基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分,但这并不符合实际情况.实际上图像中大多数混合像元仅由少部分端元混合而成.由于端元提取精度及噪声的影响,采用全部端元对混合像元进行分解,会使得混合像元中实际并不存在的端元的丰度估计值不为零,分解结果存在较大误差.由于混合像元大多存在于不同地物的交界处,基于此,本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法.利用一个空间结构元素,从混合像元的附近邻域开始搜索,将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比,并确定混合像元的端元子集进行分解.根据RMSE大小和变化情况,逐步扩大结构元素的大小,不断调整搜索范围,直至得到最优端元组合.模拟数据和真实数据的试验结果表明,该方法相比传统的全端元光谱分解方法,在总体上获得了更好的分解效果.
推荐文章
应用混合像元分解提取胡杨覆盖度信息1)
线性混合像元分解
端元提取
植被覆盖度
植被指数
基于正则化方法的遥感图像混合像元分解
遥感
混合像元
最小二乘
正则化
端元
面向混合像元分解的光谱维小波特征提取
小波变换
混合像元
光谱特征
高光谱
两种被动微波遥感混合像元分解方法比较
图像处理
组分亮温
被动微波遥感数据
误差分析
混合像元分解
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 结合空间信息选取最优端元组合的混合像元分解
来源期刊 测绘通报 学科 地球科学
关键词 高光谱图像 混合像元 端元可变
年,卷(期) 2019,(7) 所属期刊栏目 学术研究
研究方向 页码范围 6-11
页数 6页 分类号 P237
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王彩玲 西安石油大学计算机学院 23 90 5.0 7.0
2 徐君 西安航空学院电子工程学院 9 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (7)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高光谱图像
混合像元
端元可变
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
测绘通报
月刊
0494-0911
11-2246/P
大16开
北京西城区三里河路50号
2-223
1955
chi
出版文献量(篇)
8030
总下载数(次)
39
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导