融合空间信息的SLIC聚类高光谱分解方法

0 下载量 179 浏览量 更新于2024-08-28 收藏 2.68MB PDF 举报
"基于区域聚类的高光谱分解空间预处理是一种旨在改善遥感图像高光谱分解的技术。高光谱分解的核心是将混合像素分解为纯净的光谱成分,即末端成员,以及它们相应的分数丰度。然而,传统的光谱方法未能充分利用空间信息,忽略了像素间的空间相关性。为了克服这一局限,本文提出了一种新的空间预处理方法,它融合了SLIC(简单线性迭代聚类)算法,以实现对局部区域的空间信息的高效利用。这种方法将聚类与空间和光谱信息相结合,保持了计算复杂度的线性增长,提高了处理效率。 首先,该方法通过迭代执行区域聚类,结合空间和光谱特性,形成一组体现光谱相似性和空间相关性的聚类分区。接着,针对每个分区,选取具有高光谱纯度的像素子集作为候选。最后,这些候选像素被聚合起来,并输入到基于光谱的端成员提取算法中,以获取最终的端成员和分数丰度。这种方法的创新之处在于它自然地整合了空间和光谱信息,确保了在分解过程中保留最重要的特征。 关键词:高光谱分解、空间和光谱信息集成、聚类、SLIC(简单线性迭代聚类)、端成员提取算法。本文的贡献在于提供了一种有效的方法,以改进高光谱图像的分析效果,特别是在复杂环境下的应用,如环境监测、资源探测和目标识别等。通过将空间信息更好地融入解混过程,可以提高分解的准确性和可靠性,为遥感图像处理提供了新的思路和技术支持。"