基于混合像元分解的OLI影像草原植被覆盖区遥感岩矿信息提取研究

在植被覆盖区,植被与部分矿物存在相似的反射光谱特征,运用常规的遥感信息提取方法难以有效地提取岩矿及蚀变信息.基于Landsat8 OLI数据,以白云鄂博西南草原覆盖区为研究区,通过线性混合像元分解法从混合像元光谱中减去植被类型终端单元的反射率值及其强度,达到抑制植被干扰的目的,实现岩石、土壤光谱重建.对比植被抑制前后OLI数据植被相关统计信息,并采用主成分分析法进一步提取研究区植被抑制前后的羟基异常信息,结合野外验证表明:在中低密度草原覆盖区,运用线性混合像元分解法可有效抑制植被干扰,抑制干扰后提取的遥感蚀变信息更为客观.     

混合像元组分信息的盲分解方法

从混合像元中分解组分信息是遥感反演的重要内容.若遥感物理过程可用线性方程组表达,遥感测量信息矩阵就等于权重矩阵乘以混合像元的组分信息矩阵,一般认为,求解组分信息矩阵的前提是权重矩阵已知.利用盲分解方法则无需已知权重矩阵,直接将矩阵分解.其原理是利用了遥感可测信息矩阵大量样本的统计特性,获得分解所需的附加信息,给出组分信息矩阵和权重矩阵的估计值.但盲分解方法仅可以复原组分信息的波形,不能确定幅度.为得到混合像元的定量组分信息,文中选择作物-土壤混合像元为主要研究对象进行盲分解研究,解决了盲分解的幅度不确定性,并通过数值模拟和应用实验验证了该方法.研究表明盲分解可以成为遥感混合像元信息分解的有效工具之一,具有良好的应用前景.     

基于线性光谱混合模型的混合像元分解研究——以合肥市为例

利用Landsat ETM+数据,在水体掩膜的基础上,采用线性光谱混合模型(Liner Spectral Mixture Model,LSMM)进行混合像元分解,得到合肥市高反射率地物、低反射率地物、植被和土壤四种端元的丰度图像以及RMS误差分量图像.应用线性光谱混合模型研究城市地表组分组成,端元(End-member)选取是模型成败的关键.通过分别采用手动选取端元和利用纯像元指数(PPI)法选取端元两种方法,从定性角度对比两种方法得到的结果,结果表明在本研究区内手动选取的端元比PPI选取的端元模型拟合精度更高,能够得到更高精度的分量图像.     

一种基于高斯马尔可夫随机场模型的混合像元分解方法

传统的混合像元分解模型只考虑了光谱信息,而忽略了空间相关信息的利用.事实上遥感影像以及分解后获得的组分影像都具有空间自相关关系.本研究提出利用高斯马尔可夫随机场模型来描述组分空间相关的特性,构建一种综合利用影像光谱和空间信息的混合像元模型,以提高混合像元分解精度.利用模拟与真实的数据证实了本文方法的有效性,一定程度上能...     

基于混合像元分解的水体面积提取算法

为减小水体边界混合像元对水体面积提取精度的影响,提出基于混合像元分解的水体面积提取改进算法。以ALOS数据为例,利用混合像元线性分解模型获得各像元水体丰度,结合阈值法和数学形态学算法分别提取纯净水体像元和水体边界像元;通过分析水体边界像元的水体丰度构成,提出水体边界像元面积修正算法,实现水体面积修正。研究结果表明,与混合像元分解直接提取的水体面积相比,修正算法提取的水体面积精度最大提高6.7%,有效减小滩地水分对水体边界像元水体丰度计算的影响。     

