光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2011年
7期
1995-1998
,共4页
高晓惠%相里斌%魏儒义%吕群波%卫俊霞
高曉惠%相裏斌%魏儒義%呂群波%衛俊霞
고효혜%상리빈%위유의%려군파%위준하
高光谱遥感%光谱分类%光谱冗余%光谱解混合
高光譜遙感%光譜分類%光譜冗餘%光譜解混閤
고광보요감%광보분류%광보용여%광보해혼합
目前成熟的端元提取算法是基于单形体几何学的像元纯度指数(PPO)算法,N-FINDR,VCA等算法.这些算法从图像所有像元中提取纯光谱,具有提取速度慢、精度不高的缺点;部分算法需要进行光谱降维,不利于小目标信息的提取.该文提出先利用基于空间特征的光谱分类算法进行分类,将格个图像划分成空间相邻、光谱相似的若干类,每一类的均值光谱作为标准光谱,从所有类别的标准光谱中提取纯光谱,使得运算量明显减少,并且降低了噪声对算法的影响,极大的提高了端元提取的速度和精度.同时采用基于光谱冗余的端元提取算法进行端元提取,不需要预先设定端元数目,相对于PPI,N-FINDR等算法,该算法更具合理性.将该算法处理结果与ENVI中的SMACC算法处理结果进行比较,表明该算法具有端元提取准确,空间连续性好,抗噪能力强等特点.
目前成熟的耑元提取算法是基于單形體幾何學的像元純度指數(PPO)算法,N-FINDR,VCA等算法.這些算法從圖像所有像元中提取純光譜,具有提取速度慢、精度不高的缺點;部分算法需要進行光譜降維,不利于小目標信息的提取.該文提齣先利用基于空間特徵的光譜分類算法進行分類,將格箇圖像劃分成空間相鄰、光譜相似的若榦類,每一類的均值光譜作為標準光譜,從所有類彆的標準光譜中提取純光譜,使得運算量明顯減少,併且降低瞭譟聲對算法的影響,極大的提高瞭耑元提取的速度和精度.同時採用基于光譜冗餘的耑元提取算法進行耑元提取,不需要預先設定耑元數目,相對于PPI,N-FINDR等算法,該算法更具閤理性.將該算法處理結果與ENVI中的SMACC算法處理結果進行比較,錶明該算法具有耑元提取準確,空間連續性好,抗譟能力彊等特點.
목전성숙적단원제취산법시기우단형체궤하학적상원순도지수(PPO)산법,N-FINDR,VCA등산법.저사산법종도상소유상원중제취순광보,구유제취속도만、정도불고적결점;부분산법수요진행광보강유,불리우소목표신식적제취.해문제출선이용기우공간특정적광보분류산법진행분류,장격개도상화분성공간상린、광보상사적약간류,매일류적균치광보작위표준광보,종소유유별적표준광보중제취순광보,사득운산량명현감소,병차강저료조성대산법적영향,겁대적제고료단원제취적속도화정도.동시채용기우광보용여적단원제취산법진행단원제취,불수요예선설정단원수목,상대우PPI,N-FINDR등산법,해산법경구합이성.장해산법처리결과여ENVI중적SMACC산법처리결과진행비교,표명해산법구유단원제취준학,공간련속성호,항조능력강등특점.
