| 基于深度学习的高光谱遥感图像混合像元分解研究综述 |
| |
| 引用本文： | 苏远超,许若晴,高连如,韩竹,孙旭.基于深度学习的高光谱遥感图像混合像元分解研究综述[J].遥感学报,2024(1):1-19. |
| |
| 作者姓名： | 苏远超 许若晴 高连如 韩竹 孙旭 |
| |
| 作者单位： | 1. 西安科技大学测绘科学与技术学院;2. 中国科学院空天信息创新研究院计算光学成像技术院重点实验室;3. 中国科学院大学 |
| |
| 基金项目： | 国家自然科学基金(编号:42001319,62161160336)；;陕西省教育厅科研计划项目(编号:21JK0762)；;教育部产学研合作协同育人项目(编号:220802313200859)~~； |
| |
| 摘 要： | 高光谱遥感是以成像光谱学为基础发展起来的一项综合性遥感技术，它能够同步记录成像区域内地物的空间信息和光谱信号，故而也称为“成像光谱遥感”。高光谱遥感所获取的数据称为“高光谱遥感图像”，相较于传统的遥感数据，高光谱遥感图像具有光谱分辨率高和“图谱合一”的特点，目前已成为遥感工程应用中的重要支撑数据之一。然而，受空间分辨率限制，混合像元（即某一像元内包含多种类型的地物）问题始终限制着高光谱遥感在精细化地物信息提取工作中的作用。混合像元分解（“解混”）是现阶段处理混合像元问题最有效的分析方法，旨在从亚像元角度出发，获取像元中纯净的光谱信号（“端元”），并分析出各类端元在像元内所占的比例（“丰度”）。在遥感领域，为实现地物信息精细化解译，目前已发展出不同类型的解混方法，在一定程度上解决了混合像元问题对遥感定量化分析的制约。如今，随着深度学习的发展，越来越多的先进理论和工具被用于处理混合像元问题，发展出了一类基于深度学习的新型解混方法。这些新方法以光谱混合模型为桥梁，用深度学习方式来解译光谱混合现象。相比于传统的解混方法，基于深度学习的解混方法在隐藏信息的挖掘和利用方面更具优势，对先验知识依赖程...
|
| 关 键 词： | 高光谱遥感 混合像元分解 深度学习 机器学习 深度神经网络 遥感图像处理 遥感智能解译 亚像元解译 |
|
|
