混合像元分解

摘要： 针对遥感影像中云雾阴影干扰地物判读问题,建立一种“波段组合+HSI彩色空间变换+强迫不变”混合型强迫不变技术可进行阴影去除。首先,利用“波段选择+HSI彩色空间变换”进行阴影因子识别,再计算出影像各波段与阴影之间的相关系数;其次,通过拟合曲线、滤波以及平滑,使得各波段光谱值不随阴影因子变化,与阴影无相关性,即强迫不变;最后依据混合像元分解理论分离出像素中的阴影贡献值,达到去除云雾阴影目的。实验表明,该方法能有效识别阴影空间范围,阴影遮挡地物能基本显现,影像可判读性提高,效果较好。

摘要： 遥感技术是20世纪60年代发展起来的一种对地观测综合性技术。遥感信息提取技术是遥感技术体系的重要组成部分,经过几十年的发展,研究出了许多行之有效的方法,如多元统计分析、比值运算、主成分分析、HSI变换、图像掩膜、边缘提取、滤波处理'模式识别、密度分割'小波变换、神经网络、遗传算法等。近年来,一些主要应用于高光谱或甚多谱段数据的信息处理方法,如最小噪声分离、正交空间变换'光谱匹配、光谱角填图、混合像元分解等也被引入到多光谱的信息提取中,并取得了一定的效果。

摘要： 数据融合能够综合利用多源遥感数据优势,获取高空间分辨率和高测量精度的遥感影像,对于近岸水体生态环境监测和灾害预警均具有重要意义。但目前使用的数据融合方法多是针对内陆水体或大洋水体的,其在近岸水体的适用性仍需进一步评估,因而本文开展了近岸水体遥感数据融合方法的对比研究。本文以高空间分辨率的Sentinel-2MSI影像和中等空间分辨率的Sentinel-3 OLCI影像为数据源,分别开展了基于小波变换(WTBF)、生物光学模型(BOBF)和混合像元分解(IUBF)三种方法的数据融合实验,并在此基础上借助现场实测Rrs数据与融合影像对应点的平均相对误差(MRE)、均方根误差(RMSE)、偏差(bias)和平均梯度对各种方法的融合数据质量和区域适用性进行了评估。结果表明:(1)OLCI的Rrs数据精度高于MSI。其中MSI在443nm、560 nm和665 nm三个波段的MRE、RMSE均高于OLCI,表明MSI的Rrs精度相对OLCI较低;目视效果和平均梯度表明MSI的清晰度高于OLCI;(2)BOBF是三种方法中融合效果最佳的算法。WTBF和BOBF生成融合影像在三个波段的MRE、RMSE优于MSI。综合MRE、RMSE和加os来看,BOBF和WTBF所生成的影像Rrs准确性高于MSI,而IUBF生成的融合影像的MRE、RMSE和bias相对WTBF和BOBF较高,准确性较差;目视评价和平均梯度表明WTBF和BOBF生成影像的清晰度与MSI相近,BOBF清晰度高于WTBF,IUBF生成影像清晰度相对于OLCI有所提高,但未达到MSI水平;(3)在Rrs更低的烟台近岸海域,BOBF生成的融合影像清晰度与MSI相当且Rrs准确性相对于MSI更高,BOBF在该海域具有良好的适用性。

摘要： 常规的偏振高光谱图像去雾方法在应用过程中存在端元提取精度偏低的问题,使得偏振高光谱图像的去雾效果不佳,因此,基于混合像元分解设计了新的偏振高光谱图像去雾方法。分析了偏振高光谱图像散射偏振特性,降低了线性混合误差,基于混合像元分解提取了偏振高光谱图像端元,获取了最优约束。通过高光谱图像去雾算法提高了端元的提取精度,实现了偏振高光谱图像的有效去雾。实验结果表明,所设计的偏振高光谱图像去雾方法的端元提取精度较高,去雾效果较好,具有较好的应用性能,为光谱图像处理提供了一定的技术参考。

