混合像元线性分解-SMA-MESMA

1. 端元提取与选择

1.1概念

线性光谱解混是在高光谱图像分类中针对混合像元经常采用的一种方法，该方法由两步组成，第一步是提取“纯”地物的光谱，即端元提取；第二步是用端元的线性组合来表示混合像元，即混合像元分解货混合光谱分解。目前的端元提取方法主要有：PPI，N-FINDR，SMACC等。

2. 简单线性混合光谱分解（SMA）

2.1概念

简单线性混合光谱分解即只用一组端元集（即同一类端元只有一个端元光谱）对遥感影像中的混合像元进行分解，但是可以运行多种端元模型，如二端元，三端元，四端元等

2.2工具

（1）Sequential Maximum Angle Convex Cone (SMACC)
ENVI中的 Sequential Maximum Angle Convex Cone (SMACC)模型是一种简单线性分解模型SMA，并且可以实现约束条件的设置。

关于SMACC模型的参考文献：
Gruninger, J, A. J. Ratkowski and M. L. Hoke. “The Sequential Maximum Angle Convex Cone (SMACC) Endmember Model”. Proceedings SPIE, Algorithms for Multispectral and Hyper-spectral and Ultraspectral Imagery, Vol. 5425-1, Orlando FL, April, 2004.

（2）Linear Spectral Unmixing (LSU)
ENVI中的 Linear Spectral Unmixing (LSU)模型是一种简单线性分解模型SMA，并且可以实现约束条件的设置。

3. 多端元线性混合光谱分解（MESMA）

3.1概念

多端元线性混合光谱分解即用多组端元集（即同一类端元有多个端元光谱）对遥感影像中的混合像元进行分解，每一个混合像元可以运行多种端元模型，然后选择一种最佳模型用于分解，多端元线性混合光谱分解也可以运行多种端元模型，如二端元，三端元，四端元等。

3.2工具

（1）VIPER Tools (MESMA)
网址：http://www.vipertools.org/，ENVI的扩展插件，根据Dar Roberts提出的MESMA模型为原型进行编写的。既可以运行SMA又可以运行MESMA模型。

关于MESMA模型的参考文献：
Roberts, Dar A, M Gardner, R Church, S Ustin, G Scheer, and RO Green. 1998. “Mapping chaparral in the Santa Monica Mountains using multiple endmember spectral mixture models.” Remote Sensing of Environment 65 (3):267-279.