端元光谱选择方法优化

在实际混合像元分解中，端元光谱通常分为实测光谱与影像端元光谱，从端元获取方式上则有监督与非监督、自动与手工选取之分。

1.实测端元光谱

实测端元光谱是直接由实地测量或从光谱数据库获得，这样获取的端元光谱能够精确测量，具有很好的实际地物意义。但实测光谱与影像光谱的成像方式、环境与时间等方面都存在很大的差异，需要进行光谱定标，而定标本身就是一个很困难的问题，这造成实地测量或光谱数据库中的同一地物的光谱值与影像的光谱值并不一致，所以这种方式选取端元光谱进行混合像元分解存在一定的局限性（吴波等，2004）。另外，实测光谱是一个十分费力的工作，也限制了该方法的广泛应用。

2.影像端元光谱(www.xing528.com)

从遥感数据本身获得端元光谱是混合像元分析的主要研究方向。由于同一影像的成像条件、大气吸收等条件完全相同，端元光谱不需要转换或定标处理。不论是利用影像的反射值、辐射值或DN 值计算都不影响分解的结果。影像端元光谱选取有手工选取和自动选取两种方式。手工选取是用监督分类的训练区采样，以样点的均值作为各波段的取值；或用主成分分析方法，绘制主要成分波段的散点图，再通过不同覆盖类型端元在主成分特征空间中的分布，利用人机交互的方法，确定样本区域采样点的均值作为各波段的取值。

3.自动选取端元

自动选取端元是以手工的方式从影像中确定出端元光谱，缺点是不利于遥感数据的快速处理，也难以正确地得出所有的端元光谱。因此，以非监督的方式从遥感数据本身自动获取端元光谱是目前混合像元分解的主要研究方向。端元提取的方式分为两类：第一类端元提取方法是依据几何学模型，其基本思想是，当组分丰度满足非负性和唯一性两个约束时，高光谱影像的全部数据点都位于一个单形体中，其顶点由各个端元构成，而混合像元是由各个端元的线性凸组合 而 成（Winter，1999；Neville 等，1999；Chang 等，2006；Nascimento 和Dias，2005；Bioucas，2009）。第二类，以统计学模型为基础的提取端元的方法。当高光谱遥感影像数据混合程度高时，上述基于几何学的方法求解效果就很不理想，所以近年来很多学者将信号学中的理论引入到处理混合像元问题中。在统计学中混合像元的解决算法可被看成是一种盲分解问题（Blind Source Separation，BSS）（Yang等，2011），可以将混合像元、端元矩阵、丰度矩阵分别对应于BSS问题中的观测矩阵、混合矩阵和源信号。该类方法统称为光谱盲分解，它能够对端元矩阵和丰度矩阵同时求解。