ENVI扩展工具：完全约束最小二乘法混合像元分解FCLS Spectral Unmixing

**ENVI扩展工具：完全约束最小二乘法（FCLS）光谱混合像元分解** 在遥感图像处理领域，光谱解混是一项关键技术，它用于从混合像元中提取纯像元的信息。ENVI（Environment for Visualizing Images）是一款广泛使用的遥感图像处理软件，提供了多种光谱解混方法，其中包括“完全约束最小二乘法”（Fully Constrained Least Squares，简称FCLS）。FCLS是一种线性光谱解混算法，它在确保物理意义合理性的基础上，力求通过最少的假设来解析混合像元的光谱贡献。 **FCLS基本原理** FCLS方法基于以下假设：图像中的每个像元都可以表示为若干个纯像元（内禀物质）的光谱反射率的线性组合。这个过程称为光谱混合模型。在FCLS中，算法的目标是找到一组纯像元光谱，使得这些像元的线性组合能最大程度地逼近实际观测到的混合像元光谱，同时满足非负性和光谱端元完整性（即总反射率等于1）这两个物理约束条件。 **FCLS的优势** 1. **物理约束**：FCLS严格遵循光谱端元的非负性和总体加权和为1的物理限制，这保证了解混结果的物理可行性。 2. **稳定性**：由于其强约束条件，FCLS在处理数据噪声时表现出较好的稳定性，能有效避免解混结果的漂移。 3. **准确性**：FCLS能够较好地处理混合程度较高的像元，尤其适用于高光谱分辨率的数据。 **ENVI实现FCLS** 在ENVI中，FCLS作为扩展工具存在，可以对高光谱数据进行处理。用户通常需要预先定义内禀物质的数量（即端元数量），然后ENVI会执行FCLS算法，输出每个像元的端元贡献比例。这些比例可以用来分析地物类型、估计物质丰度或进一步进行地物分类。 **使用步骤** 1. **导入数据**：将高光谱数据导入ENVI，确保数据预处理已完成，包括辐射校正和大气校正。 2. **定义端元**：确定要解混的地物类型数量，即端元数量。这通常基于先验知识或通过主成分分析等方法初步估计。 3. **运行FCLS**：在ENVI中选择相应的FCLS工具，输入所需参数，如端元数量，然后执行算法。 4. **查看结果**：解混结果将显示为新的图像层，表示每个像元中各端元的贡献比例。可以结合其他信息（如光谱库）进行解释和分析。 **注意**：由于原始链接失效，提供的“fcls_spectral_unmixing.sav”文件可能是一个保存了FCLS解混结果的ENVI工作空间文件。用户可以通过加载此文件在ENVI中查看和进一步分析解混结果。 ENVI的FCLS光谱解混工具在遥感图像分析中具有重要的应用价值，它通过对光谱数据的精确处理，帮助科学家和研究人员深入理解地表覆盖的复杂性，为环境监测、资源管理等领域提供有力支持。