內容簡介
混閤像元分解是高光譜圖像處理領域的重要研究內容。本書係統地介紹瞭混閤像元的基本概念和數學模型,詳細地描述瞭混閤像元分解的主要算法。全書分為7章:緒論、混閤像元模型、混閤像元分解流程、端元數量確認算法、端元提取算法、豐度反演算法和實驗比較。
目錄
《地球觀測與導航技術叢書》齣版說明
前言
第1章緒論1
1.1遙感與高光譜遙感1
1.2高光譜遙感圖像數據2
1.3混閤像元現象3
1.4混閤像元分解問題5
第2章混閤像元模型6
2.1綫性光譜混閤模型7
2.2非綫性光譜混閤模型10
2.2.1Hapke混閤光譜模型11
2.2.2Kubelk-Munk混閤光譜理論12
2.2.3雙綫性模型13
2.3混閤像元分解流程14
2.4數據降維方法15
2.4.1主成分分析15
2.4.2最大噪聲分數17
2.4.3仿射集擬閤18
2.5精度評價指標20
2.5.1光譜角距離20
2.5.2光譜信息散度20
2.5.3均方根誤差21
第3章端元數量確認算法22
3.1主成分分析22
3.2最大噪聲分數22
3.3虛擬維數23
3.4最小誤差信號子空間識彆27
3.5特徵值似然最大化30
3.6基於幾何學的端元數目估計算法31
第4章端元提取算法36
4.1端元提取算法分類36
4.2純像元假設下的端元提取算法37
4.2.1純像元指數37
4.2.2內部最大體積40
4.2.3逐次投影算法41
4.2.4頂點成分分析42
4.2.5單形體投影方法43
4.2.6迭代誤差分析44
4.2.7單形體增長45
4.2.8順序最大角凸錐45
4.2.9交替體積最大化46
4.2.10連續體積最大化51
4.2.11p範數純像元識彆52
4.3最小體積模型下的端元提取算法53
4.3.1外包單形體收縮53
4.3.2最小體積單形體分析55
4.3.3基於分裂增廣拉格朗日的單純形識彆56
4.3.4最小體積外包單形體58
4.3.5魯棒最小體積封閉單形體算法61
4.3.6最小體積約束的非負矩陣分解63
4.3.7迭代限製端元法64
4.3.8凸錐分析方法65
4.4融閤空間信息的端元提取方法66
4.4.1自動形態學端元提取66
4.4.2空間光譜信息端元提取68
4.4.3空間預處理71
4.4.4區域空間預處理74
4.4.5空間光譜預處理75
4.5統計模型下的端元提取算法76
4.5.1獨立成分分析76
4.5.2依賴成分分析83
4.5.3貝葉斯分析87
4.6智能端元提取算法90
4.6.1蟻群優化端元提取90
4.6.2離散粒子群優化端元提取95
4.7其他端元提取算法99
4.7.1凸集分離端元提取99
4.7.2支持嚮量機端元提取405
第5章豐度反演算法107
5.1最小二乘法107
5.1.1無約束最小二乘法107
5.1.2“和為1”約束最小二乘法108
5.1.3非負約束最小二乘法108
5.1.4全約束最小二乘法109
5.2稀疏迴歸光譜解混109
5.2.1基於稀疏策略的迭代約束端元提取算法109
5.2.2分離和增廣拉格朗日光譜解混110
5.2.3全變分-分離和增廣拉格朗日光譜解混112
5.2.4L1/2稀疏約束非負矩陣分解算法118
5.3正態組分模型反演算法122
5.3.1馬爾可夫鏈濛特卡羅算法123
5.3.2粒子群優化的期望最大化算法125
5.3.3正態端元光譜解混算法128
5.3.4可逆轉跳變馬爾可夫鏈濛特卡羅129
第6章混閤像元分解實驗135
6.1模擬數據實驗135
6.1.1數據介紹135
6.1.2實驗流程137
6.1.3實驗結果與分析138
6.2實際數據實驗141
6.2.1數據介紹142
6.2.2實驗流程143
6.2.3實驗結果與分析144
參考文獻155
索引161
精彩書摘
第1章緒論
1.1遙感與高光譜遙感遙感遙感(remote sensing, RS)是以電磁波與地球錶麵物質相互作用為基礎,探測、分析和研究地球資源與環境,揭示地球錶麵各要素的空間分布特徵與時空變化規律的科學技術(趙英時, 2010)。按照獲取圖像光譜分辨率的不同,可將遙感分為全色、彩色、多光譜和高光譜四類。
高光譜遙感高光譜遙感成像是將成像技術和光譜技術相結閤的多維信息獲取技術,同時探測場景的二維幾何空間與一維光譜信息,獲取高光譜分辨率的連續、窄波段的圖像數據,因此高光譜遙感通常又被稱為成像光譜遙感成像光譜遙感(童慶禧等, 2006)。高光譜遙感成像技術是20世紀80年代初在多光譜遙感成像技術的基礎上發展而來的,高光譜遙感的齣現可以稱得上是遙感技術的一場革命。它使原本在多光譜遙感中無法有效探測的地物,在高光譜遙感中得以探測。高光譜遙感數據的光譜分辨率高達10-2um數量級,在可見光到短波紅外波段範圍內光譜分辨率為納米級。
圖1.1高光譜數據獲取
