共查询到20条相似文献，搜索用时 15 毫秒
1.
像元二分模型在MODIS水陆混合像元分解中的适用性研究 总被引：1，自引：0，他引：1
遥感数据是地表水监测的重要数据源,用较低空间分辨率的遥感影像探测地表水范围时,混合像元问题常使水陆边界的提取不够准确。有必要对水陆混合像元进行分解,估算混合像元中水体所占百分比,从而为亚像元级别的水域边界制图奠定基础。借助像元二分模型的概念对水陆混合像元进行分解,验证该类模型的适用性。首先,以中分辨率成像光谱仪影像为数据源,分别基于归一化水体指数(normalized difference water index, NDWI)和改进的归一化水体指数(modified normalized difference water index, MNDWI)建立像元二分模型,对云南省高原湖泊进行水域提取及边界混合像元分解;然后,用同期更高空间分辨率的Landsat数据对提取结果进行验证。结果表明,像元二分模型在对水陆混合像元的分解中具有较好的适用性,其中,基于NDWI的像元二分模型精度略高于基于MNDWI的模型。 相似文献
2.
3.
4.
5.
针对无约束最小二乘混合像元分解算法提取地物端元丰度出现的局限性问题,通过野外实地采集的地物光谱数据建立研究区典型的地物波谱库,以Landsat OLI影像作为主要数据源,在经过Gram-Schmidt(GS)影像融合的基础上,利用纯净像元指数(PPI)及基于几何顶点的端元提取技术提取研究区典型地物端元,最后通过完全约束的最小二乘混合像元分解算法完成对研究区典型地物端元丰度的提取。结果较好地解决了无约束最小二乘混合像元分解算法提取的端元丰度信息出现负值的情况,并且提高了典型地物丰度信息提取的精度。完全约束最小二乘混合像元分解算法的RMSE误差均控制在0.174 913左右,在很大程度上提高了混合像元分解精度及实用性。 相似文献
6.
纯净像元指数改进的N-FINDR高光谱端元提取算法 总被引：2，自引：0，他引：2
为了有效解决遥感影像中普遍存在的混合像元导致遥感影像定量解译精度低的问题,对两种不同混合像元端元提取算法进行了比较分析。纯净像元指数算法随着迭代次数的增加时间效率大大降低,而经典的N-FINDR算法初始端元数目选择的任意性会导致像元解混的精度不一,因此本文提出了一种基于纯净像元指数改进的N-FINDR算法。改进的N-FINDR算法相较于传统的N-FINDR算法能够准确构建候选端元集合并求得最优解。该算法结合高光谱影像数据的特点,首先利用纯净像元指数求取备选端元数目;然后以此为基础运用经典的N-FINDR算法求解最大的单形体顶点,将求解后顶点作为纯净像元,并完成丰度反演;最后使用ENVI产品中自带的经过大气校正的航空高光谱数据cup95eff.int对算法进行验证。试验结果表明,以纯净像元指数改进的N-FINDR算法在整体精度方面优于传统的N-FINDR算法。 相似文献
7.
高光谱端元自动提取的迭代分解方法 总被引：8，自引：2，他引：8
混合像元线性分解技术是进行高光谱影像处理的常用方法,应用这种方法的一个主要问题是难以有效、自动地确定影像的端元光谱。利用非监督的方法快速自动提取高光谱遥感图像的端元光谱是解决这个问题的主要技术手段。根据迭代误差分析思路,通过对线性混合像元模型分解的误差传播分析后,得到了端元选择的约束条件。结合端元存在的空间信息,自动提取出端元光谱并进行了混合像元分解。利用不同地区、不同传感器的高光谱数据实例测试了该文的方法,分析和讨论了选择迭代初始值与参数阈值的敏感性问题。研究结果表明此方法可以自动提取端元光谱,并且精度较高。 相似文献
8.
利用稀疏促进原理以及高光谱影像端元提取传统算法,结合线性光谱混合模型,提出了一种采用稀疏促进的高光谱影像端元提取方法.该方法不需要预先对端元数量进行估计,也不需要假设影像中存在纯像元.利用模拟数据以及真实高光谱影像对提出方法、ICE算法和NMF算法进行了对比实验分析.实验结果表明:提出方法能稳定地从影像中提取端元并同时... 相似文献
9.
10.
应用时间序列EVI的MERSI多光谱混合像元分解 总被引：1，自引：0，他引：1
针对风云3数据的特点,本文将EVI生长曲线引入多光谱混合像元的分解。首先,利用Landsat8 OLI影像,采用支持向量机的分类方法,提取研究区域的耕地信息,利用该信息对风云MERSI数据进行掩膜处理,获得研究区域的耕地影像。接着,利用MERSI时序影像,计算像元EVI值,通过SG滤波,构建农作物(端元)和混合像元的EVI生长曲线。通过实地调查,获取研究区的农作物端元,尤其对主要的农作物玉米,在空间上均匀选取了14个端元。然后,采用传统的方法,将14种玉米端元生长曲线分别与其它端元组合,进行混合像元分解。发现分解的效果差异很大,提取的玉米种植面积从191.90 km2到574.83 km2不等。为提高分解精度,借用光谱匹配(光谱夹角最小)的方法(用生长曲线代替光谱曲线)自适应选择与混合像元EVI曲线最相似的玉米端元作为组合端元,进行混合像元分解。结果得到玉米的种植面积为589.95 km2,比传统方法的最好(相对)精度提高了2%。 相似文献
11.
