一种基于噪声水平估计的扩展线性光谱分解算法

摘要：

针对传统的光谱分解算法忽略了影像在不同波段的不同噪声水平,导致分解精度提高受限.为克服这个问题,以高光谱影像为基础,提出了一种基于噪声水平估计的扩展线性光谱分解算法(NELMM).首先,根据高光谱应用中的多元回归理论,估计相邻波段的噪声;其次,从估计噪声中获得噪声权重矩阵;最后,将噪声权重矩阵引入到线性混合像元的框架中,可以减轻不同波段噪声水平的影响.为验证算法精度,利用全约束最小二乘法(FCLS)和协同稀疏分解算法(CLSUnSAL)来进行对比分析,并通过此算法反演TM影像的植被覆盖度来验证其在多光谱影像上的实用性.结果 表明:NELMM算法对高光谱影像分解的结果比FCLS和CLSUnSAL好,其噪声权重矩阵很好地平衡了波段间的噪声,使NELMM算法分解影像的精度显著提高;同时,此算法对多光谱影像分解呈现很好的适用性.

关键词：高光谱影像;植被覆盖度;噪声权重矩阵;多光谱影像;扩展线性光谱分解

所属期刊栏目：36

分类号：TP75(遥感技术)

资助基金：高分辨率对地观测系统重大专项;四川省科技计划

在线出版日期：2022-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：820-826