[发明专利]一种高光谱图像非线性光谱混合模型及地质填图应用研究

说明书

技术领域

本发明属于高光谱遥感影像处理技术领域，具体为一种高光谱遥感影像光谱解混方法。

背景技术

20世纪80年代兴起了新型的对地观测技术-高光谱遥感技术。它把人们研究地表信息的能力由陆地推向太空，拓宽了人们的研究视野，极大地提高了人们宏观、准确、及时、综合地对地观测与监测能力。成像光谱技术把遥感波段从几个、几十个推向数百个、上千个，其覆盖的光谱范围也从可见近红外、短波红外，逐步向紫外和中红外拓展。高光谱遥感数据每个像元可以提供几乎连续的地物光谱曲线，使人们利用高光谱反演陆地细节成为可能。其应用领域已涵盖地球科学的各个方面，在地质找矿和制图、大气和环境监测、农业和森林调查、海洋生物和物理研究等领域发挥着越来越重要的作用。高光谱遥感技术已经成为当前遥感领域的前沿技术。

然而，在遥感成像系统、高光谱遥感成像光谱仪的设计中，光谱分辨率和空间分辨率是不可兼得的(参考对比文件1)。高光谱遥感光谱分辨率高，一般小于10nm，这使得其空间分辨率较低。较低的空间分辨率导致混合像元大量存在，纯净像元相对较少，给数据处理如精准匹配、光谱解混和目标检测与识别等技术带来了巨大的困难。

针对高光谱图像中混合像元大量存在的问题，混合像元分解技术应运而生。其目的是求解各种不同物质(即端元)在混合像元中所占的比例(丰度)。高光谱图像混合像元分解一般称为光谱解混(Spectral Unmixing)，因为高光谱图像混合像元的光谱为各个纯像元光谱以某种方式的混合。在进行混合像元分解之前需要进行端元提取，以确定各种纯像元的光谱信息，再利用各端元的光谱信息确定其在混合像元内的比例。

从理论上讲，光谱解混首先需要确定光谱混合模型，当前研究最广泛最深入的光谱混合模型是线性光谱混合模型(参考对比文件2)，然而它不能正确反映光谱的混合方式，使得解混精度不高，非线性光谱混合模型能更好的体现光谱混合方式，能得到更精确的解混结果(参考对比文件3)。

对比文件1：马艳华，高空间分辨率和高光谱分辨率遥感图像的融合[J]，红外，2003，10：11-16

对比文件2：Gautam Ghosh，Suresh Kumar and S.K.Saha，“Hyperspectral Satellite Data in Mapping Salt-Affected Soils Using Linear Spectral Unmixing Analysis”，JOURNAL OF THE INDIAN SOCIETY OF REMOTE SENSING，Volume 40，Number 1，129-136，2012

对比文件3：A.Halimi，Y.Altmann，N.Dobigeon，and J.-Y.Tourneret，“Nonlinear unmixing of hyperspectral images using a generalized bilinear model，”IEEE Trans.Geosci.and Remote Sensing，49(11)：4153-4162，2011

发明内容

根据地物反射机理，发明一种基于二次散射的高光谱遥感影像非线性光谱混合模型，该模型考虑了光子在地物间发生二次散射作用，模型如下：

y＝c(Ma)+d(Ma)²+n

c+d＝1，c≥0，d≥0

0≤ai≤1,Σi=1Rai=1]]>