高光谱遥感第六章

第六章混合光谱理论与光谱分解1、混合光谱问题2、混合光谱模型3、线性光谱解混4、线性光谱解混在高光谱图像分析中的应用第六章混合光谱理论与光谱分解1.混合光谱问题–混合光谱概念–混合光谱产生机理第六章混合光谱理论与光谱分解1.混合光谱问题–混合光谱概念混合像元—该像元包含不止一种土地覆盖类型第六章混合光谱理论与光谱分解1.混合光谱问题–混合光谱产生机理设各像元组份在像元中所占的视面积比为：第六章混合光谱理论与光谱分解第六章混合光谱理论与光谱分解1、混合光谱问题第六章混合光谱理论与光谱分解2、混合光谱模型第六章混合光谱理论与光谱分解2、混合光谱模型（1）线性光谱混合模型线性光谱混合模型包括：物理学模型（physicalmodel）数学模型（mathematicalmodel）几何学模型（geometricmodel）第六章混合光谱理论与光谱分解第六章混合光谱理论与光谱分解2、混合光谱模型数学模型：是指像元光谱矢量C是其所含所有端元光谱（EndmemberMatrix）矩阵A与各端元光谱丰度B（EndmemberAbundance）矢量的乘积。第六章混合光谱理论与光谱分解2、混合光谱模型几何学模型:第六章混合光谱理论与光谱分解2、混合光谱模型（2）非线性光谱混合模型-Hapke混合光谱理论-基于辐射通量密度理论的植被、土壤光谱混合模型-SAIL模型-其它非线性混合光谱模型第六章混合光谱理论与光谱分解2、混合光谱模型Hapke混合光谱理论第六章混合光谱理论与光谱分解2、混合光谱模型基于辐射通量密度理论的植被、土壤光谱混合模型2、混合光谱模型SAIL模型某一方向上的部分叶面积指数LAI在一个椎体角内由下式决定：第六章混合光谱理论与光谱分解2、混合光谱模型其它非线性混合光谱模型第六章混合光谱理论与光谱分解几何光学模型：树冠被认为是由地面（其反射率已知）和具有几何结构（如柱形、球形、锥形、椭球形等）与光学特性（如反射率、透射率、吸收率等）的目标以一定方式相结合而形成。混合介质模型：在该类模型中,每一个植物单元都被看作具有一定光学特性的小吸收、散射粒子（平面、柱体）,且在水平面上任意确定的方向内随机分布。树冠被考虑成是一层均匀的平面平行层，在该平行层中,辐射场仅依赖于垂直于树冠的坐标Z。计算模拟模型：在计算模拟模型中,植物单元的分布和方向可以通过计算机来模拟,每一个植物单元都可以认为是有限面积所组成。接收与散射辐射可以几乎在单个光子的基础上进行模拟追迹。这类模型的计算量巨大,但能允许在树冠内模拟整个辐射过程。第六章混合光谱理论与光谱分解3.线性光谱解混–端元提取–混合像元分解3.线性光谱解混–端元提取•一般方法–像元纯度指数（PPI）–N-FINDR–迭代误差分析法(IEA)–顶点成分法(VCA)–最大距离法–单形体体积法–etc.•空间信息辅助下的端元提取第六章混合光谱理论与光谱分解3、线性光谱解混凸面单形体（Convexsimplex):由n+1个顶点构成的n维的凸多面体第六章混合光谱理论与光谱分解第六章混合光谱理论与光谱分解3.线性光谱解混一般方法像元纯度指数（PixelPurityIndex，PPI）:计算每个像元被投影到单位向量端点的次数，次数越大，该像元为纯像元的概率越大需要MNF变换降维3、线性光谱解混N-FINDR：寻找具有最大体积的单形体，其顶点即为端元第六章混合光谱理论与光谱分解3、线性光谱解混N-FINDR中体积计算公式如下：第六章混合光谱理论与光谱分解3、线性光谱解混N-FINDR第六章混合光谱理论与光谱分解3、线性光谱解混迭代误差分析（IEA）是一种不需要对原始数据进行降维或去冗余而直接对数据进行处理的端元提取算法。