基于端元优化的非线性高光谱分解算法.pdf

《基于端元优化的非线性高光谱分解算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第44卷第9期激光与红外Vo1．44，No．92014年9月LASER&INFRAREDSeptember，2014文章编号：1001-5078(2014)09—1050-05·图像与信与处理·基于端元优化的非线性高光谱分解算法唐晓燕，高昆。，刘莹，倪国强(1．北京理工大学光电学院，光电成像技术与系统教育部重点实验室，北京100081；2．南阳理工学院电子与电气工程学院，河南南阳473004)摘要：针对高光谱图像中端元的可变性和光谱的非线性混合特性，提出一种基于端元优化的非线性光谱解混算法，通过加入阴影端元对混合像元的端元集进行优化，对优化的端元子集采用基于分层贝叶斯模型的双线性

2、光谱分解算法进行光谱分解。模拟数据和真实数据实验表明，提出的算法能很好地解决高光谱图像中存在的阴影效应，分解效果优于FCLS和GBM算法。关键词：端元优化；非线性光谱分解；贝叶斯模型；高光谱图像中图分类号：TP751文献标识码：ADOI：10．3969／j．issn．1001-5078．2014．09．021NonlinearhyperspectralunmixingalgorithmbasedontheoptimalendmembersubsetTANGXiao—yan，GAOKun，LIUYing‘，NIGuo—qiang(1．SchoolofOptoelectronics，

3、BeijingInstituteofTechnology，KeyLaboratoryofPhotoelectronicImagingTechnologyandSystem，MinistryofEducationofChina，Bering100081，China；2．SchoolofElectronicsandElectricalEngineering，NanyangInstituteofTechnology，Nanyang473004，China)Abstract：Anonlinearhyperspectralunmixingalgorithmbasedontheoptimal

4、endmembersubsetisgiventoovercometheendmembervariabilityandnonlinearmixedcharacteristicsofhyperspeetraldata．Endmembersetsofmixedpixelsareoptimizedbyaddingashadowendmember．ThespectralofoptimalendmembersubsetaredecomposedbybilinearspectraldecompositionalgorithmbasedonhierarchicalBayesianmode1．Si

5、mulatedexperimentsandrealdatashowthatOE—GBMalgorithmcansolveshadoweffectofhyperspectralimages，andtheaccuracyofOE—GBMisbetterthanthatofFCLSandGBMalgorithm．Keywords：optimalendmembersubset；nonlinearhyperspectralunmixing；Bayesianmodel；hyperspeetratimage1引言一个光子只看到一种物质，像元的光谱是各个由于地面的复杂多样性及传感器空间分辨率的端

6、元的线性组合。双线性光谱混合模型在线性限制，高光谱图像上存在大量混合像元，它不仅影响模型的基础上做了改进，将两种物质之间的散射了基于高光谱图像的地物识别精度，而且已经成为作为乘积项加入线性模型，提高了模型的高光谱遥感向定量化方向深入发展的主要精度。障碍一。对于非线性混合模型的光谱分解是个很具挑战高光谱图像可以利用混合像元光谱分解技术基金项目：国家自然科学基金(No．61340018)；航空基金来估计组成混合像元的端元比例(丰度)。混合像(No．20100112002)联合资助项目。元光谱分解模型可分为两类：线性光谱混合模型作者简介：唐晓燕(1979一)，女，博士，讲师，主要从事遥

7、感技术研究。E-mail：tangxy97@sina．corn和非线性光谱混合模型。线性光谱混合模型假设收稿日期：2014-04—14；修订日期：2014—04之5激光与红外No．92014唐晓燕等基于端元优化的非线性高光谱分解算法1051性的问题。几乎所有的基于非线性模型的解混算法lI·lI指的是标准z：范数。．)，为高光谱图像中一个都是采用最d"--乘估计_4]。近来一些学者提出了像元的光谱向量，是已知的数据，未知参数向量=基于支撑向量回归和神经网络的非线性分解(口，，)。下