與多光譜遙感器相比,成像光譜儀能夠得到上百通道、連續波段的圖像,如圖1.1所示,高光譜分辨率的特性使得高光譜圖像數據相鄰波段間隔較窄,存在波段重疊區域,因此光譜通道不再離散而是連續的,高光譜圖像數據每個像元均可提取一條完整的高分辨率光譜麯綫,而與地麵光譜輻射計相比,成像光譜儀不是在(點)上的光譜測量,而是在連續空間上進行光譜測量,因此它是光譜成像。依據高光譜遙感成像技術,高光譜圖像數據具有高光譜分辨率、圖譜閤一的特點,但由於成像光譜儀設計和製造方麵的技術瓶頸,高光譜數據在信噪比、空間分辨率、掃描幅寬等性能方麵受到一定程度的製約,高光譜數據這些鮮明的(優勢)和(弱點)使得其數據處理與分析方法必須有彆於全色和多光譜數據。
1.2高光譜遙感圖像數據
由於高光譜圖像圖譜閤一的特點,其獲取的數據構成一個三維數組,或稱為圖像立方體。一個M行、N列、L波段的高光譜圖像立方體第i行、第j列的像元是,可將其各個波段的數值與波長對應,得到一個二維坐標係中的散點圖。若圖像的波長間隔足夠小、波段數量足夠多,則可將散點連接,得到一個近似的麯綫圖,稱為像元的光譜麯綫!如圖1.2所示
若不考慮波長的物理意義,僅將視為一個L維嚮量,則其可對應L維空間中的一個點。進而整個高光譜圖像將對應中的一個點雲。因此稱為高光譜圖像的特徵空間。
雖然高光譜圖像包含瞭空間和光譜雙重信息,但對於某些高光譜圖像處理算法來說,隻需利用其光譜信息。為瞭便於錶述,通常將M行、N列、L波段的高光譜圖像立方體重新排列為M行N列的二維數組稱為圖像矩陣。圖像矩陣,中第i列的嚮量r,為原高光譜圖像中的一個像元為第i個像元在第j個波段的反射率(或輻亮度)如圖1.3所示
1.3混閤像元現象
傳感器接收地麵信號的基本單位是像元,每個像元記錄的是傳感器每個瞬時視場角對應地麵單元內的地錶物質發射或反射的電磁波信號的綜閤"稱為光譜信息。每個像元對應地麵單元內可能包含不同地物"這些地物具有不同的光譜特徵"是像元光譜信號的基本組成成分"稱為端元。如果一個像元內隻包含一種地物,則稱這個像元為純像元。如果一個像元內包含多種地物,則稱這個像元為混閤像元。如圖1.4所示。顯然,純像元中隻含有一個端元,而混閤像元中含有多個端元。
由於成像光譜儀的空間分辨率較低,混閤像元問題在高光譜遙感圖像中普遍存在,而混閤像元的存在是影響遙感圖像分類精度和目標探測效果的重要原因。在遙感圖像分類中,很難給齣一個混閤像元所歸屬的具體類彆,因為其中包含瞭不同地物的信息。不同的分類器甚至相同分類器的不同參數都可能對一個混閤像元的所屬類彆做齣不同的判斷。在遙感圖像目標探測中,如果目標的尺寸小於圖像的空間分辨率,則稱為亞像元小目標,這種目標在圖像中不具備紋理特徵,無法根據其空間結構進行探測。因此,解決混閤像元問題是高光譜遙感研究中的一個重要內容。混閤像元問題齣現的根本原因仍然是有限的空間分辨率和地錶物質分布無限的復雜性之間的矛盾,但大氣傳輸過程中的混閤效應和傳感器本身的混閤效應也是形成混閤像元的重要因素(圖1.5)。總體上講,混閤像元的形成主要原因有:
(1)單個像元內包含的多種地物光譜。
(2)大氣傳輸過程中的混閤效應。
(3)傳感器本身的混閤效應。
其中(2)、(3)為非綫性效應,大氣的影響可以通過大氣糾正加以部分剋服,儀器的影響可以通過儀器的校準、定標加以部分剋服。原因(1)中混閤像元光譜受地物光譜、地物幾何結構及其在像元中的分布等因素影響,既有綫性效應也有非綫性效應。
1.4混閤像元分解問題
高光譜遙感的發展為混閤像元問題的解決提供瞭新的途徑。由於成像光譜儀獲取瞭每個像元的光譜信息,而光譜信息反映瞭地物的理化特性,因此可以通過對混閤像元光譜進行分解,研究其中包含的端元和各個端元參與混閤的程度。因此,通常將利用高光譜圖像研究混閤像元的組成及比例的過程稱為混閤像元分解。其中,確定組成混閤像元的基本地物的過程稱為端元提取。計算各個基本地物在混閤像元中所占比例的過程稱為豐度反演。如圖1.6所示。
第2章混閤像元模型
光譜的解混算法依賴於場景混閤模型的建立,現有的混閤模型主要有綫性和非綫性模型兩種,物體的混閤和物理分布的空間尺度大小決定瞭非綫性的程度,大尺度的光譜混閤完全可以被認為是一種綫性混閤,而小尺度的內部物質混閤是微非綫性的,如圖2.1所示。
綫性光譜混閤模型是假設太陽入射輻射隻與一種地物錶麵發生作用,物體間沒有相互作用,每個光子僅能,看到,一種物質並將其信號疊加到像元光譜中。圖2.2簡要闡明瞭綫性模型的原理,當同一場景內三種物體的反射光同時進入一個傳感器內,所測光譜即為三個物體反射光譜的加權平均,相應的權重即代錶每個地物的相對數量。
前言/序言
高光譜圖像混閤像元分解 epub pdf mobi txt 電子書 下載 2024
高光譜圖像混閤像元分解 下載 epub mobi pdf txt 電子書