● 摘要
混合像元分解是高光谱遥感的重要技术之一。由于一个像元是多个目标信息的混合，因此进行混合像元分解，可求解出每一个目标在该像元中所占的比重。现如今运用最广泛的混合像元分解技术是基于混合调制匹配滤波（Mixed Tuned Matched Filter，MTMF）的分解算法，在全波段上对数据进行最小噪声分量变换以及MTMF，最终得到端元的丰度值。
由于该现有算法在高光谱遥感数据（SASI、TASI）的全光谱进行处理，而高光谱数据相邻波段响应相互重叠，致使波段间信息存在相关性和冗余性。另外，现有混合像元分解算法在处理SASI、TASI数据时，无法准确区分光谱相似矿物以及吸收特征微弱的矿物，这些都影响混合像元分解的精度。
本文针对以上问题，提出了一种基于波段选择的混合像元分解算法，其中在波段选择时，利用子空间划分判定系数来获得最佳波段组合，进而获得具有代表性、包含信息量大的波段。运用改进的混合像元分解处理模拟数据和真实数据（甘肃柳园地区数据），进而对上述改进后的混合像元分解算法进行精度评价。对于预先知道每个像元真实丰度的模拟数据，以丰度偏离度为算法精度评价方法，改进算法比通用算法精度提高，最大提高5.8392%。对真实数据处理过程中，通过对矿物光谱吸收峰位置的确定，结合各峰值处光谱匹配率值的约束，最终能准确的区分该地区所包含具有相似光谱及微弱吸收特征的矿物。最后，基于IDL语言对改进算法进行软件模块开发，实现了各个处理步骤的功能。