高光谱影像端元光谱提取：空间-光谱信息融合方法

"结合空间信息的高光谱影像端元光谱提取方法，通过整合空间和光谱信息进行自动端元提取(ISEE)算法" 在高光谱成像领域，端元提取(Endmember Extraction, EE)是混合光谱分析中的核心步骤，对于地物识别、分类和遥感图像解析具有重要意义。近年来，已经提出了多种端元提取方法，但多数方法主要关注光谱特性，往往忽视了像素间存在的空间相关性。本文提出了一种新颖的算法，称为集成空间-光谱信息的自动端元提取(ISEE)，旨在充分利用高光谱图像的空间和光谱信息来提高端元提取的准确性和鲁棒性。 首先，该方法将图像划分为若干子空间，目的是增强光谱对比度。子空间的划分有助于减少光谱混叠的影响，使得端元特征更易于识别。接下来，论文选取图像的子集并将其投影到与图像端元相关的特征空间。在这个特征空间中，候选端元更容易被识别，因为它们在光谱和空间上的独特性得到了强化。 然后，为了结合空间信息，ISEE算法应用了一种优化策略，考虑了相邻像素间的相似性和差异性。这一步骤可以捕获空间连贯性，从而避免单凭光谱信息可能导致的误识别。通过评估每个候选端元在整个图像中的空间分布一致性，可以筛选出最代表性的端元。 此外，ISEE算法还引入了迭代过程，以逐步改进端元集合。在每一轮迭代中，算法会根据新的端元估计对图像进行重混合，并比较新旧混合模型的差异。如果新模型能显著降低总体残差，那么当前端元集合将被更新。这个迭代过程持续进行，直到端元集合的改进达到预设的收敛标准为止。 最后，为了验证ISEE算法的有效性，文章中进行了详尽的实验对比，包括与其他知名端元提取算法（如VCA、FCLS等）的对比。实验结果表明，ISEE在端元检测的精度和稳定性方面均表现出优越性能，特别是在处理具有复杂空间结构和高光谱多样性的图像时。 结合空间信息的高光谱影像端元光谱提取方法（ISEE）通过创新性地整合空间和光谱信息，提高了端元提取的准确性，为高光谱图像分析提供了更可靠的基础。这种方法对于理解地表覆盖、环境监测以及资源管理等领域具有广泛的应用前景。