高光谱遥感图像光谱解混的独立成分分析技术.pdf

万方数据

高光谱遥感图像光谱解混的独立成分分析技术罗文斐1，钟亮2，张兵3，高连如3引言第30卷，第6期0年6月光谱学与光谱分析摘要高光谱遥感在对地球陆地、海洋、大气的观测中发挥着重要作用，高光谱遥感图像分析的关键是提取像元光谱内部各物质成分及其含茸，即光谱解混。独立成分分析提供了一种先进的技术手段，在很少先验知识的前提下，实现端元(物质成分)光谱及其丰度(含量)的同时提取。但丰度约束破坏了各成分独立的前提条件，导致了独市成分分析的局限性。针对这一问题，提出了丰度约束下总体相关性最小化的解决方案，并指出总体相关性最小化下的理想角度，通过设计角度修』E的独立成分分析算法把各成分调整到理想角度上。利用模拟数据与真实数据算法进行检验，结果表明：经过角度修正后，独立成分分析突破了原有的局限性，有助于进一步提高独立成分分析技术在光谱分析中的有效性。关键词高光谱遥感；光谱解混；独立成分分析；端元中图分类号：TP722文献标识码：AIX)I：10．3964／j．issm1000-0593(2010)06—1628-06高光谱遥感以其纳米级光谱分辨率和在可见光到短波红外甚至热红外的超多波段成像特点，大大扩宽了遥感的应用领域。已在全球环境、土地利用、资源调查、自然灾害甚至深空探测等方面取得r成功的应用【l一]。同时，由于高光谱图像空间分辨率相对较低，其图像分析的技术特点与传统的伞色、多光谱图像有着很大的不同，其中在亚像元级别探测物质的成分和含量是高光谱图像分析的主要特点【3]。传统的分析方法建立在高光谱图像在光谱特征空间中的几何形态基础七，如纯像元指数(pixelindex，PPI)算法⋯、N-FINDR(N-FINDRaIgorithrn)算法[5。、正交子空间投影算法(orthogonalprojection，OSP)t引、顶点成分分析(vertex算法[7．8]、基于单形体的增长方法[9]、单形体投影方法projectionmethods，SPM)[1⋯、基于空间约束的连续投影算法(successivealgorithm，SPA)[1¨、零空间投影距离算法[12]等。近年来，一种相对较新的盲信号分离技术一独立成分分析Ds]被广泛引用到高光谱图像分析中，能够实现端元和丰度的同时提取，这种技术成为高光谱遥感领域研究的热点。Bayliss在1997年把独立成分分析应用到r高光谱图像分析中，提出了基于丰度混合的ICA方法[1“，但由于采用丰度作为混合矩阵并不理想，在图像中“相对固定”的因素更多地体现为端元光谱信号。因此，后来更多的研究把端元作为混合矩阵进行独立成分分析[15-23]。ICA决定了自身具有不确定性，端元提取和丰度定苣化的ICA方法协]针对这一问题进行r改进，使ICA能够获得相对确定的结果。但ICA至今仍然没有完美地解决高光谱图像光谱解混的问题，NascimentoL驯对ICA进行了大量的模拟实验，并采用真实图像进行r评价，发现ICA根本无法提取图像中的所有端元，其中一个重要的原因是高光谱图像无法满足各成分独立的前提条件。之后又有学者提出了非负约束的ICA方法进行光谱解混[2引，但仍然无法摆脱各成分间的相关性，而依赖成分分析(dependentanalysis，DCA)[27]在假设丰度呈Dirichlet分布的前提下，来解决成分之间依赖性的问题，但必须假定丰度具有Dirichlet分布。本文针对丰度约束条件下各成分间的相关性展开讨论，提出总体相关性最小化的问题，从理论上探讨了总体相关性最小化下的理想角度，并采用角度修正的方法，在进行估计的过程中把各成分调整到理想角度的方向上，突破r传统作者简介：罗文斐，1979年生，华南师范大学地理科学学院讲师V01．30，No．6，ppl628—1633SpectralAnalysisJune，20101．华南师范大学地理科学学院，广东广州5106312．中国科学院遥感应用研究所。北京1001013．中国科学院对地观测与数字地球科学中心，北京1001componentanalysis，VCA)(simplex收稿日期：2009-08-12。修订日期：2009—11—16基金项目：国家(973计划)项目(2009CB723902)，国家自然科学基金项目(40901232／13010702，409012251／D010702)和国家(863计划)项目(2008AAl22113)资助e-mail,[e-mail]．∞。[e-mail]201Spectroscopyandpuritysubspace90
万方数据

c=沪》+L筝岛否‘_去m(∑ib蛳．。⋯j。。其中，船[i，⋯，刃T。当各特征值丸相等时，矩阵M有m重特征根J：12去。r-五(f)=∑ei,j口J