摘要： 遥感技术是20世纪60年代发展起来的一种对地观测综合性技术。遥感信息提取技术是遥感技术体系的重要组成部分,经过几十年的发展,研究出了许多行之有效的方法,如多元统计分析、比值运算、主成分分析、HSI变换、图像掩膜、边缘提取、滤波处理,模式识别、密度分割,小波变换、神经网络、遗传算法等。近年来,一些主要应用于高光谱或甚多谱段数据的信息处理方法,如最小噪声分离、正交空间变换,光谱匹配、光谱角填图、混合像元分解等也被引入到多光谱的信息提取中,并取得了一定的效果。

摘要： 遥感技术是20世纪60年代发展起来的一种对地观测综合性技术。遥感信息提取技术是遥感技术体系的重要组成部分,经过几十年的发展,研究出了许多行之有效的方法,如多元统计分析、比值运算、主成分分析、HSI变换、图像掩膜、边缘提取、滤波处理、模式识别、密度分割、小波变换、神经网络、遗传算法等。近年来,一些主要应用于高光谱或甚多谱段数据的信息处理方法,如最小噪声分离、正交空间变换、光谱匹配、光谱角填图、混合像元分解等也被引入到多光谱的信息提取中,并取得了一定的效果。《多光谱遥感蚀变信息检测与提取技术》一书是基于2006~2012年以来有色金属矿产地质调查中心承担实施的中国地质调查局地调项目“中热红外多/高光谱矿物填图及遥感异常信息提取技术应用研究”“高(多)光谱遥感矿物蚀变信息提取关键技术问题研究及软件开发”研究成果的系统总结与淬炼提升。

摘要： 水产养殖是人类获取食品的重要途径,养殖池塘是水产养殖的主要生产方式之一。珠江三角洲是我国南方重要的渔业养殖基地,在过去30 a间,其空间分布发生巨大变化。本研究面向中山市及其邻近区域,基于Landsat和Sentinel-2卫星遥感数据,使用线性混合像元分解方法进行混合像元分解,通过目视对比分析,选取了70%及以上水体丰度对应的归一化水体指数阈值范围,获取了1990—2021年典型养殖池塘的时空分布。研究结果显示,中山市及邻近区域的养殖池塘在1990年以来经历了先增加后减少的过程;中山市及邻近区域1990—2000年养殖池塘面积增加了近一倍,2000—2010年相对平稳,2010—2021年养殖面积则减少了近50%。本研究可减少混合像元对于养殖池塘监测的影响并为大湾区渔业科学养殖与可持续发展提供参考。

摘要： 利用香格里拉市1997-2017年每5 a的Landsat遥感影像、2018年外业调查数据、森林资源二类调查数据和DEM数据为数据源,以高山松为对象,综合运用混合像元分解技术、决策树分类和GIS技术对其空间分布变化进行分析.结果 表明,1)分类中,高山松归一化多分量指数阈值为0.333,云南松归一化多分量指数阈值为0.208;云冷杉归一化多分量指数阈值为0.362.2)各年分类结果总体精度分别为69.42％、76.73％、81.07％、78.90％和76.53％.3)香格里拉市高山松覆盖面积2002年比1997年减少了13.40％,2007年比2002年减少了2.47％,2012年比2007增加了8.96％,2017年比2012年增加了4.06％,呈现出先减少后增加的趋势.4)研究区内高山松主要分布在海拔高度2 800～3 800 m,1 800～2 800 m高山松面积总体呈现为轻微下降趋势;2 800～3 300 m海拔区间1997—2007年呈现下降趋势,2007—2017年呈现上升趋势,3 300～3 800m区间内1997-2002年高山松面积呈现下降趋势,2002-2017年高山松面积逐年上升,3 800～4 800 m区间内1997-2017年高山松面积逐年下降.利用混合像元分解构建归一化多分量指数结合决策树分类对树种分类具有一定的参考价值,高山松时空变化结果对森林资源管理和后续研究可提供科学数据支撑.

