计算机科学 ›› 2013, Vol. 40 ›› Issue (11): 308-311.
胡霞,宋现锋,牛海山
HU Xia,SONG Xian-feng and NIU Hai-shan
摘要: 传统的混合像元分解一般是基于固定端元的,然而实际上影像中像元并非都由完全相同的端元组成。基于波谱库,将端元选取和丰度反演合为一个步骤,抽象成一个估计参数的随机过程,在端元数目可变的前提下,基于可逆的跳跃式MCMC方法估计参数,从波谱库中选取端元并对混合像元进行线性解混。在状态转移过程中,加入端元的累积知识,以提高算法效率。这种算法不需要人工干预,能够实现自动化像元分解,并且具有较高的精度。实验表明,基于修正MCMC的端元可变的自动化解混算法在分解精度和稳定性方面均优于基于固定端元的混合像元分解方法。
[1] 吕长春,王忠武,钱少猛.混合像元分解模型综述[J].遥感信息,2003(3):55-60 [2] 杨国鹏.基于相关向量机的高光谱影像混合像元分解[J].电子学报,2010,8(2):2751-2756 [3] Martinez P J,Pérez R M,Plaza A,et al.Endmember extraction algorithms from hyperspectral images[J].Annals of Geophy-sics,2006,49(1):93-101 [4] 田庆久,宫鹏.地物波谱数据库研究现状与发展趋势[J].遥感信息,2002(3):1-6 [5] 吴柯,张良培,李平湘.一种端元变化的神经网络混合像元分解方法[J].遥感学报,2007,11(1):20-26 [6] Wang Li-guo,Zhang Jing,Deng Lu-qun.Spectral Unmixing Te-chnique Based on Flexibly Selected Endmembers[C]∥Computer Science and Information Engineering,2009WRI World Congress.Volume7,9:148-151 [7] 周维,许海霞,郑金华.基于RJMCMC的视觉多目标跟踪算法[J].计算机科学,2012,9(7):270-275 [8] 赵琪.MCMC方法研究[D].济南:山东大学,2007 [9] Green P J.Reversible jump Markov Chain Monte Carlo methodscomputation and Bayesian model determination[J].Biometrika,1995,82(4):711-732 [10] Eches O,Dobigeon N,Tourneret J-Y.Estimating the number of endmembers in hyperspectral images using the normal compositional model and a hierarchical Bayesian algorithm[J].IEEE J.Sel.Topics Signal Processing,2010,3(3):582-591 [11] 陈四清,刘纪远,庄大方.基于Landsat TM/ETM 数据的锡林河流域土地覆盖变化[J].地理学报,2003,58(1):45-51 [12] Johns Hopkins University Spectral Library.http://asterweb.jpl.nasa.gov/speclib/ |
No related articles found! |
|