纯净像元指数改进的N-FINDR高光谱端元提取算法

doi:10.13474/j.cnki.11-2246.2018.0050

测绘通报 ›› 2018, Vol. 0 ›› Issue (2): 89-93.doi: 10.13474/j.cnki.11-2246.2018.0050

纯净像元指数改进的N-FINDR高光谱端元提取算法

杨鹏飞¹, 廖秀英¹, 徐启恒², 程辉³

1. 湖南科技大学资源环境与安全工程学院, 湖南湘潭 411201;
2. 东莞市测绘院, 广东东莞 523129;
3. 湖南科技大学先进矿山装备教育部工程研究中心, 湖南湘潭 411201

收稿日期:2017-05-26 出版日期:2018-02-25 发布日期:2018-03-06
通讯作者: 廖秀英。E-mail:liaoxiuying99@163.com E-mail:liaoxiuying99@163.com
作者简介:杨鹏飞(1992-),男,硕士生,主要从事遥感图像处理与GIS相关的理论研究工作。E-mail:844193668@qq.com
基金资助:
湖南省自然科学基金湘潭市联合基金（2016JJ5023）

Improved N-FINDR Hyper-spectral Member Extraction Algorithm Based on Pure Pixel Index

YANG Pengfei¹, LIAO Xiuying¹, XU Qiheng², CHENG Hui³

1. School of Resources Environment and Safety Engineering, Hunan University of Science and Technology, Xiangtan 411201, China;
2. Dongguan Institute of Surveying and Mapping, Dongguan 523129, China;
3. Engineering Research Center of Advanced Mining Equipment, Ministry of Education, Hunan University of Science and Technology, Xiangtan 411201, China

Received:2017-05-26 Online:2018-02-25 Published:2018-03-06

摘要/Abstract

摘要：

为了有效解决遥感影像中普遍存在的混合像元导致遥感影像定量解译精度低的问题，对两种不同混合像元端元提取算法进行了比较分析。纯净像元指数算法随着迭代次数的增加时间效率大大降低，而经典的N-FINDR算法初始端元数目选择的任意性会导致像元解混的精度不一，因此本文提出了一种基于纯净像元指数改进的N-FINDR算法。改进的N-FINDR算法相较于传统的N-FINDR算法能够准确构建候选端元集合并求得最优解。该算法结合高光谱影像数据的特点，首先利用纯净像元指数求取备选端元数目；然后以此为基础运用经典的N-FINDR算法求解最大的单形体顶点，将求解后顶点作为纯净像元，并完成丰度反演；最后使用ENVI产品中自带的经过大气校正的航空高光谱数据cup95eff.int对算法进行验证。试验结果表明，以纯净像元指数改进的N-FINDR算法在整体精度方面优于传统的N-FINDR算法。

关键词: 高光谱遥感, 混合像元分解, 端元提取算法

Abstract:

In order to solve the low accuracy problem of the quantitative interpretation of remote sensing images caused by mixed pixels,two different mixed pixel extraction algorithms are analyzed and compared in this paper.In consideration of the pure pixel index exponential algorithm efficiency greatly reduces as the number of iterations increases and the random choice of classical N-FINDR algorithm's element will lead to different accuracy of the solution,an improved N-FINDR algorithm based on pure pixel index is proposed.Relative to the traditional N-FINDR algorithm,the improved N-FINDR algorithm can construct the candidate element and obtain the optimal solution more efficiently.Synthesize the characteristics of hyper-spectral image data,first,the improved N-FINDR algorithm uses the pure pixel index to calculate the number of alternate port elements,and then use the classical N-FINDR algorithm to solve the maximal single-body vertex,then use the pure element completes the abundance inversion.Finally,the algorithm is verified by the air-calibrated airborne hyper-spectral data Cup95eff.int in the ENVI products.The experimental results show that the improved N-FINDR algorithm is more efficiently than the traditional N-FINDR algorithm in the aspect of endmember extraction.

Key words: hyper-spectral remote sensing, unmixing pixel, endmember extraction algorithm

中图分类号:

P237

杨鹏飞, 廖秀英, 徐启恒, 程辉. 纯净像元指数改进的N-FINDR高光谱端元提取算法[J]. 测绘通报, 2018, 0(2): 89-93.

YANG Pengfei, LIAO Xiuying, XU Qiheng, CHENG Hui. Improved N-FINDR Hyper-spectral Member Extraction Algorithm Based on Pure Pixel Index[J]. 测绘通报, 2018, 0(2): 89-93.

