高光谱波谱信号提取技术作为高光谱图像处理中的基础技术,广泛应用于高光谱像元解混、目标识别、异常点检测以及目标分类等高光谱图像处理算法中。因此,如何行之有效的从高光谱图像中获取波谱信息,直接影响着高光谱图像在各个领域中的应用。目前,获取波谱信号方法主要包括两种:其一是从实验室或现有的光谱库中获取,另一种方法是从高光谱图像数据中提取,这种方法通常被称作波谱信号提取算法(Spectral Signal Extraction Algorithm,SSEA)。由于高光谱图像中通常存在着混合像元,这给波谱信号提取算法带来了极大的挑战。现有的SSEA算法,如基于纯像元指数算法、内部最大体积法算法、顶点成分分析算法等波谱信号提取算法都是以线性混合模型为基础的波谱信号提取算法。但是,在混合像元的形成过程中,容易受到大气、传感器以及太阳入射辐射与多种地物之间的相互作用等因素的影响。这使得高光谱图像中的混合像元是各波谱信号的非线性表示,并且非线性的程度随着空间分辨率的提高变得越发严重。因此,对非线性混合模型下的波谱信号提取算法的研究具有非常重要的意义。本文主要完成以下几个方面的工作。本文首先就高光谱图像中的像元混合的成因进行分析和探讨,并着重研究混合像元中的非线性因素以及现有的非线性混合模型。其次,结合混合像元分解以及向量的相似性原理,建立起高光谱波谱信号提取算法的有效性验证方法。由于目前普遍采用近似线性化的方法处理高光谱混合像元中的非线性成分,本文深入探讨在不同非线性混合模型的高光谱数据中,线性波谱信号提取算法的有效性。实验结果表明:采用近似线性化的方法会导致计算误差增大,甚至无法完整的提取出非线性混合数据中的波谱信号。最后,结合非线性全约束最小二乘丰度反演算法、线性波谱信号提取方法以及非线性混合模型进行波谱信号的提取。通过与传统的线性波谱信号提取算法进行对比实验,其结果表明:基于非线性混合模型的波谱信号提取算法相比于线性波谱信号提取算法,误差更小,性能更佳。对于噪声的抑制能力也优于线性波谱信号提取算法。同时,将该算法与传统的目标识别算法相结合,利用非线性波谱信号提取方法提取的波谱信号能够有效识别高光谱图像中预设目标。
暂无评论