一种稀疏约束的图正则化非负矩阵光谱解混方法

由于受到高光谱遥感图像传感器平台的限制,图像的空间分辨率受到一定影响,这导致高光谱遥感图像的像元通常是多种地物的混合, 也叫做混合像元。混合像元的存在制约了高光谱遥感图像的准确分析和应用领域。采用高光谱解混技术可将混合像元分解为纯净的物质光谱（Endmember, 端元）和每种物质光谱所对应的混合比例（Abundance, 丰度）,为获取更多更精细的光谱提供了可能。这对高精度的地物分类识别、目标检测和定量遥感分析等研究领域具有重要的意义。因此,解混技术成为高光谱遥感图像领域的一个研究热点。基于线性光谱混合模型(linear spectral mixing model, LMM),提出了一种端元丰度联合稀疏约束的图正则化非负矩阵分解（endmember and abundance sparse constrained graph regularized nonnegative matrix factorization, EAGLNMF）算法。该算法通过研究基于非负矩阵分解(nonnegative matrix factorization, NMF)的方法,结合图正则化理论来考虑高光谱数据内部的几何结构,将端元光谱稀疏约束和丰度稀疏约束应用于其中,从而能够对高光谱数据的内部流形结构进行更为有效的表达。首先,构造了EAGLNMF算法的损失函数,采用VCA-FCLS方法进行初始化,然后,设定相关参数,包括图正则化权重矩阵参数、端元光谱稀疏约束因子和丰度矩阵稀疏约束因子,最后,通过推导得到了端元矩阵与丰度矩阵的迭代公式,并且设置了迭代停止条件。该方法不受图像中是否有纯像元的限制。实际上,在现行高光谱遥感传感器平台情况下,高光谱遥感图像中几乎不存在纯像元,因此,EAGLNMF方法为高光谱遥感图像的实际应用提供了一种思路。采用合成的高光谱数据,构造了4个实验来分析该方法的可行性和有效性,实验将该算法与VCA-FCLS,标准NMF及GLNMF等经典的解混算法进行比较,通过光谱角距离(spectral angle distance, SAD)和丰度角距离(abundance angle distance, AAD)这两个度量标准来进行比较。实验1是总体分析实验。在固定的信噪比和固定端元数目的情况下,用以上三种经典方法与EAGLNMF同时进行解混。实验2是SNR影响分析实验。在固定端元数目和不同信噪比的情况下,用这四种方法进行解混。实验3端元数目分析实验。在固定信噪比和不同端元数目的情况下,用四种方法进行解混,并且将结果进行对比。实验结果发现提出的EAGLNMF方法在提取端元精度和估计丰度精度上都更为准确。同时,实验4是稀疏因子分析实验。对端元稀疏约束和丰度稀疏约束之间的影响因子进行分析,实验结果表明引入的端元稀疏约束对于解混结果也具有较好的影响,并且端元稀疏约束和丰度稀疏约束之间的影响因子也对解混结果具有一定影响。最后,将该算法应用于AVIRIS所采集的真实高光谱图像数据,将其解混结果与美国地质勘探局光谱库中光谱进行匹配对比,其提取的平均端元精度相比于其他三种方法要稍好。     

水稻分蘖期无人机高光谱影像混合像元特征分析与分解

开展水稻无人机高光谱解混,获取水稻植株的高光谱反射率信息,对于提高水稻理化参量的反演模型精度具有重要意义。目前大多基于高光谱遥感影像自身数据进行解混,运用算法模型进行高光谱数据解混,将高光谱图像和可见光图像进行优势互补,提出一种基于无人机高清影像与高光谱遥感影像融合的稻田无人机高光谱解混方法,解决单一数据局限性问题,增强光谱数据对地物的描述能力。为了更好的计算端元丰度,将同一目标区的高清数码正射影像与无人机高光谱遥感影像利用经纬度信息进行空间配准,使得不同传感器获得的图片在几何位置上对齐,通过SVM分类器的监督分类方法对可见光的数码正射影像进行地物分类,利用地物分类的结果对应高光谱的一个像元,从而得到一个像元内的端元丰度。设相邻区域内的水体端元是相同的,利用线性解混模型（LSMM）对相邻区域的混合像元进行解混,最终获取水稻高光谱反射率信息。结果表明对两种图片进行空间配准丰富了数据源信息,有利于像元的端元丰度计算,其中水稻端元丰度在70%以上解混效果最好,丰度在50%以上解混效果一般,丰度在30%以下解混效果较差;选择监督分类方法进行地物分类,精度达到99.5%,面向对象方法分类精度为98.2%,监督分类方法优于面向对象分类方法;最终得到的混合像元分解反射率高于原混合像元反射率,减少了水体混合部分对光谱数据的影响,使得分解后水稻的光谱反射率更加准确,为水稻理化参量无人机成像高光谱遥感反演提供更加准确的科学依据。     

