线性混合模型的光谱解混算法综述

混合像元的存在不仅影响了基于高光谱图像的地物识别和分类精度,而且已经成为遥感科学向定量化发展的主要障碍。目前的混合像元分解算法大多采用线性混合模型,其关键步骤为端元提取。文中从线性混合模型的定义出发,总结了近年来提出的端元提取算法,并重点对SMACC、VCA、SGA等算法进行了深入的分析,最后总结了混合像元分解的发展趋势。     

利用线性混合模型进行高光谱混合图像分解

简述了混合像元及线性模型的基本理论,介绍了线性光谱模型进行分解的步骤,以具体实例实现应用线性混合模型对高光谱混合影像的分解。     

基于神经网络的高光谱混合像元分解方法研究

当前遥感图像分类通常假设每一个像元都是由一类地物组成,对混合像元重视不够。但事实上许多像元都是混合像元,光谱是几种地物的混合光谱。高光谱遥感是当前遥感技术发展的前沿技术,特别在混合像元分解方面体现出明显的优越性。分别采用线性混合模型、BP神经网络等进行混合像元分解的试验,结果表明BP神经网络模型能够取得较好的效果。     

高光谱图像端元提取算法研究进展与比较

高光谱图像中混合像元的存在不仅影响了基于遥感影像的地物识别和分类精度,而且已经成为遥感科学向定量化方向发展的主要障碍。本文分析和研究了现有的典型端元提取算法,在此基础上,对这些算法进行归纳总结,从是否假定纯像元存在角度将其分为两类：端元识别算法和端元生成算法,并就两种分类方法选取了具有代表性的6种典型端元提取算法：N-FINDR、VCA、SGA、OSP、ICE和MVC-NMF算法进行分析和实验。通过对这6种方法的实验比较,得出两种端元提取分类方法的优点与不足,并对今后的研究工作提出展望。     

基于线性混合模型的端元提取方法综述

混合像元是遥感领域研究的热点,而基于线性混合模型的光谱解混合技术正在越来越广泛地应用在光谱数据分析和遥感地物量化中,这项技术的关键就在于确定端元光谱。本文归纳了目前几种比较成熟的端元提取算法,分析了它们的主要思想和存在的优缺点,最后介绍了端元提取技术的应用及其发展趋势。     

高光谱影像混合像元分解比较研究

遥感混合像元分解,作为一种遥感分类与制图的方法,具有其独特的优势.利用新疆阜康地区的Hyperion遥感影像,在ENVI/IDL软件运行环境下,分别采用沙漏算法,SMACC算法和体积法进行端元提取,并对3种方法进行了比较分析,从中选择符合实际的沙漏算法提取的端元,作为最终端元.在此基础上,分别运用最小二乘法、OSP算法...     

高光谱与多角度数据联合进行混合像元分解研究

混合像元问题是定量遥感的主要障碍之一。将混合像元问题归结为类内与类间像元混合两类，并对类内混合像元分解问题加以研究。混合像元分解的关键在于确定组分光谱，确定组分光谱的方法很多，但大多数方法基于以下假定，即从图像本身可以找到纯组分光谱，然而这一假定对于类内混合像元分解问题来说很难成立。提出采用高光谱与多角度相结合的方法，利用几何光学模型和线性光谱混合模型进行类内混合像元分解。即首先利用多角度数据反演几何光学交互遮蔽(GOMS)模型获得组分光谱，再对高光谱数据进行组分光谱分解。由于该方法直接从混合光谱产生的机理出发，因而更容易获得真正的亚像元信息。为减小反演误差，反演过程中采用改进的多阶段的反演策略，并充分利用多角度图像本身提供的先验信息。用BORE—AS试验获取的高光谱与多角度数据所作的研究表明，该方法可以获得比较理想的分解结果。     

