1
引
言
键步骤。纯净像元通常被称之为 / 端元0 ( Endmem2 ber) 。端元可以来源于光谱库 , 也可以直接取于图 像 , 但是来源于光谱库的端元没有考虑地面测量、 光 照和大气条件对光谱特征的影响, 光谱数据库中的 光谱和航空或卫星遥感数据几乎是不可能在完全相 同的条件下取得的, 因此这种方法还存在一定的不 足 。相比而言, 直接来源于图像中的端元与实际 图像有相同的获取条件 , 受同等外界因素的影响 , 能 更贴切地反应光谱特性 , 是常用的端元提取方法。
遥感信息
理论研究
2010. 4
别相似度采用欧氏距离或光谱角。 ( 5) 选出剩余 S21 类与第一类最不相似的一类 记为第二类, 可以采用欧氏距离或光谱角作为相似 性度量的依据。在剩余 S22 类中选出与第一类、 第 二类最不相似的一类记为第三类 , 这里可以利用求 剩余 S22 类中各类分别与第一类、 第二类的欧式距 离之和的大小来判断, 距离最大就认为它们最不相 似。依次类推寻找其他所需类别。 ( 6) 确定所选类别之后, 将每一类别向量排序并 与其类别均值向量进行比较, 进而选择均值向量附 近的纯净像元作为提取的端元。 以上操作按所设计的流程利用 IDL 编程实现 , 最后以文本文件 ( ASCII 码 ) 将算法所选择的纯净像 元输出, 作为混合像元分解的端元或监督分类的训 练样本。 算法中用到欧式距离的判别:
p
4
实验与分析
4. 1 实验数据 实验所用数据是由 863 计划信息获取与处理主 题提供的北京 中关村地区 OMIS 高光 谱遥感影像 数据, OMIS 数据在可见光 / 近红外/ 短波红外/ 热红 外 0. 46 Lm~ 12. 15 Lm 的所有 大气窗 口上设 置了 128 个光谱波段。考虑到 OMIS 许多波段都受到了 条带噪音的干扰, 本文采用其中前 50 个波段进行处 理 , 光谱范围为 0. 45Lm~ 1. 09Lm, 如图 3 所示, 图 像大小为 200 列 @200 行。
遥感信息
理论研究
2010. 4
一种高光谱遥感影像端元自动提取方法
王晓玲 ¹ , º , 杜培军 ¹ , º , 谭琨 ¹ , 曹文 ¹
( ¹ 中国矿业大学国土资源与灾害监测国家测绘局重点实验室 , 徐州 221116; º 中国矿业大学江苏省资源环境信息工程重点实验室 , 徐州 221116)
摘要: 针对人工样本选择和端元提取存在的不确定性 和工作 量大等缺 点, 提出 一种集成 非监督 分类、 纯净 像 元指数计算、 线性光谱混合模型和凸面单形体理论的自动端元提取算法, 能够有效地 提取端元用 于高光谱遥感 影 像分类和混合像元分解。利用北京昌平地区的 OMIS 高光谱遥感数据进行了验 证, 结果表明算 法可行有效, 自 动 化程度较高, 作为训练样本进行分类能够获得较高精度, 优于常规方法。 关键词: 线性混合模型; 凸面单形体; 端元 doi: 10. 3969/ j. issn. 1000- 3177. 2010. 04. 002 中图分类号: TP79 文献标识码: A 文章编号: 1000- 3177( 2010) 110- 0008- 05
An Automatic Endmember Extraction Algorithm from Hyperspectral Image
WANG Xiao2 ling ¹ , º , DU Pei 2 jun ¹ , TAN Kun ¹ , CAO Wen ¹ ( ¹ China Univer sity of Mining and T echnology , key labor a tory f or land Envir onment a nd Disaster Monitor ing of SBS M, Xuz hou 221116 ; º China univer sity of Mining and Techology , J ia ngsu key l abor ator y of Resour ces a nd Envir onment I nf orma tion Engineeing, Xuzhou 221116 ) Abstr act: An automat ic endmember extraction algorit hm is pr oposed based on unsuper vised classification, pixel pur ity in2 dex, liner spectra l mixing model and simplex of convex geometr y concepts. This pr oposed algorit hm can avoid the effects of un2 cert ainty, heavy wor kload and other shortcomings of existing artif icial sampling procedures. The approach is experimented by an example of OMIS hyperspectral image, and the experimental result indicates that the algorithm is effective and has high degree of automation. Key words: liner spectral mixtur e model; convex simplex; endmember
