压缩感知和万有引力模型相结合的高光谱混合像元分解

杨可明,王林伟,刘士文,史钢强,刘 飞,赵思亮

中国矿业大学(北京)地球科学与测绘工程学院,北京 100083

压缩感知和万有引力模型相结合的高光谱混合像元分解

杨可明,王林伟,刘士文,史钢强,刘 飞,赵思亮

中国矿业大学(北京)地球科学与测绘工程学院,北京 100083

高光谱影像虽然具有较高的光谱分辨率,但因其空间分辨率低而普遍存在混合像元。混合像元分解是高光谱遥感应用的重要研究内容,包括端元提取和端元丰度反演两部分。本文以压缩感知(CS)理论为基础,结合神经网络技术提出了一种端元提取模型——基于CS的高光谱影像端元提取模型。同时,将经典的万有引力模型(UGM)引入端元丰度反演中,提出基于UGM的端元丰度反演算法。最后,以Hyperion高光谱影像为试验数据在Matlab中对模型和算法进行编程实现,并对其结果进行精度评定。试验结果表明,本文提出的提取模型与反演算法无论在理论上还是在实际操作中,都具有一定的可行性,同时精度也满足要求。

压缩感知;万有引力模型;混合像元分解;端元提取;丰度反演

1 引 言

高光谱影像虽然有很高的光谱分辨,但是空间分辨率往往较低[1],从而使影像中普遍存在着混合像元,影响影像的分类精度。提高高光谱影像分类精度的主要手段是混合像元分解,混合像元分解的步骤主要包括端元提取和丰度反演[2]。端元提取算法根据光谱数据中是否存在纯净像元分为端元识别算法和端元生成算法[3]。端元识别算法假定影像中存在纯净像元,并直接选取不同纯净像元作为端元;端元生成算法是从影像中产生端元,过程较为复杂。……