线性混合光谱模型高光谱压缩感知

高光谱压缩感知(HCS)对于解决机载或星载高光谱数据的存储与实时传输具有重要意义。目前,线性混合模型(LMM)已被成功应用于HCS;然而,由于光照条件、地形变化以及大气作用等的影响,所获取的地物光谱会发生扰动,从而限制了HCS重建质量的提高。在LMM基础上,通过引入光谱修正项来修正光谱扰动,提出了光谱扰动修正的LMM (SPC_LMM);在此基础上,进一步提出了基于SPC_LMM的HCS (HCS_SPC_LMM)方法。该方法在采样端仅对原始高光谱图像进行光谱维压缩采样,基于压缩采样数据,将SPC_LMM应用HCS的重建,利用交替方向乘子法(ADMM)分别估计SPC_LMM中各分量的最优值,以获得最优的高光谱图像重建质量。实验结果表明,HCS_SPC_LMM能够获得优于其他典型HCS方法的重建质量。     

一种准确快速的高光谱数据光谱混合分析方法

针对地物光谱的不确定性及参与每一像元光谱混合的端元种类与数目的不确定性,提出一种准确快速的高光谱数据光谱分析方法。该方法利用图像端元与标准端元库端元构建分组端元库,为每种地物引入多种端元光谱,解决了地物光谱不确定性问题;通过基于多端元交叉相关光谱匹配的确定搜索与基于二进制粒子群优化的随机搜索相结合的方式为每一像元搜寻一个最优端元子集,解决了参与混合的端元种类与数目的不确定性问题,并且提高了搜索效率。通过模拟数据与真实高光谱数据的试验验证,该方法解混精度与多端元光谱混合分析法相当、远高于全限制/无限制最小二乘法与交叉相关光谱匹配法,而计算时间远小于多端元光谱混合分析,实现了快速、准确的高光谱数据解混。     

一种端元变化的神经网络混合像元分解方法

遥感图像中普遍存在着混合像元,对混合像元进行分解是遥感图像处理中的难点,在端元（Endm ember）个数不变的情况下,往往得到的分解结果精度不高。本文基于fuzzy ARTMAP神经网络,提出一种基于端元变化的神经网络混合像元分解模型。首先利用混合像元与纯净端元之间的光谱相似性,判断出混合像元包含的端元个数及类别,然后结合fuzzy ARTMAP神经网络进行分解。实验结果表明：本文提出的方法比传统的线性混合模型及fuzzy ARTMAP神经网络模型的精度要高,而且更加符合实际情况。     

利用端元光谱内插的青海植被覆盖度估算研究

针对利用像元二分模型估算植被覆盖度的精度不高的问题,该文基于OSAVI,提出了选定模型参数(OSAVIs和OSAVIv)的方法,并将该方法应用于青海省植被覆盖度估算。该方法通过高分辨率影像在研究区内选取纯裸地和纯植被样点,并将纯裸地样点的OSAVI作为纯裸地样点像元的OSAVIs,将纯植被样点的OSAVI作为纯植被样点像元的OSAVIv,利用样点像元的OSAVIs和OSAVIv值,通过普通克里金内插法,求得研究区每个像元对应的OSAVIs和OSAVIv。经精度验证结果表明:此方法较常规的参数选取方法,RMSE由0.170降至0.156,MAE由0.137降至0.124。经进一步分析表明,此方法对边缘验证点和非边缘验证点的估算精度都有所提高,由于配准误差和周围地表漫反射的影响,边缘验证点的估算精度低于对非边缘验证点的估算精度。     

Estimation of impervious surfaces of Beijing,China, with spectral normalized images using linear spectral mixture analysis and artificial neural network

The objective of this article is to evaluate the effectiveness of various algorithms for estimating impervious surfaces. Linear spectral mixture analysis (LSMA) and multi-layer perceptron (MLP) network using original and spectral normalized images were applied to two ASTER images acquired on 31 August and 9 April 2004, respectively. Accuracy assessment was performed with a Quickbird image. Root-mean-square errors (RMSEs) were calculated and compared. Results indicated that LSMA with original images provided the poorest results. RMSE was 14.8% for the August image and 22.4% for the April image. Results from LSMA with normalized images improved significantly with RMSE of 12.6% for the August image and 18.9% for the April image. The MLP modelling with original images generated slightly better results with RMSE of 12.2% and 18.4% for each image. The MLP modelling of normalized images provided the best estimation, yielding a RMSE of 12.1% for the August image and 18.2% for the April image.     

