基于局部窗口的端元提取光谱优化方法
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于局部窗口的端元提取光谱优化方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：目前，已经存在的大多数端元提取方法都只利用了图像的光谱特性，而忽略了图像的空间信息。HEEA方法是少数利用图像空
>> 基于分类结果的多光谱遥感影像端元提取方法 基于监督局部线性嵌入特征提取的高光谱图像分类 基于遗传优化的快速人脸特征提取方法 基于多光谱成像技术的水稻特征光谱提取 基于局部单元特性提取的聚类算法研究 提取医学图像局部特征的方法与实现 基于混合像元分解的植被覆盖度提取方法的研究 基于限制性线性光谱分解模型的高光谱影像混合像元分解 基于1x EV—DO网络的移动互联网业务端到端分析优化方法研究 一种改进的N―FINDR端元提取算法 基于客户端软件渲染优化Wine图形性能的方法 基于局部窗口与极值的显微图像细节增强 一种基于阈值优化的视觉主骨架提取方法 基于启发式规则优化的网页元素提取方法 一种基于近红外光谱技术的熊胆粉粗提物洗涤工艺优化方法 基于粒子群优化算法的窗口参数确定 基于近红外光谱特征提取的杉木密度预测模型分析 基于LCTF成像和ABS算法的小白菜光谱特征波段提取研究 用红外光谱特征基提取方法确定茶叶的发酵度 高光谱遥感分类识别方法在油气信息提取中的应用 常见问题解答 当前所在位置：l下载得到）。AVIRIS数据集共包含224个波段，波长范围为0.37um-2.48um。在实验之前，人为去掉了信噪比较低以及被水吸收的波段，这些波段包括1-2，104-113，148-167，以及221-224。剩余188个波段用于实验。设置虚警概率，采用VD方法确定图像中主要存在14种端元。
为了验证本文提出的光谱优化算法的有效性，N-FINDR算法和VCA算法用来进行验证试验，通过计算获取的端元与USGS光谱库（该数据集可以http：//speclab.cr.usgs.gov/spectral.lib-06b下载得到）中各个端元光谱之间的光谱角距离来确定提取的各个端元所对应的地物。
首先为了确定最优的窗口大小，针对不同的窗口大小分别进行了实验，两种方法在不同窗口大小的情况下获得的解混结果的均方根误差（RMSE）值分别如图4、图5所示，从图中可以看出，在窗口大小为7的时候获得最小的RMSE值。说明在窗口大小为7时，可以获得最优的解混结果。因此可以得出结论：该图像的最优窗口大小为7。
为了更好的展示在加入光谱信息之后的解混结果，表1列出了利用本文算法加入空间信息前后，两种方法所提取端元与USGS光谱库中真实地物光谱的SAD值。图6、图7分别展示了窗口大小为7时，利用本文方法进行光谱优化之后的N-FINDR算法和VCA算法所获的端元曲线与USGS光谱库中端元曲线的对比图。
4 结论
本文提出了一种基于局部窗口的光谱优化方法，利用光谱角距离和最小欧氏距离计算窗口内各个像素的光谱权重，可以对任何一种端元提取方法所提取的端元进行优化，从而获得更精确地端元光谱。实验结果表明了该光谱优化方法的有效性。但是，不同图像最优窗口大小的确定只能通过实验来确定，还无法给出一个标准化的最优窗口大小。因此，如何确定最优窗口的大小将是下一步研究的重点。
参考文献：
[1] MIAOLD， QIHR. Endmember extraction from highly mixed data using minimum volume con-strined nonnegative matrix factorization[J].IEEE Transactions on Geoscience and Remote Sensing 2007，45（3）：765-777.
[2] Bateson A， Curtiss B. A method for manual endmember selection and spectral unmixing[J]. R-emote Sensing of Environment， 1996，55（3）：229-243.
[3] Winter M E. N-FINDR： an algorithm for fast autonomous spectral end-member determination in hyperspectral data[C]. SPIE's International Symposium on Optical Science， Engineering， and I-
nstrumentation. International Society for Optics and Photonics， 1999：266-275.
[4] Nascimento J M P， Dias J M B. Vertex component analysis： A fast algorithm to unmix hypers-
pectral data[J]. IEEE Transactions on Geoscience and Remote Sensing， 2005，43（4）：898-910.
[5] Antonio Plaza， Pablo Martínez ， Rosa Pérez， and Javier Plaza. Spatial/Spectral Endmember Extraction by Multidimensional Morphological Operations. EEE Transactions on Geoscience and Remote Sensing，2002，40（9）：2025-2041.
[6] MEI S H， HE M Y， WANG Z Y， et al. Spatial purity based endmember extraction for spectral mixture analysis[J].IEEE Transaction on Geoscience and Remote Sensing，2010，48（9）：3434-3445.
[7] ROGGE D M， RIVARD B，ZHANG J， et al. Integration of spatial-spectral information for the improved extraction of endmembers[J]. Remote Sensing of Environment，2007，110（3）：287-303.
[8] Maciel Zortea and Antonio Plaza， Senior Member， Spatial Preprocessing for Endmember Extractio. IEEE Transaction on Geoscience and Remote Sensing， 2009，47（8）：2679-2693.
[9] Antonio Plaza， Pablo Martínez， Rosa Pérez， and Javier Plaza. Spatial/Spectral Endmember Extraction by Multidimensional Morphological Operations. IEEE Transaction on Geoscience and Remote Sensing， 2002，40（9）：2025-2041.
[10] Hua li Li and Liang pei Zhang. A Hybrid Automatic Endmember Extraction Algorithm Based on a Local Window. Remote Sensing of Environment，2011，49（11）：4223-4237.