光谱解混[整理版]

更新时间:2023-06-17 08:53:06 阅读: 评论:0

光谱解混定义:
雾霾对人体的危害有哪些>李娜是哪里人Spectral unmixing is the procedure by which the measured spectrum of a mixed pixel is decompod into a collection of constituent spectra,or endmembers,and a t of corresponding fractions,or abundances,that indicate the proportion of each endmember prent in the pixel.【spectral unmixing,2002】
光谱混叠产生原因:
First, if the spatial resolution of a nsor is low enough that disparate materials can jointly occupy a single pixel, the resulting spectral measurement will be some composite of the individual spectra. This is the ca for remote nsing platforms flying at a high altitude or performing wide-area surveillance, where low spatial resolution is common. Second, mixed pixels can result when distinct materials are combined into a homogeneous mixture. This circumstance can occur independent of the spatial resolution of the nsor.
光谱混合模型:
混合像元分解模型可以分为两类,即线性光谱混合模型( LSMM,Linear Spectral Mixture Model) 和非
线性光谱混合模型( NLSMM,Nonlinear Spectral Mixture Model) LSMM假定像元光谱是各组分光谱的线性组合,而NLSMM则认为像元光谱是各组分光谱按照非线性关系综合而成的。Nirmal Keshava对线性混合光谱和非线性混合光谱的产生机理和适用范围进行了深入研究和探讨
(1)线性混合
【spectral unmixing,2002】
【Hyperspectral Unmixing Overview-Geometrical,Statistical,and Spar Regression-Bad Approaches,2012】
最好的我们大结局(2)非线性
光谱解混主要需要解决的问题:
确定端元的数目、种类,计算每种端元在在混合像素中所占比例(丰度)
光谱解混流程:
线性光谱混合模型的基本流程主要包括数据预处理(Data Preprocessing)、端元提取(Endmember Extraction)、丰度估计(Abundance Estimation)、精度评价(AccuracyAsssment)等几个环节。其中,端元提取和丰度估计是该流程的两个关键环节,特别是端元提取的结果在一定程度上直接决定了混合像元分解结果的精度。人生贵在坚持
【Incorporating spatial information in spectral unmixing- A review,2014】瞠目结舌
数据预处理
大气校正:为了减弱大气衰减和光散射的影响,将辐射强度转换为反射率,从而可以反应地物目标的固有属性
数据降维:主要由于高光谱数据各波段之间的相关性,并且端元数目一般远小于波段数),主成分分析、最小化噪声分离
解混过程主要包含两部分:端元选择和丰度估计。电脑重置怎么弄
买蜂蜜端元的选择一般采用两种方法:从影像中直接获取和从光谱库中或野外实测获取。从光谱库中获取端元光谱面临一些难题:①对应研究区域的波谱库较难获取;②必须将灰度图像转化为反射率图像;③端元选择不唯一;④由于实际影像受大气、地形等的影响,光谱库中获取的端元与光谱数据中的真实端元存在较大差别,即使对光谱图像数据进行各种纠正进一步消除这些因素的影响,也不会与光谱库数据或野外实测光谱很好地吻合。因此,从影像中直接获取端元光谱是目前端元提取的主要途径,其优点是:①获取的端元与影像数据具有相同的度量尺度,能更准确地代表区域内的地物;②简单易行,精度较高,能够满足实际应用怜惜

本文发布于:2023-06-17 08:53:06,感谢您对本站的认可!

本文链接:https://www.wtabcd.cn/fanwen/fan/89/1042255.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

上一篇:光谱解混
下一篇:因子分析方法
标签:光谱   混合   数据   获取   端元   模型   图像
相关文章
留言与评论(共有 0 条评论)
   
验证码:
推荐文章
排行榜
Copyright ©2019-2022 Comsenz Inc.Powered by © 专利检索| 网站地图