高光谱图像空间杂光散射校正的相关处理方法研究

Due to the hyperspectral imagery spatial stray light phenomenon between adjacent pixels, it leads to that spectral information can not accurately reflect actual spectral characteristics of the object under test. Based on the influence of hyperspectral imagery spatial stray light phenomenon to the spectral reflectance of neighborhood pixels, this project will conduct research on the hotspot technologies, which include endmember selection, spectral unmixing, spectral correction and etc. Some classical endmember selection methods have the problem of missing small target endmember, and need feature reduction. Traditional fully constrained least squares don't fully use the spectral information, when it is used for spectral unmixing. Based on the vanishing component analysis, the vanishing polynomials will be extracted for the analysis of the spectral characteristic of each class. Then we will use vanishing component analysis to extract the spatial stray light influence region. With the method of sparse representation, we can analyze the spectral component of the pixels in the spatial stray light region. Obtain the ratio of each class in the influenced pixel. Then we can reduce the component of other classes in the pixels to finish the correction of each pixel. Additionally, the evaluation rule for the spatial stray light correction is set up that we can evaluate each correction method objectively. Finally，we will put forward a set of new methods for imagery spatial stray light scattering correction related processing. The success of this project will be of great significance to the knowledge discovery of spatial stray light and the increasement of the classification precision.

由于高广谱图像相邻像元间存在空间杂光散射现象，导致获取的光谱信息不能准确地反映待测地物的实际光谱特征。本课题针对高光谱图像空间杂光散射现象对邻近地物像素光谱反射率的影响，拟开展端元选择、光谱解混和光谱校正等热点技术研究。通过研究非监督特征选择算法，在端元选择过程中突出小目标特征波段；通过消失成分分析法，提取消失多项式，研究各个地物类别的光谱属性，用以提取高光谱空间杂光散射区；通过稀疏表示法对空间杂光散射区中像素的光谱成分分析，判别像素中各类地物所包含的成分比例，从而削弱像素中其他地物类别所占比例，完成空间杂光散射的校正；另外，通过建立的空间杂光散射校正方法的评价准则，对所提出的算法进行客观评价，最终提出新颖的高光谱图像空间杂光散射校正相关处理算法一套。本课题的成功研究对高光谱空间杂光散射信息的有效挖掘及地物分类精度的进一步提高具有重要的理论意义和应用价值。

高光谱遥感图像处理技术是近年来发展起来的一种新兴的遥感技术，在资源、环境、灾害的调查、监测、分析评估和预测方面发挥着重要应用。相对于多光谱遥感而言，高光谱遥感具有更加丰富的地物光谱信息，可以详细的反映待测地物细微的光谱属性，其较宽的波谱覆盖范围使得在高光谱数据处理时，可以根据需要选择特定的波段来凸显地物特征，为高光谱数据处理算法提供更多的地物原始数据，使地物光谱信息的精确处理与分析成为可能。但是由于高光谱图像具有较高的数据维数，使常规的图像处理方法在处理高光谱图像时有较大的限制。为此本论文从分析基本高光谱遥感图像处理理论和现有算法及相关学科技术入手，重点研究了高光谱遥感图像的波段选择、端元提取、光谱解混以及分类处理方法。在波段选择方面，提出了基于多元光谱滑动窗的波段选择方法、基于前向递增式广义光谱角的波段选择算法和环形结构的多元光谱识别策略；在端元提取方面，提出了改进的快速N-FINDR端元提取算法、改进迭代误差分析端元提取算法和基于最大化N维立体光谱角的高光谱端元提取算法；在光谱解混方面，提出了改进的OMP高光谱稀疏解混算法、改进的多端元高光谱解混算法和基于快速核原型分析的高光谱图像多层解混方法；分类处理方面，提出了基于蒙特卡罗特征降维的小样本高光谱图像分类算法和基于模糊核加权C-均值聚类的高光谱图像分类算法，及特征加权支持向量机高光谱图像分类算法，有效地解决了高光谱数据降维难题，提高了分类精度。取得的成果高光谱图像的信息挖掘和处理有着重要的理论意义和应用价值。