江苏龙网

  1. 首页 > 生活 > >

高光谱图像光谱解混技术相关

混合像元的问题在另一个回答中有提到：为什么可以把高光谱图像中的每一个像元光谱作为随机向量，这个随机向量每一维代表什么意思？ - 小虾米的回答 -
请参照。
这里“每类地物还有几个类内光谱”主要就是因为混合像元中一个像元对应的区域内含有两种或更多种特征地物，那么最终一个像元所表现的光谱曲线其实是由多种特征地物光谱信息的叠加而成，这种叠加又可以分为线性混合和非线性的混合方式。
那么高光谱解混的过程就是一个将一个混合像元分解为端元和相对应丰度的问题。
如图所示，一幅城市高光谱影像的一个像元。在这个像元中，主要有土地、道路、水三种地物类型。混合像元分解就是根据影像提供的信息判断出每个混合像元由哪些纯像元、以怎样的方式混合。“哪些纯像元”也就是端元，“以怎样的方式”也就是丰度。也就是把这幅影像中每个这样的混合像元分解成端元m及其对应的比例丰度a的过程。
高光谱图像光谱解混技术相关

高光谱就是一本千夜书，说也说不完。
---------------------------------
谢邀。
可以参考：
Liu, X., W. Xia, et al. (2011). "Anapproach based on constrained nonnegative matrix factorization to unmix hyperspectraldata." Geoscience and Remote Sensing, IEEETransactions on 49(2):757-772.
Seung, D. and L. Lee (2001). "Algorithmsfor non-negative matrix factorization." Advancesin neural information processing systems 13:556-562.
Pauca, V. P., J. Piper, et al. (2006)."Nonnegative matrix factorization for spectral data analysis." LinearAlgebra and its Applications 416(1):29-47.
Miao, L. and H. Qi (2007). Aconstrained non-negative matrix factorization approach to unmixhighly mixed hyperspectraldata. Image Processing, 2007. ICIP 2007. IEEE International Conference on, IEEE.
Jia, S. and Y. Qian(2009). "Constrained nonnegative matrix factorization for hyperspectral unmixing."Geoscience and Remote Sensing, IEEETransactions on 47(1):161-173.

■网友
因为存在同物异谱。
纯净端元是理想假设。
相同地物不同环境不同设备多次测量可能得到不同的光谱信号，
像元解混可以以某一类光谱信号的对应的丰度之和作为某该类物质的丰度。
对于无监督解混（盲源分解），端元提取算法得到的都是没有实际物理意义的虚端元（virtual endmember）吧。
【高光谱图像光谱解混技术相关】 对于半监督解混，光谱库端元一般假设为某类物质的纯净端元，实际情况就复杂了...


    推荐阅读


    上一篇：网易云下载的音乐失效了怎样更好地解决

    下一篇：加多芬靠谱么