基于有效端元集的双线性解混模型

光谱解混是用于定量分析高光谱图像中成分含量的一项重要技术方法,主要包括线性解混模型和非线性解混模型。线性解混模型构造简单,但并未考虑不同成分光子间的相互影响,导致解混结果在很多实际图像上不够精确。常用的非线性混合模型中的双线性解混算法,随着图像中端元数量增加,虚拟端元的数量也随之快速增加,计算精度受到很大的影响。论文报道改进了双线性解混的模型,并提出一种有效端元子集的选择算法。首先结合欧氏距离和光谱夹角,按照与混合像元的距离,将所有端元排序;然后利用排序结果和误差变化情况选择实际参与混合的端元子集。从而降低了未参与特定混合像元混合的端元对解混结果的影响,提高了解混精度。对模拟图像的测试效果证明了该算法可以减小光谱的重构误差,对实际航拍高光谱溢油图像的分析结果也进一步说明了算法的有效性。     

观测角度对岩石热红外光谱解混影响的实验研究

岩石定量遥感是矿产资源探测与地质环境监测的主要手段,光谱解混是岩矿定量遥感的重要方法。在实际应用中,由于卫星对地观测受地形起伏的影响,观测具有一定的角度,导致所测发射率光谱产生变异。但在目前的研究中,解混所采用的矿物端元光谱,是在实验室垂直试样表面观测得到的,忽略了观测角度对发射率光谱的影响,降低了光谱解混精度。因此,有必要将观测角度作为影响岩石光谱解混的因素,研究其对光谱解混精度的影响。首先,将常见的石英、正长石和斜长石矿物表面制作成一般粗糙度,并设计0°~77°共9个观测角度实测发射率光谱,分析观测角度对矿物热红外光谱特征的影响。其次,利用观测角度13°~77°的矿物端元,构建相应角度虚拟岩石光谱,并用0°的矿物端元光谱解混9个观测角度的岩石光谱,分析观测角度对岩石热红外光谱解混的影响。结果表明：(1)在0°~20°范围,观测角度对光谱影响较弱,从30°开始,影响显著。基本规律是：随着角度的增加,光谱吸收深度增加,但各波段处的情况不尽相同。CF特征在观测角度大于50°之后向短波方向移动明显;RF特征处的吸收谷在观测角度大于20°之后显著加深,且谷底位置向短波方向移动;TF特征在观测角度大于40°之后发射率显著降低。表明观测角度的变化,会引起光谱特征的明显变化。(2)在0°~20°范围内,观测角度对光谱解混影响不明显,解混误差小于5%;当观测角度大于20°时,观测角度对光谱解混有显著影响,30°~77°解混误差均大于5%,平均解混误差达到17.2%,解混精度较低。这表明,在基于光谱解混方法进行岩石矿物组分定量反演时,需要考虑观测角度的影响,这对于提高反演精度、准确确定岩石类型具有重要意义。     

