一种基于噪声水平估计的扩展线性光谱分解算法

针对传统的光谱分解算法忽略了影像在不同波段的不同噪声水平,导致分解精度提高受限。为克服这个问题,以高光谱影像为基础,提出了一种基于噪声水平估计的扩展线性光谱分解算法(NELMM)。首先,根据高光谱应用中的多元回归理论,估计相邻波段的噪声;其次,从估计噪声中获得噪声权重矩阵;最后,将噪声权重矩阵引入到线性混合像元的框架中,可以减轻不同波段噪声水平的影响。为验证算法精度,利用全约束最小二乘法(FCLS)和协同稀疏分解算法(CLSUnSAL)来进行对比分析,并通过此算法反演TM影像的植被覆盖度来验证其在多光谱影像上的实用性。结果表明:NELMM算法对高光谱影像分解的结果比FCLS和CLSUnSAL好,其噪声权重矩阵很好地平衡了波段间的噪声,使NELMM算法分解影像的精度显著提高;同时,此算法对多光谱影像分解呈现很好的适用性。