6、高光谱遥感图像的亚像素映射、超分辨率与异常检测技术

高光谱遥感图像的亚像素映射、超分辨率与异常检测技术

1. 亚像素映射技术

亚像素映射技术是定量遥感研究中的新领域，作为混合像元分解的后续分析方法，能有效消除混合像元分解结果的空间不确定性，具有重要理论研究价值和实际意义。

1.1 相关模型与算法

• HNN模型 ：2003年，Tatem A等人将HNN应用于匹配亚像素与特定先验模型（如半方差图）之间的空间相关性，并利用真实的Landsat TM作物图像进行测试。该方法更适用于土地目标小于或等于像素大小的L型混合像素情况，但算法相对耗时。与之前的方法相比，HNN方法能在亚像素尺度上生成更准确的土地目标空间分布情况，还能针对同一图像中的不同土地类别同时进行聚类和匹配。
• BP神经网络 ：常用于构建训练模型，描述混合像素与邻域像素以及像素内空间分布之间的关系，并通过超分辨率模型获得混合像素在亚像素尺度上的分布。实验结果表明，该算法能获得较好的绘图结果，且算法复杂度低，可处理原始高光谱图像。
• 基于像素交换策略的方法 ：
  • 适用于H型混合像素的算法 ：最初针对两个土地对象（二值）的情况提出，允许同一像素内的亚像素类别进行交换，确保混合像素内初始软信息的比例值不变，使亚像素尺度上的类别按照最正确的位置分布，从而使亚像素尺度上的空间相关性达到最优。通过多次针对不同类别重复执行该算法，可将其扩展到多类别情况。
  • 适用于L型混合像素的两点直方图法