高光谱图像中混合像元的存在直接影响基于遥感影像的地物识别精度,光谱解混算法可以有效地解决混合像元问题.最小体积限制的非负矩阵分解算法(MVC-NMF)不需要假定纯像元的存在;并且在自动提取端元的同时,能够获取每种端元所对应的丰度图;然而该方法并没有考虑丰度矩阵的稀疏特性.提出了将平滑L0模稀疏约束引入MVC-NMF算法中,用于进一步提高算法的精度.实验结果表明:改进后的算法在相同的实验环境条件下比MVC-NMF算法解混的精度更高. 相似文献
12.
13.
在对太湖、巢湖等大型湖泊进行业务化蓝藻水华遥感监测工作中,常以250 m空间分辨率的MODIS数据为主,但其像元多为水体和水华的混合像元,若用常规方法进行水华面积提取,势必会严重影响水华监测的精度和实际应用效果。针对上述问题,基于混合像元分解原理,通过混合像元分解得到水华组分在混合像元中的丰度(百分比),实现亚像元级的水华面积提取。该方法可直接根据图像的DN值进行水华面积提取,无需对数据进行辐射校正和大气校正等预处理。与常规水华提取法相比,该方法的水华面积提取精度提高了近30%。 相似文献
14.
基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较 总被引：1，自引：1，他引：0
混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。 相似文献
15.
传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分,但这并不符合实际情况。实际上图像中大多数混合像元仅由少部分端元混合而成。由于端元提取精度及噪声的影响,采用全部端元对混合像元进行分解,会使得混合像元中实际并不存在的端元的丰度估计值不为零,分解结果存在较大误差。由于混合像元大多存在于不同地物的交界处,基于此,本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法。利用一个空间结构元素,从混合像元的附近邻域开始搜索,将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比,并确定混合像元的端元子集进行分解。根据RMSE大小和变化情况,逐步扩大结构元素的大小,不断调整搜索范围,直至得到最优端元组合。模拟数据和真实数据的试验结果表明,该方法相比传统的全端元光谱分解方法,在总体上获得了更好的分解效果。 相似文献
16.
高光谱遥感图像光谱分辨率高、波谱连续、图谱合一,这为精细地物分类、探测和识别提供了数据基础。然而,由于高光谱遥感图像空间分辨率的局限性及地物场景的复杂分布,混合像元普遍存在于高光谱遥感图像。混合像元是高光谱遥感图像精细信息提取与分析中的难点。解决混合像元问题,实现亚像元级信息的提取与分析是近年来高光谱遥感图像解译的热点和前沿。本文系统梳理了高光谱遥感图像亚像元信息提取的主要研究内容,具体从混合像元分解、亚像元制图及亚像元目标探测3个研究方向综述了经典方法,并对国内外相关方向的研究进展、发展前沿及主要挑战进行了分析与评价,最后分析讨论了高光谱遥感图像亚像元信息提取研究在模型构建、优化求解及与应用结合等方面的研究趋势及方向。 相似文献
17.
Sentinel-2A与Landsat 8O LI逐像元辐射归一化方法研究 总被引：1，自引：0，他引：1
考虑不同传感器光谱响应函数差异及不同地物类型反射率光谱的差异,提出了一种逐像元辐射归一化方法,并以2017年7月17日内蒙古达里诺尔湖地区准同步过境的Sentinel-2A及Landsat 8数据为例,对两类数据可见-近红外波段（VNIR）地表反射率结果进行归一化。首先采用Sen2cor方法及NASA官方提供大气校正算法,分别对Sentinel-2A及Landsat 8 OLI影像进行大气校正并重采样到同一空间分辨率;然后基于光谱库计算匹配因子并构建图像与光谱库之间的匹配转换模型,实现像元尺度上从Sentinel-2影像到Landsat 8影像地表反射率相似波段之间的转换。结果表明,经逐像元归一化的影像相比原始影像及经HLS光谱归一化的影像,与Landsat 8 VNIR波段的相关性明显提高,辐射一致性增强。该转换模型为多源中高分辨率遥感图像高精度辐射归一化提供了新思路。 相似文献
18.
北京地区HJ-1卫星CCD数据的气溶胶反演及在大气校正中的应用 总被引：1，自引：1，他引：0
与现有的大气卫星传感器相比,环境一号卫星(HJ-1)CCD相机具有较高的空间分辨率(30m),使得在城市地区找到光谱纯像元的机率大大增加。本文提出一种基于纯像元提取的城市地区气溶胶光学厚度(AerosolOpticalDepth,AOD)反演算法,利用像元纯净指数来提取CCD影像上的纯像元,并由HJ-1A星和B星的多时相CCD观测数据结合地表双向反射率模型确定纯像元的地表反射特性,在此基础上反演AOD。与AERONET地基测量数据的对比表明,该算法具有较高精度,相关系数为0.83,线性拟合斜率为1.091,截距为0.053。基于该方法的AOD反演结果作为输入,能较大程度提高HJ-1卫星CCD影像大气校正的精度。 相似文献
19.
基于混合像元分解的水体遥感图像去云法 总被引：6，自引：0，他引：6
大型内陆水体的遥感图像中往往存在着不均匀薄云或者是气溶胶的影响，由于种种原因，传统的大气辐射校正算法无法消除这种不均匀影响，这就给遥感图像的大气校正带来了很大困难。由于水体属于低反射率地物，这种薄云或者气溶胶的不均匀性带来的误差，极大地降低了水体遥感图像的信噪比，进而影响水体信息遥感提取精度。根据部分太湖地区的遥感图像和地面实测数据，作者以一种新的思路来尝试解决这个问题。该方法充分考虑了水气环境的特点，把水体像元光谱看作水、污染物和气溶胶（薄云）等光谱的混和。基于混合像元模型，该方法有效地消除了薄云和气溶胶的影响，可使我们通过遥感手段更加精确地提取水质信息。 相似文献