摘要： 露天采场矿体区域精准圈定对矿山采矿、配矿、生产规划等工作至关重要.传统的矿岩识别方法存在工作量大、效率低、周期长等缺陷,已成为实现经济、合理、高效开采的瓶颈问题.随着现代信息技术、人工智能、大数据等技术的不断涌现和快速发展,矿岩智能感知技术已成为现代智能矿山建设亟需突破的技术.以鞍钢集团下属哑巴岭露天采场为研究区,航拍采集区内的无人机高光谱影像,应用混合像元分解技术,对露天采场中的矿岩识别与自动提取方法进行了研究.结果表明:基于无人机高光谱技术的露天铁矿圈定技术可对铁矿体进行有效圈定,与现有的室内化验圈定的矿体面积相比,二者相差为8.10％,达到了较好的效果,且该方法具有智能化、成本低、效率高的优点,未来具有可代替传统矿岩调查方法的潜力,为露天矿采场矿岩自动识别与智能感知提供了新的方法.

摘要： 针对雨雪、雾霾等天气条件下氧气吸收被动测距受大气和气溶胶等复杂背景光谱影响严重的问题,采用混合像元分解技术对提高复杂背景条件下的测距精度进行了研究.分析了高光谱图像像元混合机理,以雨滴端元为例建立了复杂天气条件下目标与背景的混合像元模型;讨论了复杂天气条件下目标光谱的提取方法,提出了复杂天气氧气吸收被动测距的基本流程;最后,对不同距离处小雨、重度霾、中雪3种典型复杂天气条件下的卤钨灯目标进行了被动测距实验.实验结果表明,混合像元分解方法可快速提取目标光谱,与多次循环采集平均法、背景消除法相比测距精度有较大提升,不同的距离及天气条件下的测距精度分别提高到3.39％、5.81％和4.36％,可满足实际飞行目标辐射光谱的快速采集与测距精度要求.

摘要： 随着遥感发展到高光谱遥感阶段,光谱分辨率和空间分辨率都取得了很好的改善.但由于空间分辨率自身的限制性,影像中仍存在大量混合像元.混合像元进行有效的分解,为遥感应用提供了良好的初始条件,仍然是当前遥感发展中的重要的研究问题.其中,端元提取是混合像元分解的首要步骤,直接影响到混合像元分解的精度.本文对常用的几种端元提取方法进行了介绍,并提出了应注意的问题.

摘要： 本文提出了一种结合混合像元分解与主动学习的半监督分类算法:该算法将高光谱研究中的混合像元分解技术与机器学习领域中的主动学习策略进行有机结合，充分利用了各像元的丰度信息来辅助分类决策;同时，算法中设置了权重系数，用来调节“丰度最均匀”与“最易误分”像元比重。该算法可有效提高分布较少的类别的识别精度，利用更少的标记样本实现更高的总体分类精度，有效减轻样本标记工作量，这对于大尺度的作物识别与监测具有重要意义。

摘要： 森林退化区别于传统意义上的森林砍伐,是指林木产品和生态服务功能的逆向改变,主要表现为森林面积减少、结构丧失、质量降低、功能下降,对此国内外学者提出了各种监测地表覆盖变化的卫星遥感手段.但是,传统的目视解译和监督分类法大都是基于纯净像元的分类理念,其分类结果往往难以准确反映地表覆盖的真实情况.混合像元分解方法正是针对遥感图像中大量存在的混合像元,将每一个混合像元进行分解并求得端元组分(即覆盖类型)占像元的丰度(即百分比含量),这样由混合像元的归属而产生的错分、误分问题也就迎刃而解.结合研究区的具体情况选择地表覆盖模型及端元组分,这对于精确获取森林内部结构信息进而研究森林退化程度具有重要意义.rn 对1976年和2007年获取的遥感影像做如上处理后，可得到2个时期内各端元组分(植被、土壤、水分)的丰度图，从而可以精确提取出森林内部结构信息并计算其面积。然后将2007年与1976年植被、土壤、水分图像作相减运算，分别得到植被、土壤、水分丰度变化图，即森林内部结构变化图，从而可以提取研究区森林退化信息。rn 结论：1)利用混合像元分解技术和线性模型成功提取了西双版纳典型区的森林内部结构信息，证明该方法用于研究森林退化的遥感监测可以获得较好的效果;2)提出适合于西双版纳热带雨林区的“植被-土壤-水分”端元模型，改善了端元组分的选取，为其他森林覆盖区甚至植被覆盖区提供了较好的混合像元分解模型;3)进行了1976-2007年间森林内部结构变化检测并探讨了其驱动力。