中国区域加权平均温度的时空分析及模型研究

加权平均温度(T_m)是全球卫星导航系统技术反演大气可降水量的关键参数,影响着水汽反演的精度。针对传统的Bevis模型运用在中国区域精度不高的问题,该文提出新的增加时空参数的T_m多元线性回归模型。根据2013—2015年中国86个探空站点的探空资料,分析了T_m的时空特征;然后根据2013年站点资料,利用线性回归建模方法建立了中国区域的T_m单因子回归模型和增加了时空参数的T_m多因子回归模型,并利用2014—2015年的探空数据进行验证。T_m单因子回归模型和T_m多因子回归模型的精度分别为3.1 K和2.6 K,比Bevis模型(精度3.3 K)分别提高了约6.0%和21.2%。考虑到季节对T_m的影响,将T_m多因子回归模型按季节分段,得到按季节分段的T_m多因子回归模型,其精度与T_m多因子回归模型大致相当,但能更细致表达出不同季节T_m的精度情况。结果表明增加了时空参数的T_m多因子回归模型更加适合中国区域的加权平均温度T_m的计算。     

利用混合光谱分解与SVM估算不透水面覆盖率

对比了线性混合光谱分解模型(SMA)与支持向量机(SVM)在TM影像上估算不透水面覆盖率(ISP)的精度,通过SVM模型拟合TM像元光谱特征与样本ISP间的关联而获得对未知像元ISP的估算能力。对于天津市主城区的TM影像,选择学校区、工矿区和住宅区的高分辨率影像分类结果作为训练样本(7020个)和验证样本(1500个),SVM模型的ISP估算均方差(15.4%)优于SMA估算结果(19.4%);在增加缨帽变化“绿度分量”及混合光谱分解“高反射率分量”作为SVM特征变量后,ISP估算精度提高为12%。研究结果表明：SVM模型能够拟合各像元光谱组分间非线性关系且具有较好小样本泛化的性能,适用于地面样本较少的大区域ISP制图;增加与ISP相关性大的光谱特征向量作为SVM输入能提供更多的区域地物空间分布信息,能够调整无样本的地表类型的ISP估算值,提高区域ISP估算的整体精度。     

Statistical diagnosis and gross error test for semiparametric linear model

This paper systematically studies the statistical diagnosis and hypothesis testing for the semiparametric linear regression model according to the theories and methods of the statistical diagnosis and hypothesis testing for parametric regression model. Several diagnostic measures and the methods for gross error testing are derived. Especially, the global and local influence analysis of the gross error on the parameter X and the nonparameter s are discussed in detail; at the same time, the paper proves that the data point deletion model is equivalent to the mean shift model for the semiparametric regression model. Finally, with one simulative computing example, some helpful conclusions are drawn.     

像元分解模型的植被覆盖度遥感估算

为了提高植被覆盖度遥感估算方法的精度,该文针对置信度方法和空间克里金插值方法各自存在的问题,基于线性像元二分模型,分别采用置信度方法和空间克里金插值方法计算推导,确定像元二分模型中两个重要参数NDVIveg和NDVIsoil,实现估算植被覆盖度,并对两种方法进行对比分析,同时提出方法中存在的问题以及模型的优化改进方向。     

基于BP神经网络的霍普菲尔德模型改进研究

为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。     

半参数模型统计诊断与粗差检验

This paper systematically studies the statistical diagnosis and hypothesis testing for the semiparametric linear regression model according to the theories and methods of the statistical diagnosis and hypothesis testing for parametric regression model.Several diagnostic measures and the methods for gross error testing are derived.Especially,the global and local influence analysis of the gross error on the parameter X and the nonparameter s are discussed in detail;at the same time,the paper proves that the d...