有机和无机国画颜料漫反射光谱和吸收光谱特征研究

国画颜料解混一直是古画颜料研究的重要内容,其中光纤反射光谱（FORS）是无损化探测颜料类别的常用手段。通过CCD光纤光谱系统,从光谱线型对国画颜料进行了分类,分别探测了两种有机植物颜料藤黄和胭脂在不同比例混合下的漫反射光谱与吸收光谱,并获取了不同色系无机矿物质颜料混合后的漫反射光谱。分析了单一颜料和混合颜料的光谱特征峰值,运用多元线性回归（MLR）以及一阶导数光谱法（FDS）,通过全波段线性解混获得了各组分颜料的比例。经过实验与理论分析,藤黄与胭脂的漫反射光谱为S型,混合颜料一阶导数光谱中两特征峰的位置分别为536和649 nm,在漫反射光谱中多元线性回归基本适用于该混合颜料的解混并显示出一定的线性规律,但无法精确地解混。而混合颜料的吸收光谱与单色光谱之间存在较好的线性关系,解混误差在5%左右。无机矿物质颜料中的漫反射光谱有S型（石黄和赭石）和钟型（石青和石绿）两种。首先,对于S型（石黄）与S型（赭石）混合颜料漫反射光谱,赭石的一阶导数光谱出现明显的“三峰”现象,并且混合颜料一阶导数光谱在534 nm处出现新的特征峰。多元线性回归理论虽适用于该混合颜料的解混,但由于不同颜料解混的权重因子不同,无法形成较为精准的线性模型。其次,对于S型（赭石）与钟型（石绿）混合颜料的反射光谱需要多元线性回归与导数光谱法共同判断混合比例的基本趋势,该光谱在400～800 nm范围内仅有一个交叉点。最后,利用钟型（石青）与钟型（石绿）混合颜料反射光谱的特征峰位置,即可判断出颜料混合比例的特征,随着混合比例的变化,反射光谱特征峰在457～524 nm出现了明显的横向移动,并且混合颜料光谱的峰值强度有明显的减弱。     

基于端元可变的喀斯特地形复杂区石漠化信息提取

喀斯特山区因地形复杂、地表破碎等特点使得遥感影像中阴影、混合像元及光谱变异现象普遍存在,传统基于多光谱遥感的像元二分法（DPM）在光谱变异和阴影显著的区域难以准确的对喀斯特石漠化（KRD）信息进行提取。采用高光谱遥感的混合像元分解技术可将复杂的混合像元分解为纯净的地物光谱与各地物光谱对应的混合比例,为复杂山区获取更高精度的石漠化信息提供可能。然而,由于光照、环境及大气等诸多因素的变化会引起端元发生不同程度变异,导致在混合像元分解过程中出现显著的误差,其次要从地形复杂、地表异质性强的山区影像上直接获取地物纯净光谱建立用于应对光谱变异的光谱库极其困难。因此,如何在这种情况下应对光谱变异和地形效应,获取有效、准确的对石漠化信息进行提取是当前研究的重点。针对以上问题,采用通过模拟由光照条件造成的地物反射率变化,并考虑每个波长间隔光谱变异情况的广义线性混合模型（GLMM）,以减轻喀斯特地区石漠化信息提取过程中光谱变异与地形效应的影响。首先,从GF-5高光谱影像中提取喀斯特地区主要地物（植被、裸岩、裸土）的典型代表性光谱,然后基于提取的地物光谱模拟不同光照下每个像元光谱的变异情况,选择最适合的光谱组合对像元进行分解,得到最优的解混效果。为了验证方法的可靠性,利用高分辨率影像目视解译的结果作为参考对方法预测结果进行验证,同时选择未考虑端元变异的全限制最小二乘法（FCLSU）和DPM进行对比。结果表明,在地形高度复杂的喀斯特山区,考虑阴影、混合像元及光谱变异是必要的,GLMM在石漠化信息提取中总精度达到了84.89%,明显高于其他两种方法的59.68%和67.34%。通过对光照区和阴影区分别进行精度检验,发现GLMM在光照区与阴影区有着相似的精度表现,而另外两者则差异较大,阴影区明显低于光照区。这反映GLMM能较为有效地减轻地形效应的影响,对喀斯特石漠化信息提取的精度有一定提升。     

