ABSTRACT Low probability subpixel target extraction and identification is important for hyperspectral (HS) applications. To better exploit the signatures of targets and extract targets from mixed pixels, we proposed a linear spectral unmixing algorithm combining HS and panchromatic (Pan) images (called SU-Co-Ims). However, misregistration between HS and Pan images is common, which usually has a negative impact on subsequent applications. Our motivation is to attempt to quantify the misregistration error range in which the extracted subpixel target is valid. To determine the maximum acceptable misregistration error (MAME), we focus on analysing the impact of misregistration between images on target extraction, that is, the effects of misregistration between images on linear spectral unmixing. Taking Pan image as reference, HS image and Pan image are intentionally misregistered in the along-track direction. The proposed SU-Co-Ims method is applied to decompose mixed pixels and extract subpixel targets. Spectral angle mapper (SAM) and Euclidean distance (ED) are used to evaluate spectral unmixing error introduced by misregistration between images. Results indicate that spectral unmixing error increases with misregistration error, and the MAME varies from 0.35 to 1.94 pixels for imagers with different spatial resolution. Consequently, accurate image registration remains crucial to unmixing-based subpixel target extraction, but misregistration has a low impact on results when the misregistration error between images is smaller than the MAME.

中文翻译：

---

高光谱和全色图像之间的配准不当对线性光谱解混的影响

摘要 低概率子像素目标提取和识别对于高光谱 (HS) 应用很重要。为了更好地利用目标的特征并从混合像素中提取目标，我们提出了一种结合 HS 和全色 (Pan) 图像（称为 SU-Co-​​Ims）的线性光谱解混算法。但是，HS 和 Pan 图像之间的配准错误很常见，这通常会对后续应用产生负面影响。我们的动机是尝试量化提取的子像素目标有效的配准错误范围。为了确定最大可接受的失配误差（MAME），我们重点分析了图像之间的失配对目标提取的影响，即图像之间的失配对线性光谱解混的影响。以 Pan 图像为参考，HS 图像和平移图像在沿轨道方向故意错配。提出的SU-Co-​​Ims方法用于分解混合像素并提取子像素目标。光谱角度映射器 (SAM) 和欧几里得距离 (ED) 用于评估由图像之间的配准不当引起的光谱分离误差。结果表明，光谱解混误差随着配准误差的增加而增加，对于具有不同空间分辨率的成像仪，MAME 从 0.35 到 1.94 像素不等。因此，准确的图像配准对于基于分离的子像素目标提取仍然至关重要，但当图像之间的配准误差小于 MAME 时，配准对结果的影响很小。提出的SU-Co-​​Ims方法用于分解混合像素并提取子像素目标。光谱角度映射器 (SAM) 和欧几里得距离 (ED) 用于评估由图像之间的配准不当引起的光谱分离误差。结果表明，光谱解混误差随着配准误差的增加而增加，对于具有不同空间分辨率的成像仪，MAME 从 0.35 到 1.94 像素不等。因此，准确的图像配准对于基于分离的子像素目标提取仍然至关重要，但当图像之间的配准误差小于 MAME 时，配准对结果的影响很小。提出的SU-Co-​​Ims方法用于分解混合像素并提取子像素目标。光谱角度映射器 (SAM) 和欧几里得距离 (ED) 用于评估由图像之间的配准不当引起的光谱分离误差。结果表明，光谱解混误差随着配准误差的增加而增加，对于具有不同空间分辨率的成像仪，MAME 从 0.35 到 1.94 像素不等。因此，准确的图像配准对于基于分离的子像素目标提取仍然至关重要，但当图像之间的配准误差小于 MAME 时，配准对结果的影响很小。结果表明，光谱解混误差随着配准误差的增加而增加，对于具有不同空间分辨率的成像仪，MAME 从 0.35 到 1.94 像素不等。因此，准确的图像配准对于基于分离的子像素目标提取仍然至关重要，但当图像之间的配准误差小于 MAME 时，配准对结果的影响很小。结果表明，光谱解混误差随着配准误差的增加而增加，对于具有不同空间分辨率的成像仪，MAME 从 0.35 到 1.94 像素不等。因此，准确的图像配准对于基于分离的子像素目标提取仍然至关重要，但当图像之间的配准误差小于 MAME 时，配准对结果的影响很小。