基于光谱维小波特征的混合像元投影迭代分解

《基于光谱维小波特征的混合像元投影迭代分解》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第11期电子学报V0J．33No．1l20f5年11月A(1AELECIIR0NICASINICANov．20晒基于光谱维小波特征的混合像元投影迭代分解吴波，张良培，李平湘(武汉大学测绘遥感信息工程国家重点实验室，湖北武汉430079)摘要：混合像元线性分解是高光谱遥感应用的关键技术之一．本文利用小波变换多分辨率分析的特点，提出了一种以小波低频系数为特征的混合像元投影迭代分解的方法．首先利用离散二进小波提取了高光谱影像特征，再基于影像特征，用投影迭代方法自动确定出端元光谱，并以限制性的最小二乘方法估

2、计出混合像元的组分．实验结果表明，本文方法能够较大的提高遥感影像混合像元的分解精度．关键词：小波特征；光谱分解；端元提取；投影迭代中图分类号：TP751．1文献标识码：A文章编号：0372-2112(2005)11-1933．04ProjectiveIterativeUnmixingofHyperspectralImageBasedonSpectralDomainWaveletFeatureWUBo，ZHANGLiang-pei，L1Ping-xiang(State研LabofInformation凸，IelinSurveying，Mapping

3、&RemoteS~ing，WuhanUniversity，Wuhan，Hubei430079，China)Abstract：Linearpixelunmixingisoneofthekeytechnologiesforhyperspectralimageapplication．However，therearetwoproblemsforthehyperspectraldecompositioninoperationaleases．OneistheendmembersofanimageCan’tbeextractedautomaticalywith

4、traditionalsupervisedways；theotherisunmixinghundredsofspectralbandsdirectlymayreduceaccuraciesduetothehigheolTe—lmionbetweenbands．Tomitigatetheproblems，weproposedamethodforabundanceestimationfromspectraldomainwaveletfeatures．Weutilizedthediscretewavelettransform(DWT)asaprepro

5、cessingstepforthefeatureextraction，thenselectedendmemberswithprojectiveiterativealgorithminanunsupervisedfashionbasedonthefeatures．Intheend，weperformedaconstrainedleastsquaremethodfortheabundanceestimation．AlgorithmvalidationandcomparisonweredonewithrealPHIdata．Experimentalre

6、sultsshowthattheuseofDWT-basedfeaturesCanimprovetheabundanceestimation，ascomparedtothoseoforiginalhyperspectralsignalsorconventionalPCA-basedfeatures．Keywords：waveletfeature；spectralunmixing；endmemberextraction；iterativeprojection高计算效率和分解精度．1引言光谱形状及其参数是光谱分析的重要特征依据，在一个混合像元线性分解

7、是进行混合像元分析主要技术手像元内引入第二种成分就会影响该像元主要的光谱特征，如段1J，利用这种方法分析混合像元，其前提是在影像中找到端波段深度、波长位置、宽度、面积和吸收程度等7J．因此，良好元光谱，再利用混合模型分解混合像元．监督方法很难获取完的特征选择方法应该能够保留主要的光谱特征．小波分析具整的地物端元光谱2；且自动化程度不高，不利于高光谱遥感有多分辨率分析的特点，在时、频两域都具有表征信号局部特的快速处理．利用非监督的方法从数据本身获取端元光谱是征的能力。非常适合探测信号中的瞬态目标特征及其成份．对目前研究的热点3J．非监督正交子空间迭

8、代分解是一种全高光谱波谱维进行小波分解，能够同时保留高光谱影像高频自动的混合像元分解方法，具有精度较高、适应性较大的优与低频信息，精细地