高光谱遥感第六章ppt课件

1、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,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,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,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

2、光谱混合模型,线性光谱混合模型包括： 物理学模型（physical model） 数学模型（mathematical model） 几何学模型（geometric model,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（Endmember Matrix）矩阵A与各端元光谱丰度B（Endmember Abundance）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

3、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

4、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,线性光谱解混 端元提取 混合像元分解,线性光谱解混 端元提取 一般方法 像元纯度指数（PPI） N-F

5、INDR 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（Convex simplex): 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,线性光谱解混 一般方法 像元纯度指数（Pixel Purity Index，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

6、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

7、 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,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,首先求出高光谱图像的均值光谱向量m; 对高光谱图像进行分块操作； 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； 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

8、解,3、线性光谱解混 一般方法 最小二乘法 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 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。 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 独立成分分析 统计变量模型： 正交子空间投影,3、线性光谱解混 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 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

9、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,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