摘要高光谱图像由于受到获取手段和光学器件性能的限制，图像的空间分辨率往往比较低。通过高光谱探测器采集到的光谱向量实际上是当地瞬时视场内地物光谱特征的混合。这对高光谱遥感信息处理的精度产生了很大的影响。进行有效的混合像元分解是定量化高光谱遥感应用的关键。66665

本文分析了高光谱遥感图像的概念与机理，对以线性混合模型为基础的高光谱图像混合像元分解方法进行了研究。首先系统介绍了基于几何学、统计学、以及稀疏回归的线性高光谱混合像元分解方法；然后基于PPI、N-FINDR、VCA等经典端元提取算法和最小二乘丰度反演方法设计实现了高光谱图像混合像元分解方法；最后，分别在模拟高光谱数据和实际高光谱数据集上进行了实验与分析。 

毕业论文关键词：高光谱遥感, 混合像元分解，最小二乘法，N-FINDR,VCA

Title   Research on Hyperpectral Remote Sensing Image Unmixing Method

Abstract

Because of the limit of the performance of optical devices and acquisition means,The spatial resolution of the image are relatively low.the spectral vectors acquired by the hyperspectral scanners are actually mixtures of the spectral signatures of the materials present in the scene.This had a great effect on the accuracy of hyperspectral remote sensing information processing.Unmixing is the key to the application of hyperspectral remote sensing.

This paper analyzes the concept of hyperspectral remote sensing and mechanism.Introduce unmixing method based on linear mixed model.First introduces the unmixing method based on geometry, statistics, and sparse regression.Then PPI, N-FINDR, VCA and other classic endmembers extraction algorithm are studied.Use least square method to accomplish abundance of inversion.Finally, experiments on simulated hyperspectral data and real hyperspectral data sets.

Keywords : Hyperspectral remote sensing,Unmixing，least squares,N-FINDR,VCA

目次

1  绪论 1

1.1引言 1

1.2高光谱遥感概念及其应用 2

1.3高光谱遥感图像混合像元分解概念及研究现状 4

1.4本文的结构安排 6

2高光谱混合像元分解方法 7

2.1引言 7

2.2光谱混合模型 7

2.3基于线性混合模型的高光谱混合像元分解方法 9

2.4本章小结 10

3 基于线性混合模型的端元提取算法 11

3.1引言 11

3.3端元提取算法分析 11

3.4实验结果与分析 14

3.5 本章小结 19

4基于线性模型的丰度反演算法（最小二乘法） 20

4.1引言 20

4.2丰度反演原理 20

4.3基于最小二乘的丰度反演算法 21

4.4实现丰度反演算法实验 22

4.5本章小结 25

5高光谱混合像元分解流程设计 25

5.1流程图 25

5.2读取高光谱图像数据