多源遥感数据在植被覆盖区的水体信息提取

针对单一遥感影像难以准确提取南方植被覆盖区水体信息的问题,提出了先对光学影像进行混合像元分解,消除植被干扰,增强水体信息,再联合雷达影像的多源遥感数据提取方法。以地物类型丰富,水体发育的湖南衡阳地区为研究对象,选择Landsat8光学影像和PALSAR雷达影像为主要数据源,先利用混合像元分解模型从Landsat8光学影像提取出植被信息,对水体光谱进行重建,再综合去除植被的Landsat8影像的光谱信息和PALSAR影像的纹理信息进行面向对象的多源遥感水体信息提取,并与单源影像的水体信息提取结果进行对比。结果表明,该方法进行水体信息提取的精度更高,尤其在水陆过渡带,能够较好地去除植被干扰,提取被覆盖的水体信息,在南方植被覆盖区水体信息定量提取上具有很好的效果和潜力。     

基于混合像元分解的火星南极矿物制图研究

对火星高光谱遥感数据进行混合像元分解,有助于获取像元内部火星表面矿物含量。端元光谱提取和光谱解混是混合像元分解的关键技术。以ORB0942_2轨道覆盖的火星南极地区作为研究区,应用纯净像元指数法(PPI)从影像中提取出端元光谱,并利用线性分解模型对影像中混合像元进行了分解,计算出其各端元组分的百分含量,获得了研究区水冰、石膏、钙镁橄榄石及紫苏辉石的相对含量分布图。     

基于线性混合模型的丘陵山区植被丰度遥感信息提取研究——以江西梅江流域为例

从TM遥感影像提取针叶林、阔叶林和低矮植被的丰度信息,对森林资源调查和生态建设具有重要意义。为改善线性混合像元分解的精度,除了经过FLAASH大气校正、MNF变换、PPI计算和人-机交互可视化端元选择等一般步骤外,尝试增加了地形校正并修复辐射极值、NDVI阈值法掩膜处理和反射率归一化处理3个环节。与此同时,进行了相似线性分解的简单实验,结果表明:增加了这3个处理环节可以改善线性分解的精度,RMS分量图显示均方根误差图的平均值由0.009 46降到0.004 91,均方根误差小于0.007 75的像元数占误差图全部像元数的百分比由55.61%上升到81.36%。选择野外随机均匀分布的60个样本点对模拟结果进行了线性拟合检验。实验二阔叶林、针叶林和低矮植被丰度模拟值和实测值之间的相关系数R2比实验一分别提高了0.211 6、0.045 6和0.130 7。     

基于简单L_(1/2)稀疏正则化的高光谱混合像元分解

高光谱图像解混方法中基于稀疏性的混合像元分解方法成为近来研究的热点,其中稀疏正则化高光谱混合像元分解方法(SUnSAL)得到了较好的解混效果。尽管如此,但正则化解的稀疏性和稳健性并不好。基于正则子比正则子更易于求解,同时比正则子具有更好的稀疏性和稳健性,本文引入用正则子来代替正则子。同时,采用了一种简单有效的稀疏正则化的求解方法,将正则化非凸优化问题转化为一系列迭代重复加权正则化问题,并利用变量分裂和增广拉格朗日算法(ADMM)对加权正则化问题进行求解。实验数据表明,此方法不但实现简单,而且可以获得更好的混合像元分解精度。     

多元线性模型回归参数M－估计的强相合性

讨论多元线性回归模型由极小化问题的解定义的Ｍ－估计β＿ｎ的强相合性，其中Ｘ＿ｉ为ｍ×ｐ矩阵．证明了：无论为随机向量（（ＶｅｃＸ）￣′，Ｙ′）的独立同分布观察向量还是Ｘ＿ｉ为已知的ｍ×ｐ设计阵，在适当的条件下β＿ｎ都是参数真值β＿０的强相合估计．     

错误先验假定下多元回归系数Bayes估计的性质

在错误指定的先验假定下研究了多元回归系数估计 (BE) ,并在矩阵损失下对其与最小二乘法估计 (LSE)进行了比较 ,同时讨论了在后验Pitmancloseness准则下BE相对于LSE估计的优良性