1、高光譜圖像()過(guò)成像光譜儀在連續(xù)波段上對(duì)相同的地表區(qū)域成像，可以獲得該區(qū)域的地物信息。隨著()光譜成像技術(shù)的發(fā)展，現(xiàn)代社會(huì)中對(duì)其應(yīng)用越來(lái)越廣泛，與此同時(shí)相應(yīng)的各種應(yīng)用對(duì)()光譜圖像的數(shù)據(jù)處理提出了更高的要求。高光譜圖像可以對(duì)同一區(qū)域地表在上百個(gè)連()波段上成像，但是高光譜圖像的空間分辨率較低，所以混合像素廣泛存在于高光譜圖()中，為了更好地利用高光譜圖像，必須對(duì)這些混合像素做一定的處理。在處理混合像()時(shí)，如果人們已經(jīng)知道混合像素中的地

2、物分布的類別，那么人們進(jìn)一步關(guān)心的將是各()地物分布的類別在此混合像素中所占的比例是多少，混合像素解混技術(shù)正是為解決這()問(wèn)題而產(chǎn)生的。
　　 在光譜解混()需要建立光譜混合模型，目前的混合模型可以分為線性混合模型(Linear Mixing Mo()，LMM)和非線性混合模型兩類。線性混合模型是假定混合像素是由幾種純地物按照一()的比例混合而成，混合光譜是這些純地物光譜的線性組合。相比之下線性混合模型的()立與求解都相對(duì)容易，

3、且物理意義明確，易于理解。本文在悉心總結(jié)前人的研究成()礎(chǔ)上對(duì)線性光譜混合模型做了深入的研究，主要研究?jī)?nèi)容如下。
　　 1基于分組1()判別的高光譜圖像解混方法。對(duì)高光譜圖像數(shù)據(jù)深入研究后得知在高光譜圖像()中廣泛存在著同物異譜的現(xiàn)象，這個(gè)現(xiàn)象的存在導(dǎo)致在使用線性光譜混合模型對(duì)混合()素解混時(shí)精度下降。針對(duì)該問(wèn)題本文使用了分組Fisher判別(FisherDiscriminant Analy()，F(xiàn)DA)對(duì)原始高光譜圖像數(shù)據(jù)做變

4、換，目的是使變換后的數(shù)據(jù)相同類別的地物分()的光譜端元盡可能地相近，不同類別的地物分布的光譜端元盡可的地遠(yuǎn)離。由于分組()sher變換是線性變換故仍然可以使用線性光譜混合模型對(duì)高光譜圖像解混。使用人工()成數(shù)據(jù)與真實(shí)高光譜圖像數(shù)據(jù)對(duì)該算法的解混精度進(jìn)行了檢驗(yàn)，其結(jié)果一致表明本文()提出的方法解混精度較傳統(tǒng)的基于線性混合模型的解混方法有所提高。
　　 2結(jié)合FDA()NMF的高光譜圖像解混方法。非負(fù)矩陣分解(Nonnegative

5、 MatrixFactorization，NM()算法是二十世紀(jì)九十年末提出的一種矩陣分解方法。由于高光譜數(shù)據(jù)具有非負(fù)特性()因而有很多學(xué)者將NMF算法引入到高光譜圖像解混中來(lái)。該算法在計(jì)算時(shí)需要大量()迭代，因而算法效率不是很理想，為此本文將FDA引入到NMF算法的前期數(shù)據(jù)處理()，以對(duì)數(shù)據(jù)起到降維作用，同時(shí)又能一定程度上減小同物異譜現(xiàn)象對(duì)解混精度的影響。利用人工合成數(shù)據(jù)與真實(shí)數(shù)據(jù)對(duì)所提出的方法檢驗(yàn)，結(jié)果表明該方法在效率較原NMF()