基于实测端元光谱的多光谱图像光谱模拟研究

地物光谱特性是遥感应用的基础。然而,在基于野外实测端元光谱的遥感应用中,由于测量尺度不同,导致同一地物光谱形态和反射率值存在很大差异,为遥感信息的定量反演带来困难。文章以新疆塔里木盆地北缘渭干河-库车河绿洲为研究区,选取裸土、植被两类地物作为研究对象,首先通过AVNIR-2传感器的光谱响应函数,实现了将野外实测端元光谱拟合为多光谱离散光谱,通过实例数据表明,拟和的多光谱与AVNIR-2像元光谱具有很好的相关性,在此基础上,采用线性算法建立端元光谱与遥感图像像元光谱的转换模型,实现了从实测端元光谱尺度向遥感多光谱像元尺度的定量光谱转换,为遥感定量分析奠定了一定基础。     

中国古画矿物颜料光谱混合模型初探-以石青和石绿为例

高光谱遥感技术对文物完全无损,适于对中国古画等文物进行颜料的鉴别与分析,但是中国古画中混合颜料不同成分的定量分析仍然是文物颜料分析领域中的难点。针对中国古画中经常出现的混合颜料现象,以石青、石绿两种典型的矿物颜料为例,选用粒度大小相同的两种矿物颜料粉末,按照不同的体积比例精确配比获取颜料样本,然后精确控制实验条件获取其光谱。对混合光谱分别用全约束最小二乘法进行全波段光谱解混,用比值导数解混算法进行单波段光谱解混,然后评定解混精度并对解混结果进行对比分析,探讨这两种矿物颜料的光谱混合模型。实验结果表明,石青、石绿两种矿物颜料的光谱混合从总体上来说非线性混合特征较强,但是在局部某些波段又基本符合线性混合模型,利用这些波段采用比值导数法解混,可以得到远高于全波段解混精度的定量分析结果。     

比值导数法矿物组分光谱解混模型研究

矿物丰度含量的精确分析是高光谱遥感技术定量分析中的难点。将化学领域的比值导数光谱算法进行总结,将其引入遥感反射率光谱分析,提出了基于线性光谱混合模型的比值导数光谱解混模型,并利用石膏和绿帘石粉末混合物进行了模型的精度分析。实验结果表明,矿物粉末混合物在不同波段其光谱混合特性有所不同,其中部分波段有较强的线性混合特征。采用部分强线性混合波段进行光谱解混,可以取得比全波段解混算法更好的结果。比值导数法光谱解混模型简洁,可以得到高精度的矿物成分反演结果,对于固定端元组成的混合光谱定量分析有较大潜力。     

混合像元光谱特征影响因子分析

高光谱遥感能够提高地物识别和分类,通过光谱比较和匹配达到分类识别目的。由于传感器空间分辨率以及地面复杂多样性的差异, 混合像元在遥感图像中普遍存在。混合像元的分解问题是定量遥感应用中的一个突出问题, 如何有效地解译混合像元是遥感应用的关键问题之一。研究了面积比始终为1∶1的两种材料形成的混合像元在不同入射天顶角和不同拓扑位置分布时的高光谱反射比曲线的特征与差异,为混合像元分类精度的提高提供科学依据。     

积雪-荒漠植被及其组合反射光谱特征观测实验及分析

光谱混合机制研究对混合像元解算具有一定指导意义。利用全波段光谱仪累积期和消融期对规则和非规则分布模式下积雪-荒漠植被混合像元及纯净积雪和荒漠植被像元控制式采集反射光谱。K-均值法计算采集影像积雪和荒漠植被面积比并分析其对应混合像元光谱变化特征以获取更加精细的光谱特征信息,准同步Tetracam ADC3(Agricultural Digital Camera 3)采集图像并计算典型指数,从微观尺度上证实了混合像元主要出现在地类边界处。结果发现,1 456～1 697 nm粗粒径冻结雪反射光谱高于新雪反射光谱,新雪反射光谱明显高于陈雪;因冻结覆冰,荒漠植被光谱为积雪、冰晶和植被枝干混合光谱信息,新降积雪覆盖植被光谱特征为积雪和植被枝干的混合光谱信息,不存在常规绿色植被“红边”效应;采集角度为5°和10°时光谱低于垂直角度采集光谱,角度大于10°随角度增加荒漠植被光谱逐渐增大。像元内各个组成物质的面积比及所处像元的位置、采集角度和方向都会影响混合像元的光谱组合信息。     

