端元法.docVIP

【遥感专题系列】定量/高光谱遥感之——混合像元分解 ?(2013-09-09 09:55:23) 转载▼ 端元波谱提取 ? 杂谈 分类：?遥感技术 ????当具有不同波谱属性的物质出现在同一个像素内时，就会出现混合像元。混合像元不完全属于某一种地物，为了能让分类更加精确，同时使遥感定量化更加深入，需要将混合像元分解成一种地物占像元的百分含量（丰度），即混合像元分解，也叫亚像元分解。混合像元分解是遥感技术向定量化深入发展的重要技术。 ????本文主要介绍以下内容： 基本概念 端元波谱提取 混合像元分解 ?基于MNF的MTMF混合像元分解 1.基本概念 混合像元 ????地球自然表面几乎不是由均一物质所组成的。当具有不同波谱属性的物质出现在同一个像素内时，就会出现波谱混合现象，既混合像元（Mixed Pixel）。Singer和McCord（1979）发现如果混合像元的尺度很大（宏观），那么混合像元将存在线性关系。对于微观的混合，混合像元通常表现为非线性关系（Nash and Conel，1974；Singer，1981）。 混合像元形成原因 ??从理论上讲，混合像元的形成主要有以下原因： 1)??单一成分物质的光谱、几何结构、及在像元中的分布； 2) ?大气传输过程中的混合效应； 3)??传感器本身的混合效应； ????其中：2)和3)为非线性效应，2)可以通过大气校正进行修正；3)可以通过仪器的校准、定标加以部分克服；1)部分是线性效应，也是本文讨论的内容。 混合像元分解 ????混合像元分解技术假设：在一个给定的地理场景里，地表由少数的几种地物（端元）组成，并且这些地物具有相对稳定的光谱特征，因此，遥感图像的像元反射率可以表示为端元的光谱特征和这个像元面积比例（丰度）的函数。这个函数就是混合像元分解模型。 ????近年来，研究人员提出了许多有效的分解模型，主要有：线性混合光谱模型、模糊监督分类模型、神经网络模型等。其中比较常用的是线性模型，即线性混合光谱模型。 线性混合光谱模型 ????线性模型假设在不同物质间不存在相互作用，位于同一像元区域的波谱是纯净物质波谱的线性组合，是根据它们的组成比例进行加权，获取线性组合的组成比例就是混合像元分解。 混合像元分解流程 ????在影像已经完成预处理的前提下（如几何校正、大气校正、去噪等），混合像元分解的一般的过程：首先获取端元波谱（从图像上、波谱库中或者其他来源），然后选择一种分解模型在每个像素中获取每个端元波谱的相对丰度图，最后从丰度图上提取不同组成比例的像元。 2. 端元波谱提取 ????选取合适的端元是成功的混合像元分解的关键。端元选取包括确定端元数量以及端元的光谱。 ????理论上，只要端元数量m小于等于b+1（b表示波段数），线性方程组就可以求解。然而实际上由于端元波段间的相关性，选取过多的端元会导致分解结果更大的误差。 ????端元光谱的确定有两种方式：(1) 使用光谱仪在地面或实验室测量到的“参考端元”；(2) 在遥感图像上得到的“图像端元”。方法(1)一般从标准波谱库选择，方法(2)直接从图像上寻找端元可选择的方法有：从二维散点图中基于几何顶点的端元提取，借助纯净像元指数（Pixel Purity Index——PPI）和n维可视化工具用于端元波谱收集，基于连续最大角凸锥（Sequential Maximum Angle Convex Cone——简称SMACC）的端元自动提取。下面介绍几种端元选择的方法。 2.1基于几何顶点的端元提取 ????将相关性很小的图像波段，如PCA、IC、MNF等变换结果的前面两个波段，作为X、Y轴构成二维散点图。在理想情况下，散点图是三角形状，根据线性混合模型数学描述，纯净端元几何位置分布在三角形的三个顶点，而三角形内部的点则是这三个顶点的线性组合，也就是混合像元，如图1所示。根据这个原理，我们可以在二维散点图上选择端元波谱。在实际的端元选择过程中，往往选择散点图周围凸出部分区域，后获取这个区域相应原图上的平均波谱作为端元波谱。 ? 图1： 散点图上的纯净像元与混合像元 ????下面以MNF变换后的第一、第二波段作为X、Y轴构建二维散点图，如下图所示。 ? 图2：Scatter Plot窗口 2.2?基于PPI的端元提取 ????借助纯净像元指数（PPI）和n维可视化工具用于端元波谱收集，下面详细介绍操作步骤。 第一步、获取纯净像元 ????这个步骤是在MNF变换的结果上计算纯净像元指数（PPI），之后选择阈值范围从PPI图像上获得感兴趣区，感兴趣区包含的像元就是比较纯净的像元。 （1） 打开高光谱数据。 （2） ?在ENVI主菜单中，选择Spectral -MNF Rotation- Forward MNF - Est