论文部分内容阅读
高光谱遥感在国内外的遥感领域的发展中占有重要的地位。高光谱遥感是指具有高光谱分辨率的遥感科学与技术，其依赖的基础是测普学(spectroscopy)，由于其具有很高的光谱分辨率，因此能够提供更丰富的地球表面信息，并受到了遥感应用领域的广泛关注。高光谱遥感给遥感界带来了巨大的变革，它使得原本在宽波段中不可探测的物质在高光谱中探测出来成为现实。
高光谱图像分类与地物识别是遥感技术的主要应用之一。遥感图像记录信息的单位是像元，它记录的是相应的地表物质光谱特征信息。遥感影像中像元对应的地表物质很少是由单一均匀的地表覆盖类组成的，一般都是几种地物混合而成。因此影像中像元的光谱特征并不是单一地物的光谱特征，而是几种地物光谱特征的混合反映，这给遥感应用的精度带来了很大影响。混合像元无论直接归属到哪一种典型地物，都是错误的，因为它至少不完全属于这种典型地物。如果每一混合像元能够被分解成它的覆盖类型组分（通常称为端元组分），并求出每种组分占像元的百分含量，分类将更精确，因混合像元的归属而产生的错分、误分问题也就迎刃而解，我们把这一处理过程称之为混合像元分解。
混合像元问题不仅是遥感技术向定量化深入发展的重要障碍，而且也严重影响计算机处理的效果或计算机技术在遥感领域中的应用。大多数遥感影像分类算法并不考虑这一现象，只是利用像元光谱间的统计特征进行像元分类。混合像元分解技术考虑了这一现象，不仅能给出组成像元各地表覆盖类的丰度，而且能给出分类的图像。现在比较常用的混合像元分解算法很多比如最小二乘法，单形体体积法等，本文将对几种常用的算法进行深入的分析与实现，并完成实验数据的测试与分析工作。