基于非线性光谱混合模型的遥感影像提取城市不透水层(英文)

作     者：夏俊士 杜培军 曹文 XIA Jun-shi;DU Pei-jun;CAO Wen

作者机构：中国矿业大学国土环境与灾害监测国家测绘局重点实验室江苏徐州221116 

出 版 物：《光子学报》 (Acta Photonica Sinica)

年 卷 期：2011年第40卷第1期

页      面：13-18页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 0702[理学-物理学] 

基　　金：The National High Technology Research and Development Program of China(2007AA12Z162) the Natural Science Foundation of China(40871195) the Specialized Research Fund for the Doctoral Program of Higher Education(20070290516) 

主　　题：光谱混合模型 不透水层 人工神经网络 多层感知器 

摘      要：针对传统方法在提取城市不透水层中的许多局限性,采用两种非线性光谱混合分解模型,包括混合调谐匹配滤波和多层感知器神经网络,通过混合像元分解获取城市不透水层.混合调谐匹配滤波利用用户选择的端元,通过最大化端元响应并减少未知背景信息的影响,进行局部分解端元.多层感知器由多个感知器组成,能够很好的进行非线性学习.对Landsat TM遥感影像进行最大噪声分离,使其转换到另外一个特征空间.利用新生成数据集的前三个成分(占90%以上信息量)进行纯净像元提取,并利用N维可视化分析器寻找出四个进行分解的端元:植被、高反射率地物、低反射率地物和土壤。不透水层则由高反射率和低反射率两个分量估算而成。对不同模型提取的结果,利用QuickBird多光谱图像评价其准确性.实验结果表明人工神经网络的精度最高,即非线性光谱混合模型同样可以有效地提取不透水层,精度甚至优于线性模型.