参考文献

[1] 李剑萍, 郑有飞. 气象卫星混合像元分解研究综述[J]. 中国农业气象, 2000, 21(2):44-47.
[2] 成宝芝, 赵春晖, 王玉磊. 结合光谱解混的高光谱图像异常目标检测SVDD算法[J]. 应用科学学报, 2012, 30(1):82-88.
[3] KESHAVA N, MUSTARD J F. Spectral Unmixing[J]. IEEE Signal Processing Magazine, 2002, 19(1):44-57.
[4] BOARDMAN J W, KRUSE F A, GREEN R O. Mapping Target Signatures via Partial Unmixing of AVIRIS Data[C]//Proceedings of the 5th JPL Airborne Earth Science Workshop. Pasadena, USA:JPL, 1995:23-26.
[5] NASCIMENTO J M P, DIAS J M B. Vertex Component Analysis:A Fast Algorithm to Unmix Hyperspectral Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(4):898-910.
[6] NEVILLE R A, STAENZ K, SZEREDI T, et al. Automatic Endmember Extraction from Hyperspectral Data for Mineral Exploration[C]//Proceedings of the 21st Canadian Symposium on Remote Sensing. Ottawa, Canada:[s.n.], 1999:21-24.
[7] DING H Y, SHI W Z. Fast N-FINDR Algorithm for Endmember Extraction Based on Chi-square Distribution[J]. Journal of Remote Sensing, 2013, 17(1):130-137.
[8] 杨可明, 魏华锋, 刘飞, 等. 以光谱信息熵改进的N-FINDR高光谱端元提取算法[J]. 地球信息科学学报, 2015, 17(8):979-985.
[9] 杨可明, 刘士文, 王林伟, 等. 光谱最小信息熵的高光谱影像端元提取算法[J]. 光谱学与光谱分析, 2014, 34(8):2229-2233.
[10] 张兵, 孙旭, 高连如, 等. 一种基于离散粒子群优化算法的高光谱图像端元提取方法[J]. 光谱学与光谱分析, 2011, 31(9):2455-2461.
[11] 路漫漫. 融合PSO的N-FINDR改进端元提取算法研究[D]. 大连:大连海事大学, 2014.
[12] 唐晓燕, 高昆, 倪国强, 等. 基于流形学习和空间信息的改进N-FINDR端元提取算法[J]. 光谱学与光谱分析, 2013, 33(9):2519-2524.
[13] 齐滨. 高光谱图像分类及端元提取方法研究[D]. 哈尔滨:哈尔滨工程大学, 2012.
[14] WINTER M E. A Proof of the N-FINDR Algorithm for the Automated Detection of Endmembers in a Hyperspectral Image[C]//Proceedings of the SPIE Volume 5425, Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery X, Defense and Security. Orlando, Florida, United States:SPIE, 2004:31-41.
[15] 朱述龙, 齐建成, 朱宝山, 等. 以凸面单体边界为搜索空间的端元快速提取算法[J]. 遥感学报, 2010, 14(3):482-292.

纯净像元指数改进的N-FINDR高光谱端元提取算法

Improved N-FINDR Hyper-spectral Member Extraction Algorithm Based on Pure Pixel Index

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics

本文评价

[1]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[2]	王德强, 赵德良. 高光谱遥感异常目标探测方法性能对比分析[J]. 测绘通报, 2021, 0(9): 108-111.
[3]	郭云开, 刘海洋, 蒋明, 朱佳明. 南方典型植被遥感丰度信息提取[J]. 测绘通报, 2019, 0(6): 16-18,28.
[4]	周炜, 关洪军, 童俊. 一种利用高光谱像元分解技术提取水体边界的方法[J]. 测绘通报, 2019, 0(3): 120-123,140.
[5]	张亚平, 张宇, 杨楠, 罗晓, 罗谦. 一种高光谱遥感图像快速谱聚类算法[J]. 测绘通报, 2019, 0(12): 60-64.
[6]	肖祥红, 刘海洋, 郭云开. 基于混合像元分解理论的路域植被等量水厚度遥感反演[J]. 测绘通报, 2019, 0(12): 83-86,95.
[7]	朱爽, 张锦水, 李长青, 郑阔. 土地覆盖遥感制图方法研究现状与展望[J]. 测绘通报, 2019, 0(11): 8-11,43.
[8]	徐玉雯, 张浩, 陈正超, 景海涛. Sentinel-2A与Landsat 8 OLI逐像元辐射归一化方法研究[J]. 测绘通报, 2019, 0(10): 61-66.
[9]	魏立飞, 俸秀强, 李丹丹, 牟紫薇. 基于S³VM模型的高光谱遥感影像分类[J]. 测绘通报, 2017, 0(12): 43-47.
[10]	谢福鼎, 李壮. 基于改进的半监督FCM算法的高光谱遥感影像分类[J]. 测绘通报, 2016, 0(9): 60-62,72.
[11]	刘细梅, 牛振国. 像元交换在村镇地表超分辨率制图中的应用[J]. 测绘通报, 2016, 0(8): 25-29.
[12]	孙康耿修瑞唐海蓉赵永超. 一种基于非线性主成分分析的高光谱图像目标检测方法[J]. 测绘通报, 2015, 0(1): 105-108.
[13]	杨苏新林卉侯飞张连蓬胡召玲. 利用混合像元分解估测喀斯特地区植被覆盖度[J]. 测绘通报, 2014, 0(5): 23-27.