小波包分解支持下的高光谱混合像元盲分解

提出将小波包辅助下子带分解的独立成分分析用于高光谱混合像元盲分解.利用小波包分解改进独立成分分析技术,并考虑到高光谱数据的特点提出了高光谱混合像元盲分解方法,该方法能克服独立成分分析方法要求端元光谱统计独立带来的问题.利用两组合成数据和三组室内实测数据对本算法进行测试,证明了本算法能较为准确的提取端元光谱波形和端元丰度...     

小波包分解支持下的高光谱混合像元盲分解

提出将小波包辅助下子带分解的独立成分分析用于高光谱混合像元盲分解.利用小波包分解改进独立成分分析技术,并考虑到高光谱数据的特点提出了高光谱混合像元盲分解方法,该方法能克服独立成分分析方法要求端元光谱统计独立带来的问题.利用两组合成数据和三组室内实测数据对本算法进行测试,证明了本算法能较为准确的提取端元光谱波形和端元丰度,其准确度明显优于独立成分分析方法.该方法为高光谱遥感影像的盲分解提供了一条新的途径.     

HJ-1A/1B卫星CCD影像水环境遥感大气校正方法评价研究——以鄱阳湖为例

HJ-1A/1B卫星CCD传感器具有较高的空间、时间分辨率,在内陆湖泊水质遥感定量监测方面有很大潜力,大气校正是制约其应用的关键问题之一。以我国第一大淡水湖——鄱阳湖为研究区域,结合2009年、2011年两次现场实测数据对FLAASH,6S,COST和QUAC四种大气校正结果进行对比分析,并探讨各种大气校正算法对悬浮泥沙浓度反演精度的影响。结果表明:(1)HJ-1A/1B卫星CCD的第1波段在水环境遥感应用时,建议进行重新定标;第2和3波段四种大气校正结果精度相对较高,其中,FLAASH,6S和COST三种大气校正算法精度都较高,QUAC精度偏低,建议在可能的情况下对该算法进行有针对性的改进;(2)FLAASH,6S,COST和QUAC四种大气校正算法第2和3波段比值结果与实测数据吻合度最好,平均相对误差分别为8.2%,9.5%,7.6%和11.6%,因此建议在鄱阳湖水域尽量采用第2和3波段比值作为反演因子;(3)以四种大气校正结果为基础,与悬浮泥沙浓度直接建模,结果发现,四种模型反演精度均比用实测遥感反射率与实测悬浮泥沙浓度建立的模型反演结果要高,FLAASH,6S和COST三种算法反演所得悬浮泥沙浓度精度都较高,平均相对误差分别为:10.0%,10.2%和8.0%;QUAC略差,平均相对误差为18.6%。建议在泥沙浓度反演时采用大气校正结果与悬浮泥沙浓度直接建模,可以有效降低利用实测光谱数据建模引起的大气校正误差的累积效应;(4)在精度要求不是特别高的前提下,四种大气校正算法都可以采用,但综合算法复杂程度、精度、稳定性等多种因素,在辅助信息不全的情况下,COST大气校正算法更值得推荐。