线性混合模型的光谱解混算法综述

被引：7

作者：

李二森 ^{[1
]}

张保明 ^{[1
]}

宋丽华 ^{[1
]}

余文杰 ^{[1
]}

唐德瑾 ^{[2
]}

机构：

[1] 信息工程大学测绘学院

[2] 部队

来源：

测绘科学 | 2011年 / 36卷 / 05期

关键词：

混合像元; 光谱解混; 线性混合模型; 端元;

D O I：

10.16251/j.cnki.1009-2307.2011.05.008

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

混合像元的存在不仅影响了基于高光谱图像的地物识别和分类精度,而且已经成为遥感科学向定量化发展的主要障碍。目前的混合像元分解算法大多采用线性混合模型,其关键步骤为端元提取。文中从线性混合模型的定义出发,总结了近年来提出的端元提取算法,并重点对SMACC、VCA、SGA等算法进行了深入的分析,最后总结了混合像元分解的发展趋势。

引用

页码：42 / 44

页数：3

共 5 条

[1]

高光谱数据降维及端元提取.[D].刘锋.北京理工大学.2008, 09

[2]

非监督的高光谱图像解混技术研究.[D].贾森.浙江大学.2007, 07

[3] 基于线性混合模型的端元提取方法综述 [J].

陈子玄 ;

武文波 .

测绘科学, 2008, (S1) :49-51

[4] 基于线性混合模型的高光谱图像端元提取 [J].

薛绮 ;

匡纲要 ;

李智勇 .

遥感技术与应用, 2004, (03) :197-201

[5]

The successive projec-tion algorithm (SPA);an algorithm with a spatial constraint for the automatic search of endmembers in hyperspectral data..Zhang J K;Rivard B;Rogge D M;.Sensors.2008, 08

← 1 →