文献类型：期刊文章

作　　者：段金亮[1] 张瑞[1,2] 李奎[1] 庞家泰[1]

Duan Jinliang;Zhang Rui;Li Kui;Pang Jiatai(Faculty of Geosciences and Environmental Engineering,Southwest JiaotongUniversity,Chengdu 611756,China;State-Province Joint Engineering Laboratory of Spatial Information Technology of High-Speed Rail Safety,Chengdu 611756,China)

机构地区：[1]西南交通大学地球科学与环境工程学院测绘遥感信息系,四川成都611756 [2]西南交通大学高速铁路运营安全空间信息技术国家地方联合工程实验室,四川成都611756

出　　处：《遥感技术与应用》

基　　金：高分辨率对地观测重大专项航空观测系统(30⁃H30C01⁃9004⁃19/21);四川省科技计划(2018JY0564)。

年　　份：2021

卷　　号：36

期　　号：4

起止页码：820-826

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统的光谱分解算法忽略了影像在不同波段的不同噪声水平,导致分解精度提高受限。为克服这个问题,以高光谱影像为基础,提出了一种基于噪声水平估计的扩展线性光谱分解算法(NELMM)。首先,根据高光谱应用中的多元回归理论,估计相邻波段的噪声;其次,从估计噪声中获得噪声权重矩阵;最后,将噪声权重矩阵引入到线性混合像元的框架中,可以减轻不同波段噪声水平的影响。为验证算法精度,利用全约束最小二乘法(FCLS)和协同稀疏分解算法(CLSUnSAL)来进行对比分析,并通过此算法反演TM影像的植被覆盖度来验证其在多光谱影像上的实用性。结果表明:NELMM算法对高光谱影像分解的结果比FCLS和CLSUnSAL好,其噪声权重矩阵很好地平衡了波段间的噪声,使NELMM算法分解影像的精度显著提高;同时,此算法对多光谱影像分解呈现很好的适用性。

关 键 词：高光谱影像 植被覆盖度 噪声权重矩阵  多光谱影像 扩展线性光谱分解  

分 类 号：TP75]