基于同质区分析的高光谱影像混合像元稀疏分解研究

There are lots of mixed pixels in hyperspectral imagery, which is the biggest obstacle of quantitative analysis and application of hyperspectral data, due to the distribution complexity of the materials and the low spatial resolution of the sensors. However, most approaches have been designed from a spectroscopic viewpoint and thus, tend to neglect the existing spatial correlation between pixels,and the hyperspectral sparse unmixing problem need further reserch conserned the distribution of spatial object and the objective reality. In response to above issues, the project aims to present novel models of hyperspectral sparse unmixing based on image spatial information and spectral information characteristics analysis, and to improve related theories and key technologies with novel mathematical theory and image analysis ideas. The research topics will further promote quantitative analysis and application of hyperspectral imagery, and will also have a very important practical significance for our resources survey,environmental disasters efficient monitoring and deep space exploration.

由于地物分布的复杂性和传感器空间分辨率的有限性，混合像元普遍存在于高光谱影像中，是高光谱影像定量分析和应用的最大障碍。高光谱影像含有丰富的空间、光谱和辐射等信息，然而常见的混合像元分解方法多是将高光谱影像视为离散而无任何关系的一个个高维像元光谱集，未能充分挖掘并高效利用像元间的空间相关性；且混合像元分解过程和结果往往不能准确反映影像空间地物分布特征和客观实际。针对上述问题，本项目从像元光谱相似性分析视角出发，以高光谱影像同质区分析为基础，以构建新型的高光谱影像端元光谱提取和混合像元约束分解模型为目的，借鉴先进的数学理论和影像分析思想，初步提出并完善结合影像空间信息和像元光谱信息的高光谱影像混合像元稀疏分解的相关支撑理论和关键技术。本项目的研究成果将会进一步促进高光谱遥感影像走向定量分析和应用，对我国的资源普查、环境与灾害高效监测和深空探测也将具有十分重要的现实意义。

由于地物分布的复杂性和传感器空间分辨率的有限性，混合像元普遍存在于高光谱影像中，是高光谱影像定量分析和应用的最大障碍。高光谱影像含有丰富的空间、光谱和辐射等信息，然而常见的混合像元分解方法多是将高光谱影像视为离散而无任何关系的一个个高维像元光谱集，未能充分挖掘并高效利用像元间的空间相关性；且分解过程和结果往往不能准确反映影像空间地物分布特征和客观实际。本文认为混合像元分解问题应该结合影像空间信息进行研究，在分解过程中充分挖掘并利用局部影像空间信息和邻域像元光谱信息的特性，并在此基础上提出了基于影像同质区分析的高光谱影像混合像元分解技术框架。.首先，为了获取具有明确空间和光谱特征影像区域，基于SPM提出像元同质指数(HI)数学模型以定量分析像元与其影像空间邻域像元间的光谱相似性情况，并将影像分为影像同质区和影像过渡区。影像同质区像元之间光谱相似，出现纯净像元的概率大；影像过渡区像元与邻域像元之间光谱差异大，含有大量的混合光谱。影像同质区的空间和光谱信息将用于提取影像端元光谱和构建混合像元分解中相关的约束条件。.然后，在影像同质区的基础上，提出了一种结合影像空间和光谱信息的高光谱影像端元光谱自动提取方法（HREE），即在影像同质区特征投影空间中进行OSP分析获取初始端元光谱，经过影像同质区空间信息优化和端元光谱信息优化，获得最终端元光谱。实验表明，HREE方法提取的端元光谱更为精确，受噪声和光谱混合情况影响较小。.最后，在影像同质区基础上，通过分析影像空间和光谱特征，提出了一种含有端元丰度平滑性约束的非负矩阵分解方法（CNMF），给出了目标函数和相关迭代规则，并证明了其数学收敛性。实验表明，基于CNMF的影像非监督解混结果更符合高光谱影像混合像元分解问题的相关物理意义要求。.本课题的研究成果将会进一步促进高光谱遥感影像进一步走向定量分析和应用，对我国的资源普查、环境与灾害高效监测和深空探测也将具有十分重要的现实意义。