基于端元变化的两种混合像元分解算法比较研究

光谱混合分析对提高遥感影像分类具有重要意义,其中端元变化处理是提高解混精度的关键。目前,许多算法被用来解决端元变化,但仍存在一些问题有待解决,如算法运行效率慢、忽略端元的高阶交互、像元空间邻城信息缺失。结合IDL和MATLAB混合编程,利用确定性模型中的交替最小角度法和统计性模型中考虑高阶项的非线性算法对Hyperion影像进行端元变化解混,再利用概率松弛标记法对像元补充空间邻域信息。试验结果表明:当某种地物类别所占面积较大时,确定性与统计性模型都能获得较高的解混精度;当地物类别所占面积较小时,确定性模型的解混精度高于统计性模型;补充像元空间邻域信息对解混结果有很好的校正。