐生植物芨芨草、苦豆子、樟味藜、骆驼刺进行了光谱特征分析和种类识别。结果表明:从CARI和SIPI两个常用的叶绿素高光谱指数来看,骆驼刺的叶绿素含量和类胡萝卜素含量均较高,苦豆子虽然生长旺盛,由于受到光谱中花的因素影响,这两个指数值较低。苦豆子株冠郁闭度较高,其NDVI值高于其他三种植物。苦豆子和樟味藜的光谱位置参数较稳定,而芨芨草和骆驼刺则既存在BEP"红移",也存在REP"蓝移",红边和蓝边变化幅度较大。生长旺季中不同植物端元光谱曲线之间差异较小,存在明显的混合光谱现象,利用遥感常用的红/近红外特征空间难以准确区分樟味藜和骆驼刺。采用逐步多元判别分析,筛选出Rn,REP,Rg,MSAVI和CARI作为判别指标构建判别方程,芨芨草和樟味藜可以100%被识别,四种植物的判别总精度达92%以上。

端元光谱自动提取的总体最小二乘迭代分解

根据总体最小二乘（total least squares，TLS）模型理论，提出了一种影像端元光谱可受噪声污染的混合光谱线性扩展模型，并实现了该模型的端元光谱自动迭代提取以及混合像元的限定性分解。实验结果表明，扩展的混合像元分解模型明显优于传统的最小二乘分解模型，总体精度大约提高了10％～20％。

端元光谱变化与混合像元分解精度的关系研究

从误差传播理论的角度,分析了多选端元光谱、漏选端元光谱以及端元内部光谱变化等情况与混合像元分解精度之间的关系。然后用数值模拟的方式进一步研究了端元内部光谱与限定性混合像元分解精度的关系。研究结果表明:(1)端元光谱间差距越大,端元光谱内差距越小,则混合像元分解精度越高;(2)如果漏选了端元光谱会造成很大的模型误差,然而多选端元光谱却仍然是端元组分的无偏估计。数值模拟结果表明混合像元分解精度与端元类内变化的方差存在负相关的特点。最后就理论推导的结论,讨论了提高混合像元分解精度的可能方法。

基于面向对象的多端元光谱混合分析方法

为了充分利用中等分辨率遥感影像的空间、纹理和光谱信息,解决影像中存在的大量混合像元问题,提高多端元光谱混合分析方法的效率,本文提出了基于面向对象的多端元光谱混合分析方法。首先利用面向对象的分析方法对研究区遥感影像进行分类,得到分类结果图;然后对分类结果图中包含多种土地覆盖类型的对象进行多端元光谱混合分析,获得各土地覆盖类别的丰度图及分解残差图;最后对基于面向对象的多端元光谱混合分析结果与多端元光谱混合分析结果进行对比分析。结果表明,基于面向对象的多端元光谱混合分析方法能够得到比较连续且和实际地物分布较为吻合的分析结果,其分解精度和效率优于多端元光谱混合分析方法。该方法可更有效地提取地表覆盖信息,为研究区域性生态环境变化、模拟分析提供了有效的信息提取方法。

基于实测端元光谱的多光谱图像光谱模拟研究

地物光谱特性是遥感应用的基础。然而,在基于野外实测端元光谱的遥感应用中,由于测量尺度不同,导致同一地物光谱形态和反射率值存在很大差异,为遥感信息的定量反演带来困难。文章以新疆塔里木盆地北缘渭干河-库车河绿洲为研究区,选取裸土、植被两类地物作为研究对象,首先通过AVNIR-2传感器的光谱响应函数,实现了将野外实测端元光谱拟合为多光谱离散光谱,通过实例数据表明,拟和的多光谱与AVNIR-2像元光谱具有很好的相关性,在此基础上,采用线性算法建立端元光谱与遥感图像像元光谱的转换模型,实现了从实测端元光谱尺度向遥感多光谱像元尺度的定量光谱转换,为遥感定量分析奠定了一定基础。

多端元光谱解混模型的改进及对植被盖度的反演

以扎龙自然保护区为研究对象,运用分层的面向对象分类法与多端元光谱解混算法相结合反演该地区的植被覆盖度。结果表明:分层降低了场景复杂度,面向对象分类法与多端元光谱解混算法的结合,有效的减少了计算量和混合像元的端元变化;采用同期高分辨率的SPOT5多光谱遥感影像进行精度验证,与传统的多端元光谱解混模型的反演结果进行对比,相关系数从0.864 3提高到0.902 8,均方根误差从0.171 2减少到0.092 6。因此,分层面向对象多端元光谱解混模型适合对湿地植被覆盖度的反演。

