关联型高光谱图像像元分解方法研究

像元分解是解决高光谱图像混合像元问题的有效途径，而像元分解结果的物理诠释则是该技术走向实用的关键。本申请拟以高光谱图像为对象，针对地面信息与高光谱图像、不同时相/区域高光谱图像间所存在的关联性，就关联型像元分解框架、最佳光谱特征选取与相似度量、目标光谱引导下的像元分解、不同时相/区域高光谱图像间的联合端元提取等核心问题展开研究。研究内容包括：1)针对单一光谱，研究基于贝叶斯模型的光谱分解与光谱吸收特征提取方法；2)针对同类地物、多条光谱间所呈现的光谱簇特性，研究基于分层贝叶斯模型的光谱簇吸收特征提取方法；3)分析不同光谱相似度量间的差异，研究优化光谱相似度量方法；4)探讨将目标光谱引入现有像元分解框架的具体模式，研究目标光谱引导下的像元分解方法；5)针对不同时相/区域高光谱图像，探讨多时相、多帧跨区域联合端元提取方法。该项目的实施将为高光谱遥感数据的定量解析与应用提供一种全新手段。

关联型像元分解是目前高光谱混合像元分解领域中亟待解决的应用基础性难题之一，这种关联性具体体现在地面信息与高光谱图像、以及不同时相/不同区域的高光谱图像间。本项目以高光谱图像为对象，就关联型像元分解框架、最佳光谱特征选取与相似度量准则、目标光谱引导下的像元分解、不同时相/区域高光谱图像间的联合端元提取等核心问题展开了深入研究。研究成果包括：(1)建立了关联型像元分解总体框架；(2)对参数化和非参数化光谱吸收特征描述方法进行了分析研究，提出了一种基于贝叶斯模型的单光谱分解与光谱吸收特征提取方法；(3)针对同一地物不同光谱曲线在光谱形态上所表现出的光谱簇特性，提出了一种基于分层贝叶斯模型的光谱簇吸收特征提取方法；(4)提出了一种基于优化的光谱相似性度量客观评价方法以及一种基于Adaboost分类的非线性复合光谱相似性度量方法，形成了一个更为合理的光谱相似度量评价标准；(5)提出了一种全新的、目标光谱指导下的高光谱图像混合像元分解方法，并针对不同目标光谱个数、不同像元混合程度等多种实际应用场景，对所提算法的有效性进行了验证分析；(6)提出了一种基于贝叶斯非负矩阵分解的区域关联型像元分解算法，提高了相邻或相似区域间像元分解结果的可比性与综合解析能力；(7)作为关联型像元分解的一种应用形态，提出了一种基于局部连续性与全局相似性的光谱保持型亚像元映射算法以及一种基于多字典稀疏表示的亚像元映射算法，进一步细化了各类地物的亚像元级分布模式。..地面信息指导下的像元分解有助于建立地面信息与高光谱图像间的关系，基于时间及空间关联性的联合像元分解则有助于建立不同高光谱图像间的联系性，提高不同高光谱图像间像元分解结果的可比性与综合解析能力，为高光谱遥感数据的定量解析与应用提供了一种全新手段。..项目执行期间中共发表阶段性研究成果28项，其中国际期刊论文7篇、国际会议论文6篇、国内核心刊物论文13篇、国内会议论文1篇、发明专利1项。所发表学术论文中，包括TGRS、GRSL等本学科顶级学术刊物论文2篇，ICASSP、ICIP等本学科顶级国际会议论文3篇，自动化学报、信号处理、电子学报、计算机辅助设计与图形学学报等国内核心期刊论文10篇，获“第一届高分辨率对地观测学术研讨会”优秀论文奖1项。同时，通过本项目的实施，直接或间接培养相关领域博士后1人次、博士生5人次、硕士生2人次、其他在读研究生9人次