水体高光谱反演混合光谱空间信息分解模型研究

水体高光谱中的混合效应问题是水体定量遥感中的难点。已有研究表明,仅依赖标量光谱信息难以解决复杂的水体混合光谱问题。广域水体污染物除光谱信息之外,还具有明显的空间分布特性。充分利用其空间维信息,可以作为遥感光谱维信息的有益补充,有利于水体复杂光谱的解混。以巢湖为例,HJ-1A HSI高光谱数据为数据源,辅以水面光谱测量数据,在空间地统计学和遗传算法理论基础上,利用地统计学中的变异函数模拟相邻空间两像元的分布差异,将邻域像元空间变异函数作为遗传算法目标函数的约束条件,建立基于协同克里格遗传算法的湖泊水体高光谱反演混合光谱空间信息分解模型,并对悬浮物浓度反演结果进行检验。结果显示,与常规混合光谱分解模型相比,混合光谱空间信息分解模型对悬浮物浓度的预测值与实测值相关系数为0.82,均方根误差9.25 mg·L-1,相关系数提高了8.9%,均方根误差下降了2.78 mg·L-1,表明该模型对悬浮物浓度具有较强的预测能力。该方法将水体的空间信息与光谱信息有效结合,可以避免水色参数光谱信号弱导致反演结果失真,同时由于高光谱波段多、信息量大,带来信息提取计算量大而复杂等问题,也为复杂水体混合光谱模型的求解和模型反演精度的提高提供了有效途径。     

Hyperspectral unmixing based on ISOMAP and spatial information

Several nonlinear techniques have recently been proposed for classification and unmixing applications in hyperspectral image processing. A commonly used data-driven approach for treating nonlinear problems employs the geodesic distances on the data manifold as the property of interest. Although this approach often produces better results than linear unmixing algorithms, the graph-based method treats an image as a bag of spectral signatures and ignores the relationship between the pixel and its spatial neighbors. To utilize the spatial distribution of pixels and improve hyperspectral unmixing precision effectively, a new method is proposed for incorporating nonlinear dimension reduction and spatial information, using isometric mapping (ISOMAP) to find significant low-dimensional structures hidden in high-dimensional hyperspectral data. Spatial information is also introduced into the traditional spectral-based endmember search process. A fully constrained least-squares algorithm is used to evaluate the abundance of each endmember. The experimental results for actual images reveal that the performance of the proposed method obtains much better unmixing results than the classical N-FINDR and ISOMAP algorithms.     

高光谱遥感图像光谱解混的独立成分分析技术

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量,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,导致了独立成分分析的局限性。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,通过设计角度修正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。     

雪-土混合像元微观/宏观尺度光谱混合机制差异分析

为探索微观和宏观尺度下混合像元光谱混合机制的差异,在人工设置试验环境下,以人工制作雪-土混合像元表征微观尺度混合像元,固定全波段光谱仪探头距离,完成不同面积比的雪-土混合像元和雪、土端元反射光谱的采集,并对采集得到的光谱数据进行全波段反射光谱、350～2 500 nm归一化反射光谱和剔除噪声后350～1 815 nm再归一化反射光谱数据定性定量分析。同时,分析同期MODIS和环境与灾害监测卫星B星(HJ-1B CCD/IRS)影像中可见光、近红外和短波红外通道反射率相关性及MODIS影像中雪-土混合像元光谱与端元光谱的关系。结果表明;(1)微观尺度时,全波范围内混合像元反射光谱与端元光谱存在非线性关系,分波段范围内存在线性关系;(2)宏观尺度时,可见光范围内,CCD 1,2,3通道与MODIS 3,4,1通道相关系数在0.76～0.89间;短波红外范围内,IRS通道2与MODIS通道6相关系数为0.35。(3)MODIS影像中雪-土混合像元光谱与端元光谱关系为混合像元与雪端元光谱间正线性相关,与裸土端元光谱负线性相关。