多端元光谱混合分析综述

多端元光谱混合分析是一种端元可变的线性光谱混合分析方法,通过由不同种类和数量的纯净像元(端元)构成的端元组合,对混合像元进行分解。针对每类地物,该方法可以采用多条同种端元光谱进行解混,在一定程度上克服了同种地物的光谱变异问题,能够提高解混的精度。本文对多端元光谱混合分析的具体方法进行综述。首先,基于对多端元解混研究现状的深入分析,归纳了多端元光谱混合分析的基本流程。其次,对多端元解混涉及的端元选取方法进行总结,分别概述了图像端元和参考端元扩充的策略及优化的指标;在此基础上,系统论述了端元光谱库构建主要途径及其优缺点,并指出针对特定的研究区域最佳端元模型确定的方法。最后,提出多端元光谱混合分析存在的问题并给出相应的解决方案。

基于多端元光谱混合分析方法的大兴安岭火后植被盖度恢复研究

火干扰是北方针叶林结构、功能及动态的主要调节因子之一。研究火后植被恢复对理解火干扰和生态系统的交互作用具有重要意义。火烧迹地通常由植被与基质混合组成,在中低分辨率(>10 m)遥感影像中表现为混合像元,因此研究亚像元尺度上植被的恢复是精确量化植被恢复的关键。本研究以2000年大兴安岭呼中自然保护区中8700 hm2火烧迹地为研究区,以两期(2014年6月1日和2010年6月22日)中分辨率Landsat ETM+影像(30 m)为基础数据,比较多端元光谱混合分析(Multiple Endmember Spectral Mixture Analysis,MESMA)和归一化植被指数(Normalized Difference Vegetation Index,NDVI)获得的植被盖度,以高分辨率(2 m)WorldView 2影像(2014年7月1日)为验证数据,对两种方法计算的植被盖度精度进行比较。结果表明,MESMA方法获得的植被盖度(R2=0.691)与传统的NDVI获得的植被盖度(R2=0.700)精度无统计差异,中烈度下获得的植被覆盖精度高于低、高火烧烈度。为验证同一端元能否运用到不同时相的Landsat影像中,本研究将从2014年影像中获取的最佳端元运用到2010年影像中获得植被盖度图,结果表明2014年与2010年得到的RMSE(均方根误差)均值分别为0.0015和0.0065,说明最佳端元可用于不同时相的影像分解。本研究表明MESMA方法可有效监测北方针叶林中火后植被盖度恢复,并可运用于时间序列遥感影像监测植被恢复动态。

国家自然科学基金项目端元光谱库自适应更新的空谱深度稀疏回归高光谱图像解混(项目批准号:61901208)

高光谱成像技术是高分辨率对地观测系统重大专项的重点支持方向。高光谱遥感具有图谱合一的特性,可以探测出在宽波段成像遥感中缺乏的地物精细光谱特性,对于精细化地物识别和参数反演至关重要。目前其应用领域已涵盖地球科学的各个方面,在地质找矿、环境监测、农业调查等领域发挥着重要的作用。然而在实际遥感探测过程中,由于成像传感器空间分辨率的限制以及探测区域地形复杂、地物种类多等原因,导致一个像元对应的光谱曲线可能由多种不同物质的光谱曲线混合而成,使得高光谱遥感图像中存在大量的混合像元。

基于均值漂移聚类的端元束提取

为了能够在不需要事先知道地物类别数目的情况下进行光谱的有效聚类,采用均值漂移算法完成聚类这一步骤。根据同一种地物光谱存在变异性的情况,使用了光谱角距离作为均值漂移聚类算法的相似性准则。用模拟高光谱数据和真实高光谱数据进行实验,结果表明基于改进后的均值漂移聚类的端元束提取方法较传统的K均值算法更能有效地形成代表每种地物类别的端元束。

江西相山铀矿田CUSD2-2孔成像光谱编录与蚀变分带研究

岩心成像光谱扫描与编录将是数字化时代地质调查和矿产资源勘查的新一代技术,通过相山铀矿田CUSD2-2孔中的应用,改进岩心成像光谱编录中的数据预处理流程及方法,并结合地质分析合理确定端元光谱和蚀变带。在CUSD2-2孔岩心成像光谱编录中,提取了长波云母、短波云母、绿泥石+云母、赤铁矿、方解石和蒙脱石共6种光谱端元,根据矿物学原理和相山铀矿田蚀变特征,认为长波云母为水云母(伊利石)化,短波云母应为绢云母(白云母)化,绿泥石+云母主要为绿泥石化;在已识别的6类热液蚀变中,赤铁矿化主要受岩石破碎带控制,其余5种蚀变受岩性和断裂破碎带双重控制。整个钻孔从上到下可分为浅部(0~980 m)中度碱性蚀变,中部(980~1230 m)原生岩石及深部(1230~2600 m)弱酸-碱耦合蚀变3个蚀变带;由于CUSD2-2孔位于两条NNE向断裂夹持部位,深部弱酸-碱耦合蚀变带的发现表明该区深部存在热液作用,进一步认为其邻区可能存在更强的酸性蚀变和伴生较好铀矿化。

