融合空间信息的自适应混合像元分解研究

Automatic spectral unmixing with hyperspectral image, which breaks the spatial limitation of hyperspectral sensor, and identifies the ground materials at sub-pixel level, and improves the accuracy of interpretation, has important applications. Whereas the study focuses on the following problems in spectral unmixing with hyperspectral images: the negligence of spatial information, difficulty for estimation of endmembers' number , nonexistence of pure pixels. And the research deeply surveys the incorporation of spatial information into automatic endmember and blind unmixing in adaptive spectral unmixing, mainly includes three part:1)adaptive estimate the number of endmembers, 2) adaptive endmember extraction with integrated spatial information, 3)adaptive blind unmixing with integrated spatial information. The study can be applied into mineral mapping, precision agriculture, military reconnaissance and hazard assessment such field.

高光谱遥感图像混合像元自动分解，可以突破图像空间分辨率的限制，深入到亚像元尺度识别地物，对遥感图像自动解译具有重要的研究意义。传统的混合像元自动分解方法端元个数难以精确估计、忽视空间信息、纯净像元不存在时难以获取真实端元。为此，本研究拟围绕融合空间信息的自适应混合像元分解问题，分别以"融合空间信息的基于端元提取的混合像元分解"和"融合空间信息的基于盲分解的混合像元分解"为研究主线，发展稳健、有效的自适应混合像元分解的理论与方法，主要研究内容包括：1）端元个数的自适应估计；2）融合空间信息的基于端元提取的自适应混合像元分解；3）融合空间信息的基于盲分解的自适应混合像元分解。本研究的相关成果在矿物制图、精细农业、军事侦察、灾害评估等领域具有很高的实际应用价值。

高光谱遥感图像混合像元自动分解，可以突破图像空间分辨率的限制，深入到亚像元尺度识别地物，对遥感图像自动解译具有重要的研究意义，因此,可靠、准确的高光谱遥感混合像元自动分解是高光谱遥感影像研究的一个非常重要的研究领域。针对传统的混合像元自动分解方法端元个数难以精确估计、忽视空间信息、纯净像元不存在，本项目提出了“融合空间信息的基于端元提取的混合像元分解”和“融合空间信息的基于盲分解的混合像元分解”研究思路，发展了稳健、有效的融合空间信息的自适应混合像元分解的理论与方法，有效的提高了混合像元分解的精度和稳健性。本项目发展了凸几何模型的盲分解，不仅提出了基于稀疏和最小体积约束的非负矩阵分解的高光谱混合像元分解，提高了混合像元分解精度。融合空间信息的自适应盲分解的混合像元分解。提出了融合空间信息的基于稀疏约束的非负矩阵分解的高光谱图像自适应端元提取方法，在端元个数难以精确估计的情况下也能稳健的进行端元提取，提高了混合像元自适应分解精度。还提出了一个光谱相关性定量评价指标，为光谱的相似性提供了一个定量评价依据。本研究的相关成果在矿物制图、精细农业、军事侦察、灾害评估等领域具有很高的实际应用价值。在本项目的资助下，申请人和项目组成员发表学术论文3篇，硕士研究生3名。