1.2高光谱遥感概念及其应用

    随着三十年来科学技术的不断发展，高光谱遥感作为一门新兴技术逐渐趋于成熟，通过该技术可以得到具有很高光谱分辨率的图像。不同分子、原子和离子的晶格振动引起不同波长的光谱发射和吸收，产生了不同的光谱特征，使得不同的物体表现出不同的光谱反射和辐射特征。光谱分辨率作为遥感技术发展的一个重要指标，目前已有多光谱发展到高光谱，正向超高光谱发展[11]。

高光谱图像与传统的图像数据比较起来有如下的特点：

1、高光谱分辨率。通常的多光谱遥感器的专题制图依传感器和地球观测实验系统的高分辨率可见光传感器只有几个波段，其光谱分辨率一般大于100nm。高光谱遥感器——成像光谱仪能获得整个可见光、近红外、短波红外、热红外波段的多而窄的连续光谱，波段数多至几十甚至几百个，光谱分辨率可达纳米级，一般为10~20nm，个别达2.5nm。由于光谱分辨率高，数十、数百个光谱图像就可以获得影像中每个像元的精细光谱。

2、图谱合一。高光谱遥感获取的地表图像包含了地物丰富的空间、辐射和光谱三重信息，这些信息表现了地物空间分布的影像特征，同事也可能以其中某一像元或像元组为目标获得它们的辐射强度以及光谱特征。影像、辐射和光谱这三个遥感中最重要的特征的结合就成为高光谱成像，特别是成像光谱进而作为成像光谱辐射遥感信息最重要的特点。图1.2直观的表达了上述三种重要信息的关系以及由它们的组合形式的各种遥感系统的情况。

图1.2光学遥感信息的组成及其与遥感器的关系

3、光谱波段多，在某一光谱波段范围内连续成像。传统的全色和多光谱遥感器在光谱波段数上是非常有限的，在可见光和反射红外区，其光谱分辨率通常在100nm量级。而成像光谱仪的光谱波段多，一般是几十个或者几百个，有的甚至高达上千个，而且这些光谱波段一般在成像范围内都是连续成像。因此，成像光谱仪能获得地物在一定范围内的连续的、精细的光谱曲线。

由于高光谱图像的优越性突出，所以在各个领域都被应用到。尤其近年来在 大气、海洋、农业、环境、军事发挥出越来越重要的作用。图1.2为一副高 光谱遥感图像。

图1.2高光谱遥感图像

1.3高光谱遥感图像混合像元分解概念及研究现状

1.4本文的结构安排

本文对高光谱图像混合像元分解方法进行了研究，首先介绍高光谱遥感图像的概念。其次介绍基于几何学、统计学、以及稀疏回归的高光谱混合像元分解方法；此后以N-FINDR等经典端元提取算法和最小二乘丰度反演方法设计实现流程；最后在模拟高光谱数据和实际高光谱数据集上进行实验来分析结果。为此本文的结构安排如下：

第一章、简述课题研究背景，介绍高光谱遥感图像的基本概念以及混合像元分解方法现状的分析介绍。

第二章、介绍像元的混合模型，对线性模型的方法进行描述分析。文献综述

第三章、介绍基于线性模型的经典端元提取算法，通过模拟高光谱数据和真实高光谱数据集分别进行实验和测试。

第四章、分析介绍了基于最小二乘的丰度反演算法，通过实际高光谱数据进行实验。

第五章、设计实现了高光谱图像混合像元分解方法，给出了相应的方法流程和实现过程。

2高光谱混合像元分解方法

2.1引言

混合像元分解在高光谱数据开发中是一个重要的问题。然而混合像元问题不仅影像地物识别分类精度，而且是遥感技术向定量化深入发展的重要障碍[8]，它的存在严重制约了高光谱遥感技术的运用以及发展。针对这一现象，混合像元分解技术应运而生。本章主要介绍基于线性模型的高光谱混合像元分解的三种方法：基于几何学，统计学，稀疏回归。