基于混合像元分解的植被覆盖度提取方法的研究

李艳

【摘要】受传感器分辨率、土壤湿度、树种郁闭度等因素的影响，遥感影像中普遍存在混合像元，而遥感影像中混合像元，会在遥感应用中带来的较大误差。本文通过对MNF变换、PPI处理等操作，使用最小二乘法对研究区域处理后的遥感影像进行混合分解，得到研究区域植被、土壤、水体的丰度图像。

【关键字】遥感 混合像元 端元提取

1 引言

遥感是以像元为单位记录其传感器接收到的地面发射或反射光谱信号，每个像元记录了探测单元在瞬时视场内对应地面范围所有目标辐射能量的总和。地表覆盖类型一般是复杂多变的，因此影像中每个像元所记录对应的地物光谱响应特征是相对独立的。

纯净像是指探测单元在瞬时视场角所对应的地面范围内包含同一类型相同性质目标，它记录了该类型地面目标的光谱信号和光谱响应特征。混合像元是指探测单元在瞬时视场角所对应的地面范围内具有多种类型不同性质目标，它记录了多种类型地面目标的光谱信号和光谱响应特征。受传感器分辨率的影响，遥感影像中普遍存在混合像元，尤其是地物分布复杂的区域，同时土壤湿度、树种郁闭度等因素使相近地物产生混合像元，另外受背景、阴影等影响也有可能形成混合像元。因此，了解遥感影像中混合像元，有助于减少遥感应用中带来的较大误差。

2 常用端元提取方法

2.1 像元纯净指数PPI。像元纯度指数PPI(Pixel Purity Index)是目前最成功的方法之一，它认为多光谱和高光谱的所有数据在其特征空间中被图像中的所有地物与之对应的端元为顶点的单行体所包围。该算法受操作人员先验知识的影响，并且在端元选取过程中存在很大的主观性。

2.2 N-FINDR。N-FIND是从高光谱数据点集构成的凸面单形体中，寻找一组能够在特征空间中构成具有最大体积单形体的一组像元。首先通过最小噪声分离变换(MNF)降低数据的维数，随机选择一组向量作为初始端元，计算这些随机选取项量所构成的单形体体积。然后将图像中每个像元点的光谱都带入到各端元位置计算体积，如果引起体积增加，则把该像元作为端元点，重复此操作，直到再也没有端元被替代时停止算法，此时得到的端元就可以作为终端端元。这个算法计算性能的好坏在很大程度上取决于最初选择端元的性质。

2.3 IEA。误差迭代分解 (IEA)是一种不需要对原始数据进行降维而直接进行处理提取端元的算法，在误差迭代分解过程中，每次都将分解误差最小的像元作为新的端元。

3.4 SMACC。SMACC方法是基于凸锥模型(残余最小化）借助于约束条件来识别图像端元波谱;采用极点确定凸锥，并以此来定义第一个端元波谱;然后，在己有的锥体中应用一个具有约束条件的斜投影生成下一个端元波谱;继续增加锥体生成新的端元波谱;重复以上步骤直到生成的凸锥中包含了已有的终端端元，或者满足了指定的端元波谱数。

3 基于PPI的端元提取

3.1 最小噪声分离（MNF）变换。由于多光谱数据信息量大、波段之间相关性大，且存在着信息冗余现象，所以本文首先对TM和ETM数据剔除第6波段（热红外波段）进行最小噪音分离(MNF)变换，将噪音与信号分离。该方法被用来分离数据中的噪音，确定数据内在维数，减少随后处理的计算量。MNF变换后，将影像有用信息集中在前几波段，噪音集中在后面波段。MNF是一种线性变换，包含了两次叠置的主成份分析:第一次变换是利用主成分中的噪声协方差矩阵，分离和重新调节数据中的噪声，减小波段间的相关性;第二次变换是对噪声数据进行主成分变换。数据空间被分为两部分:一部分是联合大特征值和相对应的特征图像;另一部分与近似相同的特征值和噪声图像。MNF变换后的波段影像如图3-1所示。

3-1 2014年某地区第一波段最小噪声分离变换(MNF变换)结果图

影像经过MNF变换后，前几个波段清晰，地物特征明显，说明了地物的信息主要集中在前几个波段，后面波段图像嘈杂，斑驳，第6波段完全由噪声点组成。经过最小噪音变换后图像的信息集中与前几波段，图像信息清晰可见。

3.2 纯净像元指数的提取

纯净像元指数(PPl)是一种在多光谱和高光谱图像中寻找波谱最纯像元的方法，是一个迭代分析的过程，其认为遥感图像数据集合是在N维空间的一个凸集，像素向量是在N维空间上的矢量。将经过MNF变换的数据做PPI变换，得到一幅PPI图像。在这幅图像上，每个像元的DN值是该像元被标一记为纯净像元的次数，像元值越高说明像元越纯净。

N-Dimensional Visualizer（N维可视化器)可以与最小噪声分离变换(MNF)和纯净像元指数(PPI)计算的结果相结合，用于识别、定位、聚集数据集中最纯的像元，从而获得最纯净的端元波谱。本文利用N维可视化器提取PPI图像中像元值大于10的像元作为纯净像元，分析其MNF前3个分量，在三维散点图上分别选取土壤、植被、水体终端像元。将选取的每个端元的波譜平均值作为该端元的波谱值，得到各个端元的光谱特征曲线，

4 小结

通过MNF变换、PPI处理等操作，选定土壤、植被、水体3个终端端元组分，根绝所选定的终端端元，使用最小二乘法对研究区域处理后的遥感影像进行混合分解，分别得到研究区域植被、土壤、水体的丰度图像。