基于光谱梯度角的改进SREM融合方法
2020-10-26蒋彤安如邢菲王本林琚锋
亚热带资源与环境学报 2020年3期
蒋彤,安如*,邢菲,王本林, 琚锋
(1.河海大学 水文水资源学院,南京 210098;2.河海大学 地球科学与工程学院,南京 211100;3.滁州学院 地理信息与旅游学院,安徽 滁州 239001)
0 引言
高光谱影像拥有较多波段,能够准确地反映不同地物特有的吸收或反射特性[1-2]。但由于受到成像机制的限制,高光谱影像通常空间分辨率较低,混合像元分布严重,且幅宽较小,在应用中有着局限性[3]。多光谱影像虽然波段数少,但幅宽较大,且空间细节信息丰富。针对高光谱影像和多光谱影像各自的优势,通过图像融合算法,将多光谱影像中的空间细节信息与高光谱影像中的光谱信息进行融合,获得同时兼具高光谱与高空间分辨率的融合影像,从而提高地物识别与特征提取能力[4]。
目前,常见的多光谱-高光谱融合算法主要分为3类。一是频率域滤波方式。二是基于概率统计理论的影像融合[5]。前者由于空间信息来源不一致,导致现有的高光谱-全色的融合方法适用性低[6]。后者在使用梯度下降法求解时,存在鲁棒性不高,计算复杂的问题[7]。三是最常见的基于混合像元分解理论进行数据融合。例如Yokaya等提出的联合非负矩阵分解方法(Coupled Nonnegative Matrix Factorization, CNMF)[8]。但现有的像元分解算法只利用了混合像元的光谱维信息,没有考虑像元的空间相关性[9]。基于非负矩阵分解的算法由于目标函数非凸性,对初值敏感,导致端元与丰度矩阵不稳定[10],影响融合图像的质量。
上述三类常见的融合算法大多要求多光谱和高光谱影像完全重叠,无法对重叠范围之外的区域进行融合。……
登录APP查看全文
