徐 君，王彩玲

(1. 西安航空学院电子工程学院，陕西 西安 710077; 2. 西安石油大学计算机学院，陕西 西安 710065)

高光谱图像虽然具有很高的光谱分辨率，但空间分辨率却普遍不高，这就导致高光谱图像中的每个像元可能不仅包含一种地物，而是多种地物覆盖类型的混合。对于这种光谱混合像元，无法根据提取的光谱特性判断其物质属性，也不能在分类过程中简单地将其归于某一类地物。混合像元在高光谱图像中的普遍存在使得传统的像元级图像分类和分割精度难以提高，是高光谱遥感技术向定量化方向发展的严重障碍。混合像元分解是解决该问题的有效方法，它能够在亚像元尺度上获取像元内部地物分布的真实信息，提高图像分类的精度。

根据混合像元的产生机理，高光谱图像混合模型可以分为线性混合和非线性混合两种模型。在传统的线性光谱混合像元分解算法中，一般假设图像中的像元都包含全部的端元光谱，对每个端元给出一个对应的丰度估计，但这往往与实际情况并不相符[1-4]。

实际上混合像元并不一定包含所有端元，而是由其中的一小部分端元混合而成，即混合像元只包含一个端元子集。混合像元中实际所包含的端元也互不相同，因此混合像元所包含的端元是可变的。常用的线性混合模型在混合像元分解过程中将所有的端元都纳入考虑范围，对每个端元向量都进行丰度估计，因此存在过拟合的分解误差。……