高光谱遥感影像的端元提取算法改进及农作物分类精度提升研究

作者

周文廷

文章摘要

高光谱遥感技术凭借其纳米级的光谱分辨能力，为农业监测提供了前所未有的精细光谱信息，是实现农作 物精准识别与分类的关键技术。然而，影像中广泛存在的混合像元问题严重制约了分类精度的提升。端元提取作为光谱解 混的核心步骤，其精度直接影响后续分类的准确性。本文系统梳理了高光谱遥感影像端元提取算法的基本原理与分类体系， 重点分析了基于几何学（如 N-FINDR、VCA）、统计学及智能优化等传统算法的局限性，尤其是在处理复杂农业场景中普遍 存在的光谱变异性、空间异质性和噪声干扰时的不足。在此基础上，本文综述了近年来针对上述问题的算法改进策略，包括：1） 引入空间信息约束，通过同质区域分割或结合高分辨率影像辅助，提高端元提取的稳健性与物理可解释性；2）采用端元束 （Endmember Bundle）概念和聚类优化方法，以应对作物因生长阶段、环境胁迫导致的光谱变异；3）利用自适应智能优化 算法（如自适应差分进化算法）提升全局搜索能力与参数鲁棒性。进一步地，本文探讨了改进后的端元提取算法如何通过 提升丰度估计精度，进而服务于农作物分类。研究表明，将更精确的端元与丰度图作为特征输入，或将其与深度学习等先 进分类框架结合，能有效区分光谱特征相似的作物种类，显著提升总体分类精度与 Kappa 系数。最后，本文总结了当前研 究面临的挑战，并对未来发展方向进行了展望，包括多源数据融合、轻量化深度学习模型与物理模型结合等，旨在为高光 谱遥感农业应用的深化提供理论参考与技术路径。

关键词

高光谱遥感；端元提取；混合像元分解；农作物分类；算法改进；分类精度

参考文献

[1] 张影， 赵小娟， 王迪 . 基于高光谱遥感的农作物分类研究进展 [J]. 中国农业信息， 2019, 31(5): 1-12.

[2] 赵阳， 赵展， 刘耀辉， 等 . 基于小波特征和邻域信息的无人机高光谱影像农作物精细分类方法 [J]. 农业工程学报， 2025, 41(10): 153-162.
[3] 戴佩玉， 张欣， 毛星， 等 . 利用空间 - 光谱双分支特征和动态选择的高光谱影像农作物分类 [J]. 农业工程学报， 2023, 39(15): 147-156.
[4] 郎函， 保文星， 王文龙 . 基于 Transformer 的高光谱遥感图像融合算法研究 [J]. 计算机工程与应用， 2024, 60(20): 1-12.
[5] 牛贝贝 . 高光谱遥感影像端元提取算法研究及应用 [D]. 湖南 : 中南大学 ,2014. 
[6] 虞瑶 , 苏红军 , 陶旸 . 联合空间信息的高光谱遥感协同表示动态集成分类算法 [J]. 遥感学报 ,2024,28(1):187-202.

Full Text:

高光谱遥感影像的端元提取算法改进及农作物分类精度提升研究.pdf点击下载

DOI