摘要： 耕地是重要的农业资源,如何利用遥感技术快速准确地提取耕地信息是目前研究的热点.本文针对中低分辨率数据(MODIS)存在的耕地混合像元问题提出通过线性混合像元分解技术,实现耕地信息的高效提取.以陕西关中地区为例,利用2000年MODIS 500m分辨率的MOD09A1产品数据,建立林地、草地、高覆盖度耕地、低覆盖度耕地、非植被区五种端元,基于线性光谱混合模型,获取该地区耕地覆盖度.通过与1∶10万土地利用数据对比验证,本研究提取的耕地覆盖度总量精度为81.17％.结果表明:基于混合像元分解,可以获得较高精度的耕地覆盖度定量信息,该方法适用于长期、大范围、动态的耕地分布和变化遥感监测.

摘要： 高光谱图像中混合像元的存在严重影响了高光谱图像分类和目标探测的精度,阻碍了高光谱遥感向定量化方向发展.Boardman提出的凸面几何学的分析方法,开拓了从特征空间对光谱线性混合进行诠释的新通道.本文分析和研究了现有的基于凸面几何学的混合像元分解算法,并将其分为两类:基于纯净像元的分解算法和基于最小体积的分解算法.并就两种分类方法选取了具有代表性的4种算法:N-FINDR、VCA、MVC-NMF和SISAL算法进行分析和实验.通过对这4种方法的实验比较,得出两类混合像元分解算法的优点与不足,以及基于几何学的混合像元分解算法的适用条件,为进一步研究工作打下基础.

摘要： 混合像元分解在高光谱遥感应用领域中具有十分重要的意义,本文对基于独立成分分析法的高光谱图像中混合像元分解的方法进行了验证.首先利用特征值阈值分析法对高光谱图像进行端元数目估计,然后利用最小噪声分离法对高光谱图像进行降维,在此基础上运用独立成分分析法进行像元解混,最后使用高光谱成像仪采集的图像数据进行验证.结果表明该方法具有良好的解混效果.

摘要： 正确评估地震前后汶川的植被覆盖变化及其规律对该地区重建和植被恢复有着重要的指导意义.本文在多时相Landsat 5/8影像数据的基础上，采用混合像元分解方法，对汶川灾区的植被覆盖度进行了反演与监测，并与地形因子(高程、坡度和坡向)进行叠加分析，得到了汶川地震前后三期植被覆盖度等级图和植被覆盖度、植被受损、恢复的空间动态分布状况。通过对三个时相landsat 5/8影像数据进行线性光谱分离提取植被覆盖度，将各时相植被覆盖度进行分级、求差值得到植被覆盖度分级图和植被受损、恢复信息，并将其与地形因子进行叠加分析，得到了植被覆盖、植被受损和恢复的空间动态格局分布状况。

摘要： 高光谱遥感能够在电磁波谱的紫外、可见光、近红外和短波红外区域获取上大量的连续光谱数据,具有高光谱分辨率、图谱合一、光谱连续成像等特点.然而,由于空间分辨率的限制、以及地物分布复杂多样,高光谱遥感影像中存在大量混合像元.如何有效识别混合像元中的地物及确定其分布情况成为提高高光谱遥感应用精度的关键问题之一.混合像元分解技术是解决这一问题的有效途径,也是当前高光谱遥感影像处理的研究热点.本文针对传统方法所面临的累积误差、端元可变、高度混合数据等问题，提出了基于稀疏成分分析的混合像元盲分解方法，并简单介绍了其基本思想。通过稀疏假设以及交替迭代的更新策略，地物分布的稀疏结构可以最大程度保留。在与传统的光谱分解方法进行实验对比和分析中，稀疏成分分析在光谱分解中的优势和潜力得到了充分体现。

