硬分类和混合像元：对遥感图像处理的优化方法

硬分类和软分类是相对而言的，遥感影像的硬分类从数字图像处理的角度可以看作图像分割，即将图像中具有特殊含义的不同区域分开来，这些区域是相互不交叉的，每一个区域都满足特定区域的一致性。从处理对象的角度来讲，分割是在遥感图像中确定所关心的目标地物。显然，只有把“感兴趣的地物”从复杂的影像中提取出来，才有可能进一步对各种地物进行定量分析，进而对遥感图像进行理解。将一幅遥感影像进行硬分类就是将图像按照一定准则分割为不相关联的、非空的影像子区域，这种准则包括光谱亮度、空间结构、纹理特征或时相特征等。从硬分类的角度来看，影像中的单个像元处于“非此即彼”的状态中。常见的硬分类有最大似然分类、最小距离分类等。

遥感对地物的探测是以像元为单位，利用光子探测器或热探测器检测地物对特定波长（频率）的电磁波的作用结果。像元除了有一定的光谱参量外，还表征地物的空间分布，即具有一定的面积。事实上，遥感影像中像元很少是由单一均匀的地表覆盖类型组成的，一般都是几种地物的混合体，遥感影像中混合像元数目的多少在很大程度上由遥感影像成像的空间分辨率以及不同的地表对象决定。早在1985年Irons等就指出LANDSAT／TM 专题图影像中，草地中出现混合像元的可能性为68.3%，尤其是中低分辨率的遥感影像（如NOAA／AVHRR、SPOT、MODIS等），混合像元出现的概率更大。

从理论上讲，混合像元的形成有以下原因（赵英时，2003）：

（1）单一组分物质的光谱、几何结构，以及在像元中的空间分布。

（2）大气传输过程中的混合效应。

（3）遥感仪器本身的混合效应。(www.xing528.com)

其中，（2）中大气的影响可以通过大气校正加以部分克服；（3）仪器影响可以通过仪器的校准、定标来解决。而（1）中的问题又有下列情况：①两个或多个地物组分单元间边界（如田地-林地边界）；②过渡地带（如两个生物群落之间）；③线性目标（如道路）；④小目标（如田地中的房屋）。

在遥感影像上看不到比图像分辨率小的地物，但可以通过混合像元分解技术推断它们在某个像元中是否存在。在混合像元分解技术中，必须使用多个光谱波段，而不是只使用全色波段或多光谱图像的一个波段，因此又被称为混合光谱分解。分解混合像元时，被分解出来的成分为端元，每个端元对应一种地物。端元被认为是组成混合像元的最基本的成分，在混合模型中，端元不能再分。

光谱混合可以分为线性和非线性两种基本的形式。线性混合的情况发生在传感器视场内的端元组分分布像拼盘一样的地方，通常这种情况发生在不连续分布的地物之间，如河流水体与河岸。在这种情况下，传感器接受的光子只与单一的地物有关。在构建模型时假设物质之间不互相影响，不同的地物间的多次散射可以忽略，光子到达传感器之前只与一种地物接触，传感器接收的能量只与地物的性质和该地物在像元中占的面积有关，为从各类地物接收到的能量的和。

非线性混合情况发生在地物随机分布或者致密混合的情况，如在土壤中可能有各种各样的岩石分布其中，在森林里有各种类型的树木混合在一起，各个组分端元之间因此发生多次散射，传感器接收的信号是各种随机分布的端元组分经过多次散射的结果，在构建模型时，它不只是考虑感兴趣的像元内各组成部分的影响，而且考虑相邻像元影响。

多年来国内外学者探索遥感光谱成像机理，模拟光谱混合过程，建立了多种混合光谱模型，研究发展了不同的混合光谱分解方法。