[1]
高光谱遥感影像波段多、 信息量大 , 提供更丰富 的地物信息, 利用高光谱进行目标检测、 影像分类和 参数反演是当前遥感科学技术领域的研究热点。由 于传感器的空间分辨率以及地面的复杂多样性 , 混 合像元普遍存在于遥感图像中。有效提取纯净像元 是高光谱遥感影像分类、 目标识别和像元解混的关
收稿日期 : 2009- 09- 14 修订日期 : 2009- 11- 26
基金项目 : 国家 863 高技术研究发展计划项目 ( 2007AA12Z162) 、 教育部高校博士学科点专项基金项目( 20070290516) 和国家自然科 学基金项目( 40401038, 40871195) 。 作者简介 : 王晓玲( 1985~ ) , 女, 山西朔州人 , 硕士研究生, 主要研究高光谱遥感影像处理与应用。 E 2 mail: xiaoling52013@ 126. com 。
)
8 )
2010. 4
理论研究
遥感信息
目前 , 端元提取主要是由操作员根据实际影像 的情况主观地进行选择, 受操作员主观意识和经验 的影响, 导致不同操作员选择的端元不尽相同 , 带有 较大的随意性和不确定性。为了克服这些弊端 , 研 究者提出了一系列非监督的技术方法自动寻找端元 光谱。目前比较成功的方法有投影追踪法 ( P P) [ 2] 、 模拟退火算法 ( SAA ) 、 凸锥分析方法 CC 和 N2 [5] FINDR 等等。这些方法都得到了较好的应用 , 但 由于端元光谱的不确定性, 目前仍然还没有任何一 种普遍适用的方法。本文将高光谱图像的光谱特征 与凸面单形体几何特征相结合 , 给出了一种高效的 全自动端元提取和分类算法。
M
RMSE =
M> N 。
b= 1
E e/M
2 b
( 4)
为采用最小二乘法求解各端元所占比例, 要求
2. 2 高光谱的凸面单形体理论 Boardman 于 1993 年首先揭示了高光谱数据在 其特征空间呈现单形体的结构[ 7~ 8] , 进而引入了凸 面几何学的分析方法 , 其基本思想是: 高光谱图像中 的每个像元都是 L 维光谱空间中的一个点( L 为高 光谱图像的波段数) , 在误差项 E 很小的情况下 , 满 足上述式 ( 1) 、 式 ( 2) 和式 ( 3) 的所有点的集合正好构 成一个 N21 维空间的凸集 , 而端元点则正好落在这 个凸面单形体的顶点上。
[ 6]
3
算法思路与实现
。公式表示为
N
Q b =
EfQ
i
i= 1
( i, b)
+ eb
( 1)
本文设计的自动端元提取和分类算法用到了非 监督分类算法( ISODAT A, 或 K2Means) 、 P PI 、 凸面 单行体理论以及不同端元之间距离最远理论。 该算法的基本思想如下: 首先通过非监督分类 将原始数据划分为不同的子集, 缩小搜索范围; 然后 根据聚类内离散度从高到低依次选择聚类中最不相 似的几类, 在所选的类别中按所期望的方法选择样 本 , 具体流程图如图 2。该算法的实现步骤如下: ( 1) 对原图像进行非监督分类, 根据具体情况将 原图像分为若干类别 , 这里假设聚类数为 S。这样 就将原图像分成 S 块区域 , 接下来就以区域为单位 进行研究。 ( 2) 计算与聚类形成的各类别相对应的原始数 据中各类别的均值向量 e1 , e2 , , , en 。 ( 3) 利 用 常用 高 光谱 纯 净像 元 提取 方 法 ( 如 ENVI 所 提供 的 MNF ) ) ) P PI ) ) ) N 维可 视 化分 析 ) 提取最纯净、 最可信的一类地物, 并计算这一类 的均值向量 e。 MNF 变换用于判定图像数据内在 的维数 , 分离数据中的噪声 ; PP I 纯净像元指数可以 在高光谱图像中寻找最/ 纯0 的像元 ; N 维可视化分 析可选出数据云团的最外侧纯净像元 ( 端元) , 其中 有一类精度最高。 ( 4) 比较原图像聚类生成的各类别的均值向量 e1 , e2 , , , en 与步骤 ( 3) 提纯的类别的均值向量 e , 判 断哪一类与 e 向量最相似 , 则记为第一类。具体判 ) 9 )
其中 , Q bБайду номын сангаас为波段 b 的反射率; N 为端元数目; f i 为端元 i 在像元内部所占比例; Q ( i, b) 为端元 i 在波段 b 的反射率 ; eb 为模型在波段 b 的拟合误差。同时 f i 需要满足以下 2 个约束条件, 即