基于流形学习的混合光谱解混分析

光谱解混分析的重要研究内容是计算分析各地物类别成分在混合像素内所占的比例技术。文中以实测高光谱数据为研究对象，针对高光谱数据具有高维度数、严重的光谱混合等特点，基于流形学习中局部线性嵌入（LLE）算法的思想，提出了一种约束最小乘方局部线性加权回归（CLS-LLWR）建模方法。通过4种典型地物的光谱吸收特征差异分析，从它们不同比例组合下的实测混合光谱中选取了不同波段范围，分别对该模型预测覆盖度信息能力进行了验证分析。最后，将CLS-LLWR模型与主成分回归（PCR）和偏最小二乘回归（PLSR）模型，通过计算预测标准误差（SE）进行了对比分析。结果表明，CLS-LLWR模型有较好的预测能力。这为流形学习在高光谱遥感图像信息提取方面进行了有意的探索。