[发明专利]一种高光谱遥感影像端元提取方法

说明书

技术领域

本发明属于高光谱遥感图像处理技术领域，具体涉及一种高光谱遥感影像端元提取方法，更具体涉及一种改进型最大光谱筛选（Maximum Spectral Screening，MSS）的高光谱遥感影像端元提取方法。 

背景技术

随着空间技术的不断发展，卫星遥感已成为人们获取对地观测信息的重要手段。遥感对地观测要解决的两个重要问题，一是几何问题，二是物理问题。前者正是摄影测量的目标，后者则要回答观测的对象是什么？这就是遥感问题。遥感(Remote Sensing)，从字面上理解就是“遥远的感知”。在广义上是指一种远离目标，通过非直接接触而判定、测量并分析目标性质的技术；狭义上则指在航天或航空平台上，运用各种传感器(如可见光、红外、微波等)对地球进行观测，接收并记录电磁波信号，根据电磁波与地表物体的作用机理及对探测目标的电磁特性进行分析，进而获取物体特征性质及其变化信息的技术。在现代遥感系统中，最经常测量的量是由被测目标发射出来的电磁波能量。遥感是建立在电磁辐射理论基础上，涉及信息科学、环境科学、地球科学、空间科学、生物科学等众多科学领域，其发展受到各个部门的格外关注。经过几十年的发展，无论是遥感平台、传感器方面，还是遥感信息处理、遥感应用方面，都获得了飞速的发展。遥感已经成为当今最活跃的科技领域之一，在国民经济的各个领域有着广泛的应用和深远的意义。 

高光谱遥感是当前遥感技术的前沿领域，它利用很多很窄的电磁波波段从感兴趣的物体获得有关数据，它包含了丰富的空间、辐射和光谱三重信息。高光谱遥感的出现是遥感界的一场革命，它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。但由于传感器空间分辨率的限制以及地物的复杂多样性，混合像元普遍存在遥感图像中，对地面地物分布比较复杂的区域尤其如此。如果将该像元归为一类，势必会带来分类误差，导致精度下降，不能反映真实的地物覆盖情况。如果每一混合像元能够分解而且它的端元组分占像元的丰度能够求得的话，分类将更精确。混合像元分解技术，就是假设某一像元的光谱是由有限几 种地物的光谱曲线按某种函数关系和比例混合而成，分解的目的就是通过某种分析和计算，估计出光谱混合方式和混合像元包含的光谱成分及相应比例，从而真实反映出地物覆盖情况并精确分类。当前虽然在混合像元分解领域已经取得了若干进展，但是由于高光谱数据的复杂性，混合像元问题仍需要更加深入的研究。 

从上世纪七、八十年代研究人员开始注意到混合像元的问题，九十年代以后这方面的研究逐渐增多，通过确定不同地物类在混合像元中的类比例或类丰富度来确定混合像元的类型。混合像元分解的研究起源于上世纪70年代，并且一直是遥感信息处理的重要研究方向。作为一种最基本的遥感信息处理技术，混合像元分解是遥感信息的深度挖掘和应用的基础。混合像元分解成地物组份信息后，就能够进一步运用到遥感信息处理的其他方向，如图像融合、图像增强、亚像元目标探测等。 

从遥感应用方面看，利用像元的组分值可以建立植被指数、进行生物量估计。多年来，混合像元分解技术在提高从遥感分类精度上已经取得了有效的进展。对地表覆盖进行有效的分类和变化检测、对四种城郊变化监测方法进行了比较。一般来说，对于一幅影像而言，混合像元分解后计算机分类识别的精度得到了大幅提高，其效果从理论上讲要优于传统的分类方法。因此，尽管单个像元的分解精度不尽如人意，但是混合像元分解后整幅图像的估计精度还是令人满意的。 

在过去的十多年中提出一些以光谱混合建模为概念的算法，用来完成寻找适当的终端像元分解多/高光谱数据的复杂任务。由于线性混合模型的简单性及其良好的物理意义，它是目前应用最为广泛，也是研究最为彻底的模型。借助于线性光谱混合模型，通过该模型反演，就从像元的表观光谱特性(辐亮度或反射率)分离和提取各像元组分的光谱，分别分析和评价像元组分。 

随着对光谱混合特性研究的推广，线性光谱混合模型正在受到人们的进一步关注，相应的光谱解混技术和基于线性光谱混合模型的分类和目标检测技术也正在逐步应用到高光谱数据处理中。高光谱数据端元的提取是理解高光谱数据、继而对数据进行进一步分析(比如解混、填图等)的前提条件，也一直是研究热点的问题。由于端元的选取直接影响分类的精度，因而在建立线性光谱混合模型并对其进行光谱分解操作之前，选择端元光谱是非常必要的，端元光谱选择的好坏是混合像元光谱解混效果的关键。