端元快速提取的光谱梯度特征搜索法

田玉刚，杨　贵

中国地质大学(武汉)信息工程学院,湖北 武汉 430074

A Fast Endmember Extraction Algorithm Using Spectrum Gradient Features

TIAN Yugang,YANG Gui

College of Information Engineering, China University of Geosciences (Wuhan), Wuhan 430074,China

端元快速提取的光谱梯度特征搜索法

田玉刚，杨贵

中国地质大学(武汉)信息工程学院,湖北 武汉 430074

A Fast Endmember Extraction Algorithm Using Spectrum Gradient Features

TIAN Yugang,YANG Gui

College of Information Engineering, China University of Geosciences (Wuhan), Wuhan 430074,China

摘要：由于数据量大，目前大多数端元提取算法均需较长的计算时间，限制了这些算法的有效应用。本文提出了以光谱梯度特征为搜索条件的快速端元提取方法，其核心包括基于光谱梯度特征的候选端元快速筛选和基于光谱解混误差的端元识别两部分。由于能够从影像中快速筛选出少量的像元光谱作为候选端元，故具有较好的计算性能；同时由于避免了非端元光谱参与端元识别，使得识别的结果具有更高的精度。试验表明，相比经典的IEA算法和ECHO算法，该算法不仅能大幅度提高端元提取速度，而且具有更准确的端元识别能力。同时，基于该算法原理，也可对现有各种算法进行改进，提升现有的各种端元提取算法的运算速度。

关键词：混合像元；梯度特征；光谱特征；端元提取

1引言

端元提取可获得遥感图像中的基本光谱信息，它决定了混合像元解混精度的高低[1]。目前，学者们已提出了众多的端元提取算法[2-7]，而这些算法均需要较长的计算时间，海量数据的处理仍然制约着端元提取算法的有效应用[8]，因此，部分学者对端元提取的加速算法进行了研究。概括来说，有两类加速思想，一类是使用并行算法进行加速[9-12]，另一类是减少参与端元提取的样本数以提高速度。减少样本数的方法主要有3种：基于像元空间关联下的高光谱图像分类(ECHO)的端元提取算法[13-14]和空间预处理算法(SPP)[15]；……