摘要： 成像光谱仪的出现使遥感跨入高光谱遥感时代.高光谱遥感数据为用户同时提供空间域和光谱域的信息,从而可使用户从影像中获得更多的信息.然而受到地表复杂度以及成像光谱仪分辨率的影响,传感器的一个遥感视场单元内普遍存在多种地物,因此混合像元普遍存在于高光谱影像中.混合像元的存在影响高光谱遥感图像信息提取的精度,因此对混合像元的解译成为国内外研究的热点.本文根据高光谱图像中端元之间的不相关性，利用定义的光谱协方差函数，提出了一种度量光谱不相关性的函数:函数值越小，光谱间的相关性越小。通过联合最小化光谱不相关函数和非负矩阵分解误差函数，获得具有最小相关性的光谱集合，最终同时得到端元光谱集以及组分信息。实验结果表明:相对于经典的MVCNMF, ASCNMF和SISAL，本文提出的算法具有较大的优势。

摘要： 高光谱遥感影像具有光谱分辨率高及图谱合一等特点,提供了比常规图像传感器更丰富且更精确的光谱信息,使得本来在宽波段范围内不可探测的物质,在高光谱遥感中可以被探测到,因此,与其他技术相比,高光谱遥感技术在地表物质的识别、分类以及感兴趣目标信息的提取等方面具有的更大的优势.但受到光照不均一性等因素的影响,在同一幅高光谱图像上,即使完全相同的地物成分组成的像元,其特征光谱间也存在一定的差异,图像上同一种端元对应的特征光谱并非是恒定值,这种差异通常被认为是光谱变化.受到光谱变化的影响,具有相似特征光谱的包含不同地物成分的像元往往被认为来自于同一种地物,从而使得不同地物成分的特征光谱间的差别变小,进而影响高光谱地物分类和混合像元分解等处理的精度.本文分别采用高光谱图像分类和混合像元分解实验验证低秩矩阵近似处理在去除高光谱图像光谱变化方面的性能。

摘要： 本发明公开了一种混合噪声下的高光谱影像端元深度非负矩阵分解方法，本发明耦合高光谱影像观测模型和端元深度非负矩阵分解模型，建立噪声去除‑光谱分解一体化观测模型，并基于贝叶斯逆问题求解理论，建立一体化处理的理论框架，实现对两种处理任务的共同描述。同时，本发明通过对光谱深度线性混合模型进行反向建模，充分挖掘影像的层次特征信息，增强了模型的实用性和可解释性。另外，模型还通过对丰度矩阵施加L

摘要： 本发明属于遥感图像处理技术领域，具体为一种基于单形体三角分解的高光谱遥感图像混合像元分解方法。本发明采用采用线性混合模型，具体步骤包括两部分：端元提取和丰度估计。该方法既是一种单形体类的几何方法，同时又建立在三角分解的代数原理之上。三角分解可采用Cholesky分解和QR分解，能够通过递归操作，在端元提取过程中提高端元的搜索效率。本发明可以有效地提取高光谱遥感数据中的端元，解决相应的混合像元分解问题。在基于高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。

摘要： 本发明属于遥感图像处理技术领域，具体为一种基于非负矩阵因式分解的遥感图像混合像元分解方法。本发明将单形体方法作为非负矩阵分解算法的前端算法，即由单形体方法获得初步端元信号估计结果，然后由其组合成的矩阵作为端元信号矩阵的初始值，代入经修改后的非负矩阵因式分解迭代式进行更新运算，获得最终的分解结果。本发明克服了两种算法各自的缺点，有效的解决了高混合遥感数据的混合像元分解问题。本方法在基于多光谱和高光谱遥感图像的高精度地物分类以及地面目标的检测和识别方面具有重要应用价值。

摘要： 本发明涉及一种基于局域相近像元的混合像元分解方法，以遥感影像数据为数据源，通过设定筛选规则，选择光谱组成相同的像元构建合理有效的混合光谱矩阵，并采用非负矩阵分解方法从混合光谱矩阵中分离土壤光谱和植被光谱，以提取土壤光谱信息，减弱植被覆盖等外部因素对土壤光谱信息的影响，从而提高土壤属性信息的遥感预测精度。本发明对提高土壤属性的现有遥感监测精度有重要意义，为实现土壤属性大面积、快速、精准制图和更新提供新的方法和思路，将进一步推动基于遥感技术获取土壤信息领域的发展。

