1、高光譜遙感圖像通過(guò)成像光譜儀對(duì)同一地表在不同波段上連續(xù)成像，形成連續(xù)的光譜信息。所以具有很高的光譜分辨率，有較強(qiáng)的地物分類、辨識(shí)能力。同時(shí)其空間分辨率低也使混合像元普遍存在，一個(gè)像元內(nèi)包含多種地物光譜信息。隨著高光譜遙感技術(shù)的應(yīng)用越來(lái)越廣泛，對(duì)高光譜圖像處理技術(shù)的要求也越來(lái)越高，混合像元解混就是成了高光譜圖像處理技術(shù)中一個(gè)熱點(diǎn)和難點(diǎn)。對(duì)于一個(gè)混合像元，解混工作是提取出其包含的每種地物光譜的組分。為了避免盲目解混，地物光譜的類別以及光譜信

2、息應(yīng)是已知的。高光譜分類技術(shù)就是為解混提供類別監(jiān)督信息。端元提取就是從整幅圖像數(shù)據(jù)中提取出含有的不同的地物端元，為豐度的求解準(zhǔn)備端元信息。
　　高光譜解混主要分為線性解混模型和非線性解混模型。線性解混模型是將混合像元的形成過(guò)程簡(jiǎn)單化，假設(shè)一個(gè)混合像元是由幾種地物的光譜信息按照不同的比例線性疊加而成。由于其易于理解、計(jì)算簡(jiǎn)單而有著廣泛的應(yīng)用。但是在很多情況下，如一些包含砂石、礦物、植被以及水域等地物分布的高光譜圖像，在混合像元形成的

3、過(guò)程中，忽略成像中的非線性因素會(huì)影響解混的精度。為了解決這個(gè)問(wèn)題，非線性解混模型被越來(lái)越多的學(xué)者研究，非線性像元解混是本課題的研究重點(diǎn)，主要研究?jī)?nèi)容如下。
　　1、重點(diǎn)研究了基于多項(xiàng)式的非線性解混模型，并根據(jù)其不足，提出一種新的非線性解混模型。多項(xiàng)式非線性解混模型的基本思想是在線性混合模型的基礎(chǔ)上，加上非線性非線性項(xiàng)來(lái)模擬像元中地物間非線性混合的機(jī)理。地物間的反射、折射的相互作用，入射光子與其他光子反射兩次及以上的反射、折射，造成

4、像元的非線性混合。光子反射三次以上影響很小，所以只考慮二次反射項(xiàng)?；诙味囗?xiàng)式的混合模型中的非線性項(xiàng)就是端元間的兩兩混合。在現(xiàn)有的多項(xiàng)式混合模型中將端元光譜簡(jiǎn)單的點(diǎn)乘來(lái)模擬地物兩兩二次反射的代表端元光譜。這種混合方式，在光譜值過(guò)大或過(guò)小的時(shí)候，其二次反射代表光譜就嚴(yán)重偏離的正常的光譜值，影響解混工作。新的解混模型就是在這基礎(chǔ)上，對(duì)二次反射項(xiàng)進(jìn)行改進(jìn)，將地物間兩兩反射的代表光譜點(diǎn)乘后再除以其相乘后的模。利用人工仿真數(shù)據(jù)及農(nóng)林真實(shí)數(shù)據(jù)驗(yàn)證

5、了新模型的有效性。
　　2、提出基于Volterra級(jí)數(shù)濾波器的非線性解混算法。將LMS瞬時(shí)梯度下降準(zhǔn)則應(yīng)用到濾波器的迭代過(guò)程中，不需要平方，平均或者微分等運(yùn)算，使得該算法容易高效，計(jì)算速度快，有很高的速度和精度優(yōu)勢(shì)。并研究了遺傳算法，將遺傳算法應(yīng)用的非線性解混中去，遺傳算法簡(jiǎn)單易用。遺傳算法模擬生物進(jìn)化理論，解混精度較高，但是速度較慢，本課題只做遺傳算法的應(yīng)用研究。在實(shí)驗(yàn)中通過(guò)和現(xiàn)有非線性解混算法比較，驗(yàn)證LMS Volterr

6、a級(jí)數(shù)非線性算法和遺傳算法的優(yōu)勢(shì)。
　　3、非線性混合模型在精度上有所提高，但是并不是所有的情況下都適合非線性混合模型，如一副圖中的茂密樹冠，其像元光譜就接近線性。在混合模型中，噪聲的高斯分布特性使得觀測(cè)像元在未知參數(shù)下服從高斯分布，未知參數(shù)的估計(jì)是觀測(cè)像元信號(hào)的最大似然估計(jì)。假定非線性系數(shù)的分布為正態(tài)分布，根據(jù)非線性系數(shù)在不同模型中的分布不同，設(shè)定二元假設(shè)。利用廣義似然檢測(cè)來(lái)判斷混合像元屬于哪種混合模型。在實(shí)驗(yàn)中驗(yàn)證了混合模型判