混合像元分解模型综述.pdfVIP

维普资讯 缉 埴 遥-c-信息 混合像元分解模型综述 吕长春，王忠武，钱 少猛 (中国科学院遥感应用研究所。北京 9718信箱 100101) 摘要 ：介 绍了五种混合像元分解模型，分别为线性模型、概率模型、几何光学模型、随机几何模型和模糊分析模 型，并对其 中几种常用模型 的优缺点及其适用性进行总结讨论。并对不同模型之间的相似和差异性进行 比较分析。 关键词：遥感；混合像元分解 ；模型 中图分类号 ：TIy751 文献标识码 ：A 文章编号 ：1000—3177(20o3)71—0055—04 光谱特征和它们的面积百分 比(丰度)的函数 ；然而。由于 自 1 前言 然地面的随机属性以及影像处理的复杂性。像元的反射率还 遥感影像中像元很少是 由单一均匀的地表覆盖类组成 取决于除端元的光谱特征和丰度 以外的因素。因此。每种模 的，一般都是几种地物的混合体。因此影像中像元 的光谱特 型的差别在于 ：在考虑混合像元 的反射率和端元的光谱特征 征并不是单一地物 的光谱特征，而是几种地物光谱特征的混 和丰度之间的响应关系的同时，怎样考虑和包含其他地面特 性和影像特征的影响。在线性模型 中地面差异性被表示为 合反映。它给遥感解译造成 困扰。混合像元 无论直接 归属 随机残差；而几何光学模型和随机几何模型是基于地面几何 到哪一种典型地物，都是错误 的，因为它至少不完全属于这 形状来考虑地面特性 的；在概率模型和模糊模 型中。地面差 种典型地物。如果每一混合像元能够被分解而且它 的覆盖 类型组分 (通常称为端元组分)占像元的百分含量 (丰度)能 异性是基于概率考虑的。例如通过使用散点图和最大似然法 之类 的统计方法 1【l。 够求得的话。分类将更精确。因混合像元的归属而产生 的错 就所有的模型而言，混合像元的反射率和端元 的光谱特 分、误分 问题也就迎刃而解。这一处理过程称之为混合像元 征都是必需的参数。此外，对于几何光学模型和随机几何模 分解 。 混合像元 问题不仅是遥感技术 向定量化深入发展的重 型，还需要地物的形状参数、地物的高度分布、地物的空间分 要障碍 ，而且也严重影响计算机处理 的效果或计算机技术在 布、地面坡度、太阳入射方 向以及观测方向等参数。 每种模型反演得 出的结果主要是每个像元 中各个端元 遥感领域中的应用。大 多数遥感 影像分类算 法并不考虑这 一 组分的丰度。然而，对于几何光学模型和随机几何模型，还 现象 。只是利用像元光谱间的统计特征进行像元分类 。光 谱混合分解技术考虑了这一现象 ，不仅能给出组成像元各地 可以求 出其它的一些地面特性，比如平均高度、阴影大小以 及树 的密度等 [1l。 表覆盖类 的丰度，而且能给 出分类的图像 。 2．1 线性模型