高光譜圖像包含豐富的空間信息和光譜信息，針對(duì)全色或多光譜圖像的信息提取方法不適合高光譜圖像的處理，因此，需要根據(jù)高光譜遙感的機(jī)理和圖像的特點(diǎn)，發(fā)展新的信息提取模型與方法。高光譜圖像波段多、數(shù)據(jù)量大，而且混合像元問(wèn)題較為嚴(yán)重，且同物異譜影響明顯，這都是信息提取研究需要解決的關(guān)鍵問(wèn)題。

當(dāng)一個(gè)像元對(duì)應(yīng)的瞬時(shí)視場(chǎng)內(nèi)存在多種不同地物類型，該像元的光譜特征則由這些地物的光譜信息共同構(gòu)成，由此產(chǎn)生了混合像元現(xiàn)象。由于遙感器空間分辨率的制約，高光譜圖像中普遍存在混合像元問(wèn)題，這是制約分類精度提高和目標(biāo)探測(cè)準(zhǔn)確率的重要因素。

高光譜遙感成像示意

1、像元的概念

純像元 (Pure Pixel):若一個(gè)像元對(duì)應(yīng)的地面區(qū)域內(nèi)只包含一種純地物類型。此像元記錄的信息就是該純地物的光譜響應(yīng)特征或光譜信號(hào)。

混合像元(Mixed Pixel):若一個(gè)像元對(duì)應(yīng)的地面區(qū)域內(nèi)包含兩個(gè)或更多純地物類型此像元記錄的信息是區(qū)域內(nèi)全部純地物光譜信息(也稱為端元)的綜合疊加。

純像元與混合像元

混合像元形成的機(jī)理:在一個(gè)瞬時(shí)視場(chǎng)內(nèi) (IFOV)，有多種物質(zhì)成分存在的空間混合;在一個(gè)瞬時(shí)視場(chǎng)內(nèi)，由于地形和物體陰影引起的照度差異;不同像元之間的交叉輻射;大氣傳輸過(guò)程中的混合效應(yīng);遙感儀器本身的混合效應(yīng)。

2、混合像元分解方法

光譜圖像的混合像元分解有兩個(gè)基本目的：確定組成混合像元的基本地物和計(jì)算各個(gè)基本地物在混合像元中所占比例。前者稱為端元提取(endmember extraction)，后者稱為豐度反演(abundance inversion)。這兩者是實(shí)現(xiàn)混合像元分解的核心步驟。為了實(shí)現(xiàn)混合像元分解，需要利用數(shù)學(xué)模型描述混合像元形成的物理過(guò)程。根據(jù)對(duì)物理過(guò)程抽象程度的不同，高光譜圖像光譜混合模型可以分為線性光譜混合模型LSMM(Linear Spectral Mixing Moldel)和非線性光譜混合模型NLSMM(Nonlinear Spectral Mixing Model)。地物的混合和物理分布的空間尺度大小決定了非線性的程度，大尺度的光譜混合通常被認(rèn)為是一種線性混合，而小尺度的物質(zhì)混合則是非線性的。

LSMM和NLSMM模型一般都是將端元光譜作為單條曲線進(jìn)行處理，忽略了端元光譜存在的變異性。光譜變異對(duì)混合像元分解影響的研究中，比較代表性的工作有兩方面：一是在已有的線性混合模型基礎(chǔ)上考慮光譜變異，用一個(gè)有限的光譜集合代表端元可能發(fā)生的各種變異情況。另一個(gè)是擴(kuò)展現(xiàn)有的模型，對(duì)光譜變異程度進(jìn)行建模，例如正態(tài)組分模型，它用概率來(lái)描述光譜的不確定性，將端元視為一個(gè)呈給定概率分布的隨機(jī)變量。該方法利用特定參數(shù)來(lái)表示端元光譜變異，好處是這種方法在不存在純像元的數(shù)據(jù)中也可以估計(jì)端元。

推薦：

無(wú)人機(jī)機(jī)載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無(wú)人機(jī)機(jī)載高光譜成像系統(tǒng)，該系統(tǒng)由高光譜成像相機(jī)、穩(wěn)定云臺(tái)、機(jī)載控制與數(shù)據(jù)采集模塊、機(jī)載供電模塊等部分組成。無(wú)人機(jī)機(jī)載高光譜成像系統(tǒng)通過(guò)獨(dú)特的內(nèi)置式或外部掃描和穩(wěn)定控制，有效地解決了在微型無(wú)人機(jī)搭載推掃式高光譜照相機(jī)時(shí)，由于振動(dòng)引起的圖像質(zhì)量較差的問(wèn)題，并具備較高的光譜分辨率和良好的成像性能。

審核編輯 黃宇