需要多次利用约束性线性解混，要求得到的端元使得线性解混后误差最小。第六章混合光谱理论与光谱分解3、线性光谱解混顶点成分算法（VCA）是一种从高光谱影像提取端元的快速算法。从高光谱数据中非监督提取端元，假设前提是：端元一定是单形体的顶点第六章混合光谱理论与光谱分解第六章混合光谱理论与光谱分解3、线性光谱解混最大距离法一种基于最大距离的自动提取端元的快速算法。单形体体积法第六章混合光谱理论与光谱分解3、线性光谱解混算法全自动降维利用空间信息利用光谱库多端元速度PPI否MNF否否否—N-FINDR是MNF/PCA否否否慢IEA是否否否否慢VCA是否否否否—MESMA否否否是是—BUNDLES是否否是是慢MEST否PCA否否否—AMEE是否是否否快最大距离法是否否否否—单形体体积法是否否否否—3、线性光谱解混空间信息辅助下的端元提取第六章混合光谱理论与光谱分解①首先求出高光谱图像的均值光谱向量m;②对高光谱图像进行分块操作；③每块中选出一个距离m最远的像元ri(i=1,2,…,S)，S为所分的块数；④对由r1,r2,…,rs所组成的光谱数据集合进行端元提取。3、线性光谱解混（2）混合像元分解-一般方法•最小二乘法•凸面几何学分析•滤波向量法•投影寻踪•独立成分分析-空间信息辅助下的混合像元分解第六章混合光谱理论与光谱分解第六章混合光谱理论与光谱分解3、线性光谱解混一般方法①最小二乘法②凸面几何学分析第六章混合光谱理论与光谱分解3、线性光谱解混③滤波向量法针对所有端元生成了一组匹配滤波器，其中每个滤波器只与一个端元相匹配而不让其他的所有端元通过。④投影寻踪一般步骤：第六章混合光谱理论与光谱分解第六章混合光谱理论与光谱分解3、线性光谱解混⑤独立成分分析统计变量模型：⑥正交子空间投影3、线性光谱解混⑦端元投影向量法第六章混合光谱理论与光谱分解3、线性光谱解混⑧单形体体积法2个波段，3个端元第六章混合光谱理论与光谱分解第六章混合光谱理论与光谱分解第六章混合光谱理论与光谱分解3、线性光谱解混空间信息辅助下的混合像元分解第六章混合光谱理论与光谱分解4、线性光谱解混在高光谱图像分析中的应用（1）混合光谱法图像反射率转换（2）地物分类（3）低概率目标识别（4）地物填充第六章混合光谱理论与光谱分解4、线性光谱解混在高光谱图像分析中的应用（1）混合光谱法图像反射率转换设从图像上找到了C类纯像元即端元类型，其光谱反射率已知为，对应的辐射量为，则iiL11,,1,cijijiiiiicijiiffLbkEEfkLb分比，满足最终像元在像元中的百光谱辐射值波段的增益与偏移和误差第六章混合光谱理论与光谱分解第六章混合光谱理论与光谱分解4、线性光谱解混在高光谱图像分析中的应用（3）低概率目标识别低概率目标是指在图像中占据极少像元的目标，这些像元看起来无关紧要，但往往是要监测的目标。模型包括三种方法：特征空间正交投影分类器、目标特征空间正交投影分类器、斜子空间投影分类器。第六章混合光谱理论与光谱分解4、线性光谱解混在高光谱图像分析中的应用正交空间投影示意图第六章混合光谱理论与光谱分解4、线性光谱解混在高光谱图像分析中的应用（4）地物填充遥感的目的就是要在已知信息的基础上分析某种物质在该点是否存在，以及存在时的含量即丰度。对应于每个类别的图像的灰度代表了该类别的相对丰度，可以看到处理后的图像能够突出要检识的类别信息。第六章混合光谱理论与光谱分解