基于核方法的高光谱遥感图像混合像元分解  

Pixel un-mixing for hyperspectral remote sensing image based on kernel method

作　　者：林娜[1,2] 杨武年[2] 王斌[3] 

机构地区：[1]重庆交通大学土木工程学院测绘系,重庆400074 [2]成都理工大学地学空间信息技术国土资源部重点实验室,成都610059 [3]重庆市地理信息中心,重庆401121

出　　处：《国土资源遥感》2017年第1期14-20,共7页Remote Sensing for Land & Resources

基　　金：重庆市教委科技项目"基于核方法的高光谱遥感影像非线性特征提取及混合像元非线性分解"(编号:KJ1400325);测绘遥感信息工程国家重点实验室开放基金项目"基于核方法的高光谱遥感影像特征提取及混合像元分解研究"(编号:13R03);重庆交通大学博士基金项目"基于核方法的高光谱遥感信息提取研究"(编号:2012KJC2-011)共同资助

摘　　要：为了提高高光谱遥感图像混合像元分解的精度,提出基于核方法的高光谱线性解混算法。采用正交子空间投影(orthogonal subspace projection,OSP)算子、最小二乘正交子空间投影(least squares OSP,LSOSP)算子、非负约束最小二乘(nonnegative constrained least-squares,NCLS)算子和全约束最小二乘(fully constrained least-squares,FCLS)算子等方法分别构建核正交子空间投影(kernel OSP,KOSP)、核最小二乘正交子空间投影(kernel LSOSP,KLSOSP)、核非负约束最小二乘(kernel NCLS,KNCLS)和核全约束最小二乘(kernel FCLS,KFCLS)高光谱图像混合像元解混模型;对美国内华达州CUPRITE矿区AVIRIS数据进行KLSOSP,KNCLS和KFCLS与LSOSP,NCLS和FCLS丰度反演对比实验。结果表明:对于混合像元广泛存在的高光谱遥感图像来说,基于核方法的KLSOSP,KNCLS和KFCLS的解混精度优于LSOSP,NCLS和FCLS,其中又以KFCLS解混的精度最高;附加约束条件有利于提高丰度反演的精度。In order to improve the accuracy of hyperspectral pixel un - mixing, the authors proposed a kernel based pixel un- mixing method in this paper. By adopting orthogonal subspace projection （OSP）operator, least squares OSP（ LSOSP）operator, nonnegative constrained least squares（NCLS） operator and fully constrained least squares （FCLS） operator respectively, the authors established kernel OSP（ KOSP）, kernel LSOSP（KLSOSP） , kernel NCLS （KNCLS） and kernel FCLS（KFCLS） for hyperspectral imagery pixel un -mixing. The comparative experiments of abundance inversion by applying KLSOSP, KNCLS, KFCLS and LSOSP, NCLS, FCLS to CUPRITE AVIRIS data were carried out, and the results show that, for heavily mixed hyperspectral images, the pixel un -mixing accuracy of kernels based KLSOSP, KNCLS and KFCLS is higher than that of LSOSP, NCLS and FCLS. Meanwhile, the constraint conditions can improve the accuracy of abundance estimates.

关 键 词：高光谱遥感 核方法 混合像元分解 正交子空间投影(OSP) 

分 类 号：TP751.1[自动化与计算机技术—检测技术与自动化装置]