高光谱遥感图像混合像元是什么意思？

​遥感器所获取的地面反射或发射光谱信号是以像元(pixel) 为单位记录的。由于高光谱成像光谱仪在获取大量波段时，会导致其每个波段的辐射信号较弱，为了提高信噪比、保证图像质量，就需要保证一定角度的瞬时视场角(IFOV)，因此，相比全色和多光谱图像，高光谱图像的空间分辨率低，使得混合像元的问题尤为突出。广西善图科技有限公司

所以高光谱图像无法利用传统的图像空间信息进行分析的方法，而是利用其上百个波段丰富的光谱信息，从光谱维来挖掘图像的信息。

非线性光谱混合模型和线性光谱混合模型

​ 物体的混合和物理分布的空间尺度决定了非线性的程度，大尺度的光谱混合完全可以被看作是一种线性混合，二小尺度的内部无核混合是非线性的。在高光谱应用中，利用非线性模型计算出的结果比线性模型计算出的结果要好，但是其需要输入众多的参数，这个实际的应用带来了困难。

非线性模型

Hapke 混合光谱模型

K-M(KUBELK-MUNK) 混合光谱理论模型

基于辐射通道密度理论的植被、土壤光谱混合模型

SAIL 模型

PROSPECT 模型和PROSAIL 模型

线性模型(LSMM)

当入射光在地物之间不存在多次散射时，在一定IFOV内所形成的混合像元可以通过线性混合模型（LSMM）进行描述。

光谱解混

​ 解决混合像元问题的过程称为混合像元分解或光谱解混，就是根据遥感图像提供的信息判断每个混合像元是由哪些纯像元以怎样的方式混合的。但是，严格意义上的纯像元实际是不存在的，所以在进行解混时，通常是用图像中包含某种比例很高特征地物的像元代替纯像元。这些代替纯像元的近似纯像元，被称为端元。

线性光谱解混是利用LSMM 将遥感图像XX 中每个混合像元分解成其端元和对应丰度，从而得到端元矩阵 EE 和 丰度矩阵（即所占比例） AA 的过程。即

XL×n=EL×mAm×n+ϵL×n

XL×n=EL×mAm×n+ϵL×n

基本工作分两步：端元提取，即确定EE，丰度反演，即确定 AA。

确定端元数目，在少数波段的多光谱图像中可使用PCA 根据协方差特征值的大小确定；在高光谱中使用Neyman-Pearson 探测理论的特征阈值分析分析方法确定，（确定数目中还需要对噪声进行评估，可采用光谱维去相关(SSDC)法）；

端元提取：MaxV 方法直接用于端元提取，N-FINDER 方法需先降维再提取端元，采用降维时，提取效果：MaxV>MNF>MAF>CPCA>SPCAMaxV>MNF>MAF>CPCA>SPCA ；

端元光谱变异性：由于非线性因素的影响，端元的光谱存在变异性，即同一类型存在多种端元，这也是线性光谱解混误差的主要因素之一。混合像元以及端元的光谱变异性，都是对客观事物的不确定性描述，可用模糊子集和模糊测度的思想来解决；

常用的端元提取方法还有：

纯像元指数(pure pixel index, PPI) 算法；

改进的快速迭代PPI(faster iterative PPI, FIPPI) 算法；

内部最大体积(N-FINDER)算法；

顶点成分分析(vertex component analysis,VCA) 算法；

基于最大距离(maximum distance, MaxD) 算法；

基于最大体积(maximum volume, MaxV)算法；

定量化独立成分(ICA)及其衍生算法等。

当得到端元矩阵 EE 后，就要通过丰度反演求解高光谱图像中每个像元里各个端元所占比例，即求 丰度矩阵AA 的过程。

常用的方法有：

最小二乘法(LS):

无约束(UCLS)

“和为1”约束(SCLS)

“非负”约束(NCLS)

全约束(FCLS)

滤波向量（FV）法

迭代光谱混合分析（ISMA）法等