城市地表端元丰度与地表亮温关系

由于城市人口急剧增长,城市化进程成为全球变暖的主要贡献来源:城市裸露、半裸露土地和不透水面温度较高。针对城市地表物质丰度与温度的关系,以武汉市2013年夏季Landsat-8遥感数据为数据源,使用多端元光谱混合分析法动态提取每个像元中的植被-不透水面-土壤(V-I-S)端元组分,并采用大气顶层辐射值反演地表亮温,通过聚类分析典型地表物质类型的地表亮温区位表现,结合三角图分析每个像元内的端元丰度与相应地表亮温之间的关系,拟合多元回归方程探究端元丰度对地表温度的影响能力,以及地表亮温对端元丰度数值变化的表现。实验结果表明,V-I-S端元丰度情况可解释夏季地表亮温98.563%的变化,其中不透水面丰度对夏季亮温的影响最大,而植被丰度的大小与植被温度调节能力成正比。

基于像元纯净指数的多端元提取算法

针对传统单端元提取方法不能描述端元变异、限制混合像元分解精度的缺点,提出一种基于像元纯净指数的多端元提取算法(Multiple Endmember Extraction Algorithm Based on Pixel Purity Index,PPI-MEE)。首先将图像划分为不重叠的图像块,并分别利用改进的PPI算法提取候选端元集,然后利用候选端元的邻域像元光谱信息对候选端元进行优化和精选。最后,对优化精选后的端元集分类得到每类地物的多端元光谱集。仿真数据和真实高光谱数据的实验结果表明,提出的多端元提取策略具有表征遥感图像中端元光谱变异的能力,能够提高端元提取精度和混合像元分解精度。

单/双端元线性模型分解混合像元的应用效果对比

获取2013年Landsat 8卫星武汉市区划内轨道的OLI影像;利用Google Earth目视解译采集端元ROI,使用Viper Tools进行端元光谱库的采集与优化,分别使用线性光谱混合分析法、双端元光谱混合分析法分解城市区域混合像元;以神经网络和最小距离法作为对照组进行精度评价.研究结果表明:两种方法在分类精度方面,对不同的土地利用类型各有优势性偏向;双端元光谱混合分析法在目视解译的角度使土地利用类型分类更为细致;在线性模型下适量增加端元光谱库数量,可以使混合像元解混精度和模型合理程度均得到有效提高,同时分解的细致程度也大大提升.

面向Sentinel-2影像的亚像元级水体提取方法

结合Sentinel-2影像及其他高分辨率卫星数据进行长序列、高频次、大范围的水面率、蓄水量、生态流量等水资源要素监测具有重要意义。为了提高水体提取精度,解决利用多源中高分辨率卫星数据提取水体时的空间尺度效应问题,本文提出了一种面向Sentinel-2影像的亚像元级水体提取方法(简称SWES)。首先利用RWI提取纯水体像元,然后利用膨胀算法提取水陆边界混合像元,最后为解决地物的类内光谱变化问题,采用考虑空间信息的多端元光谱混合分析算法(MESMA)求解水陆混合像元中的水体丰度。3个试验区的结果均表明,SWES取得了较好效果,平均RMSE为0.147,水体提取效果均优于自动亚像元水体提取方法(简称ASWM),尤其在水陆混合像元较多的坑塘养殖区。SWES在试验区获取的水体面积也有较高精度,平均相对误差为8.03%,低于ASWM的20.23%,结果表明SWES能够有效提升水域面积提取精度。

基于MAP的高光谱图像超分辨率方法

高光谱图像得到了越来越广泛的应用,但较低的空间分辨率严重地影响着它的应用效果;其超分辨率方法受到学术界的高度重视,但一直没有得到很好的解决。为此重点研究了建立低分辨率资源图像与高分辨率目标图像之间的关系模型;引入关联感兴趣光谱端元的算子进行空间变换;应用最大后验概率(MAP)算法实现超分辨率复原。实验表明,该超分辨率方法具有超分辨率效果好、复杂度低、抗噪声性能强和保护感兴趣类别等优点。

基于POCS的高光谱图像超分辨率方法

高光谱图像得到了越来越广泛的应用,但较低的空间分辨率严重地影响着它的应用效果,其超分辨率方法受到学术界的高度重视,但一直没有得到很好的解决.为此,建立低分辨率资源图像与高分辨率目标图像之间的关系模型;引入关联感兴趣光谱端元的算子进行空间变换;应用凸集投影(POCS)算法实现超分辨率复原.实验表明,该超分辨率方法具有超分辨率效果好、复杂度低、抗噪声性能强和保护感兴趣类别等优点.