由于空间分辨率限制，高光谱或多光谱遥感图像上混合像元不可避免。近年来，为满足图像信息提取和制图需要，学者们发展了一系列的混合像元分解方法用于提高子像元内端元比例的反演精度。其中一个关键的问题就是：在给定多端元光谱特征的前提下，混合像元究竟能够分解到何种精度？我所微波遥感学科组研究人员创新地提出了光谱解混分辨率的概念，并基于扩展的支持向量机及其特征空间的几何分析方法推导出了光谱变化与光谱分辨率的定量关系。由此，当端元确定后能够根据该方法给出光谱解混的极限精度；另一方面，对于预定的光谱解混分辨率，端元的光谱不确定性允许范围也能够得以确定，这为端元的选取和异常端元去除提供了新的标准。 

　　该遥感混合像元分解的理论分析方法不仅丰富了遥感混合像元的分解算法，也为遥感界深入认识遥感混合像元分解并合理设计高精度解混算法提供了理论依据。 

　　该研究成果近期发表在国际学术期刊IEEE TRANSACTIONS ON GEOSCENCE AND REMOTE SENSING上。我所微波遥感学科组李晓峰副研究员为论文第一作者、赵凯研究员为论文通讯作者。本研究得到了国家自然基金、吉林省自然科学基金等项目的资助。 

　　论文信息： Xiaofeng Li, Xiuping Jia, Liguo Wang, Kai Zhao, “On Spectral Unmixing Resolution Using Extended Support Vector Machines,” IEEE Trans. Geosci. Remote Sens., vol. 53, no. 9, pp.4985-4996, Sep. 2015. 

　　链接：

　　http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=7090971&queryText%3DOn+Spectral+Unmixing+Resolution+Using+Extended+Support+Vector+Machines