摘要： 为提高高光谱混合像元分解的精度，针对主凸包原型分析算法PCHA中忽略了丰度稀疏性的问题，提出一种基于丰度稀疏约束的高光谱混合像元分解方法。该方法结合原算法的矩阵分解形式，在原目标函数基础上，添加丰度的l1‑norm稀疏约束正则项；然后，分别利用投影梯度和交替方向乘子法对系数矩阵和丰度矩阵优化求解；最后，根据求解结果得到端元和丰度。该方法可以同时实现端元的提取和丰度的估计，具有较低的数据拟合误差，且求解的丰度在物理意义上更加贴近实际情况。

摘要： 本发明属于遥感图像处理技术领域，具体为一种基于单形体三角分解的高光谱遥感图像混合像元分解方法。本发明采用采用线性混合模型，具体步骤包括两部分：端元提取和丰度估计。该方法既是一种单形体类的几何方法，同时又建立在三角分解的代数原理之上。三角分解可采用Cholesky分解和QR分解，能够通过递归操作，在端元提取过程中提高端元的搜索效率。本发明可以有效地提取高光谱遥感数据中的端元，解决相应的混合像元分解问题。在基于高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。

摘要： 本发明属于遥感图像处理技术领域，具体为一种基于非负矩阵因式分解的遥感图像混合像元分解方法。本发明将单形体方法作为非负矩阵分解算法的前端算法，即由单形体方法获得初步端元信号估计结果，然后由其组合成的矩阵作为端元信号矩阵的初始值，代入经修改后的非负矩阵因式分解迭代式进行更新运算，获得最终的分解结果。本发明克服了两种算法各自的缺点，有效的解决了高混合遥感数据的混合像元分解问题。本方法在基于多光谱和高光谱遥感图像的高精度地物分类以及地面目标的检测和识别方面具有重要应用价值。

摘要： 本发明涉及一种基于局域相近像元的混合像元分解方法，以遥感影像数据为数据源，通过设定筛选规则，选择光谱组成相同的像元构建合理有效的混合光谱矩阵，并采用非负矩阵分解方法从混合光谱矩阵中分离土壤光谱和植被光谱，以提取土壤光谱信息，减弱植被覆盖等外部因素对土壤光谱信息的影响，从而提高土壤属性信息的遥感预测精度。本发明对提高土壤属性的现有遥感监测精度有重要意义，为实现土壤属性大面积、快速、精准制图和更新提供新的方法和思路，将进一步推动基于遥感技术获取土壤信息领域的发展。

摘要： 本发明涉及一种混合像元分解及其端元提取方法。遥感是指利用在高空或外层空间运行的各种平台上的传感器获得地表信息，通过信息处理方法获得地表物体的形状、位置、空间分布、类别和性质等的一门现代化应用技术科学。遥感起源于上世纪60年代，它集成了航天、计算机、传感器、信息处理等技术。获取的遥感图像包含了丰富的光谱和空间信息，因而在环境监测、测绘、地质岩矿的识别、农业，林业、考古、旅游以及军事等诸多方面都有着广泛的应用。

摘要： 本发明提出了一种基于高光解图像混合像元分解的电缆型号识别方法，属于电力电缆型号识别领域。方法包括：对电缆截面高光谱图像进行主成分分析降维；对降维后的电缆截面高光谱图像进行基于光谱‑空间信息的超像素分割，划分为超像元块；利用各超像元块平均光谱与导体光谱材料进行光谱匹配分析，确定电缆的导体结构的材料类型，以及导体结构所对应的区域；从电缆截面高光谱图像中剔除导体结构区域对应的像元，对其余像元进行光谱可变的混合像元分解，获取电缆的绝缘层、内护套、铠装层、外护层结构的光谱，进行光谱匹配分析，确定电缆各结构所采用的材料类别，根据电缆型号命名规则识别得到电缆型号名称。本发明判定电缆型号效率高，准确率高。